基于时间序列与神经网络的软岩隧道变形预测模型及其应用

针对软岩隧道具有变形量大、变形分析困难和稳定性差等特点以及传统的变形分析方法过于单一和精度低等问题,分别运用时序分析和神经网络方法对软岩隧道变形进行了预测,以单个方法的预测结果为基础,结合IOWHA算子,根据各方法的预测精度计算出它们在组合模型中的权重,建立了组合预测模型.通过工程监测获取原始数据,运用组合预测方法得到相应的预测结果,并将其与单个方法的预测结果进行了对比分析.研究结果表明:新的组合预测方法能够综合时序分析和神经网络方法的优势,预测结果精度明显提高,该方法的应用对具体软岩隧道的稳定性评价及隧道工程的施工与维护具有一定的指导意义.     

基于模糊理论的供应网络风险评估

为了量化风险因素间的复杂的、不确定的关系,建立一个模糊模型来进行风险评估。通过该模糊模型可以在当前状态下,预测未来潜在的风险因素。在风险评估和优先排序的基础上,管理者可以根据自身情况有目的地对特定的风险因素采取恰当的风险管理措施。     

基于可靠度的区域公路网瓶颈路段识别研究

为及时掌握区域公路网运行状况和准确识别瓶颈路段,本文基于可靠度的计算结果,通过点段重要度数据和路网模型分配数据计算,识别出重要路段集,再结合可靠性薄弱数据集,取二者的交集为瓶颈路段。通过算例验证,该方法具有较强的实用性和有效性,也为交通管理者识别和改善路网瓶颈路段通行能力提供依据。     

城市交通空间需求与交通网络双均衡研究

从交通空间需求人手,运用均衡原理建立交通空间需求与交通网络二者的耦合关系模型,提出了一套城市交通空间需求与交通网络一体化均衡配置方法.该方法能够同时实现交通需求与交通网络的供需均衡以及交通网络自身的用户均衡,对于城市土地利用与交通系统的一体化规划以及城市规划与交通规划的结合具有重要的借鉴作用.     

Hinterland strategies of port authorities: A case study of the port of Barcelona

Port authorities generally focus on the development of the local port area and play a minor role in the development of port hinterlands, whereas shippers, forwarders, barge and rail operators have always been involved in the port-hinterland connection. The increasing importance of intermodal hinterland networks for the competitive position of ports has urged port authorities to become active in the hinterland. This new role has already been suggested by different academics. However, limited empirical evidence exists of port authorities taking stakes in inland terminals or developing transport services. Barcelona, as one of the leading port authorities in this respect, is used as a case study in this paper. The case study provides insight in the components and execution of the hinterland strategy of Barcelona. It shows that the strategy of the port authority of Barcelona and the consequent active involvement in the hinterland has had a significant impact on attracting container volumes from distant hinterlands and improving the accessibility of the port.     

基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

一种基于TDD的无线mesh网络随机自学习调度算法

基于时分多址（TDD）的无线mesh网络是实现无线多跳网络和宽带无线接入的一种关键技术.为用户提供一种可以保障稳定通信的有效的分布式算法是影响基于TDD的无线mesh网络性能的关键因素.本文针对TDD的无线mesh网络提出一种随机自学习分布式调度算法,这种算法是一种基于信息学习的随机选择算法.在网络中,任一节点都要根据其邻居节点控制消息中所携带的数据,学习邻居节点的调度信息,从而判断可用时隙.若上次信息传输成功,则节点仍然沿用上次的传输时隙;反之,节点在可用时隙中随机选择一个时隙发送控制消息.仿真结果表明,与IEEE802.16标准中定义的算法相比,提出的随机自学习分布式调度算法能实现更高的吞吐量.     

һ���µ�˫����Ϲ�������ģ��

为了研究城市公共交通网络的动态特征,本文在现有公交网络模型的基础上,运用space P方法和space R方法分别建立了公交换乘网络和公交线路网络.然后将这两个网络作为子网络,并通过换乘网络中停靠站点和线路网络中的公交线路之间的联系构建了一类新的双层耦合公交网络模型.该模型能够很好地反映出行乘客与公交运营车辆之间的联系.基于耦合网络的同步理论,以非线性Lorenz系统为网络的节点,研究了双层耦合公交网络的同步问题.最后,采用Matlab仿真技术分析了公交运营中的人为调度、公交线路之间公共停靠站点的数目,以及站点之间的可达性对双层耦合公交网络平衡的影响.     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.