某型船尾部振动响应的预报及试验验证

采用水弹性分析方法,利用自行开发的软件对某型船尾部振动响应进行了预报。对建模、附连水质量计算、激振力的确定等问题进行了探讨。该船实船试验结果表明,预报值与实测值比较吻合,说明本文的预报方法较为可靠。     

BP神经网络在交通流量预测中的应用

路段上的交通流量受各种因素的影响,是一个典型的非线性系统。由于神经网络具有识别复杂非线性系统的特性,故将BP神经网络应用于交通流量的动态预测中是可行的。     

连云港盐渍土中钢筋混凝土结构寿命预测

通过分析连云港盐渍土中盐分含量分布,指出连云港盐渍土属于氯盐渍土,盐分含量随土层深度的增加线性减小,对钢筋的腐蚀性为中等腐蚀性;综合考虑氯离子在混凝土孔隙溶液中的扩散、电迁移以及毛细吸附过程,建立氯离子运移模型;模型的计算结果与实测结果有较好的拟合度;采用有限元方法分析了连云港盐渍土环境下混凝土内部氯离子含量分布状况,并计算不同混凝土保护层厚度的结构物寿命,建议混凝土保护层厚度应该大于50 mm。     

Hybrid model for prediction of bus arrival times at next station

Effective prediction of bus arrival times is important to advanced traveler information systems (ATIS). Here a hybrid model, based on support vector machine (SVM) and Kalman filtering technique, is presented to predict bus arrival times. In the model, the SVM model predicts the baseline travel times on the basic of historical trips occurring data at given time‐of‐day, weather conditions, route segment, the travel times on the current segment, and the latest travel times on the predicted segment; the Kalman filtering‐based dynamic algorithm uses the latest bus arrival information, together with estimated baseline travel times, to predict arrival times at the next point. The predicted bus arrival times are examined by data of bus no. 7 in a satellite town of Dalian in China. Results show that the hybrid model proposed in this paper is feasible and applicable in bus arrival time forecasting area, and generally provides better performance than artificial neural network (ANN)–based methods. Copyright © 2010 John Wiley & Sons, Ltd.     

公轨双层高架中道路桥梁形式对轨道噪声分布影响研究

高架独立轨道交通具有建设、运营成本低的优势,但其对周边居民产生的环境噪声污染问题突出,道路与轨道双层合建高架的上层道路桥梁可起到屏蔽作用,减小由轨道交通引起的道路上部区域噪声。为分析不同道路桥梁形式对轨道噪声传播规律的影响,根据实测钢轨振动加速度,建立二维声学模型进行轨道噪声传播规律预测研究。首先采用现场噪声实测结果验证方法的准确性,然后对比分析独立双U梁轨道、空心板梁道路桥+双U梁轨道、小箱梁道路桥+双U梁轨道的噪声传播与分布规律,揭示双层高架桥梁的降噪机理。结果表明,上层道路桥改变了噪声的传播途径,在增大桥下噪声的同时可以使得一部分区域(道路桥侧上方)的噪声减小;进而,在道路以上区域,小箱梁道路桥+双U梁轨道形式相比空心板梁道路桥+双U梁轨道显著降低了噪声级,大部分降幅在6～11 dB(A)之间,最大降幅约21 dB(A);与空心板梁结构形式相比,底面凹凸不平的小箱梁结构能将声能量更好地限制在道路桥梁以下范围内,从而对道路上方区域取得更大的降噪效果。提出的噪声预测方法可为公轨合建双层高架的轨道噪声快速预测与评估提供参考,计算结果可为双层高架的道路桥梁选型提供声学性能依据。     

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

船舶运动的极短期预报试验

利用自回归模型对船舶运动进行了预报试验研究。试验结果表明,对于直升机稳定平台补偿控制系统来说,由于只需要对船舶未来极短时间内的运动进行预报,所以基于自回归模型的预报方法能满足系统的实际要求,是一种简单、可行的方法。     

基于LS-SVM的世界海运需求量预测

针对世界海运需求量预测中存在的非线性、复杂性和不确定性,提出基于LS-SVM(最小二乘支持向量机)世界海运需求量预测模型,通过预测实验,并与其他几种常见模型预测结果比较,表明该模型具有预测精度高、速度快、容易实现等优点.