软土参数反分析方法及其在沉降预测中的应用

沉降预测与控制是当前客运专线设计、施工组织的关键技术,为保证沉降预测的准确程度,必须合理选取计算参数。采用黏弹塑(西原)模型模拟土骨架,并结合软土变形的大位移、大应变及渗透固结的特点,建立模拟施工过程的软土路基双重非线性固结分析有限元模型。以实测信息与计算信息的相对残差平方和最小为目标,引入考虑测点观测精度的加权值,建立根据多种测试信息进行参数反分析的目标函数,并采用Monte-Carlo法和可变容差法相结合的优化技术,对目标函数进行约束优化,较好地解决了可变容差法易于陷入局部最优解的难题。通过参数分组、初步试算、综合调整等步骤,建立了分阶段多层次动态施工反分析方法,从而使反分析所得计算参数具有明确的物理意义。实际工程应用表明,参数反分析方法本构关系清楚、物理意义明确,所得计算参数能较好地反映现场的实际情况,可准确预测沉降。     

塑料排水板堆载预压法处理软基的固结效果

结合某填海造地道路地基处理工程实例,探讨塑料排水板堆载预压法的加固机理;基于现场软基沉降监测实测数据,采用双曲线法对加固后的软土地基沉降进行预测,并分析地基的最终沉降量及固结度。研究结果表明:塑料排水板堆载预压法在软基处理中的加固效果较好,堆载预压结束后,软基固结度可达到80%～95%,满足设计要求。     

信息化时代武器装备电磁兼容技术发展趋势

在C4ISR系统EMC和防护,EMC“预测分析法”设计与控制,电磁环境效应(E3)验证与评估及防护技术,频谱管理,以及EMC新技术、新材料、新器件开发应用等五个方面论述当前EMC技术的发展趋势。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于寿命分布的备件需求计算模型分析

根据指数分布、正态分布和威布尔分布的寿命分布类型,对航海装备的一些维修备件进行分类,并提出了在满足备件保障度下这三种寿命分布类型备件的需求计算模型,对一些备件需求预测实例进行了预测计算。     

船摇前馈控制补偿效果及优化方法研究

雷达隔离船摇的主要手段之一.针对船摇前馈在实际工程应用中补偿效果不理想的问题,通过对前馈复合控制原理、船摇前馈实现方法和效果影响因素的研究,提出了工程实现的优化方法.采用时间序列分析方法进行船摇数据预报可以提高近一个数量级的预报精度,从而直接提高船摇前馈补偿量的计算精度和补偿效果.通过在前馈补偿环节中加入自适应设计以实现船摇前馈信息有效平稳地加入控制环路.此外,选择适宜的时机加入船摇前馈也是工程应用的一个重要因素.     

集装箱船舶大型化现状与未来发展预测

美国次贷危机对全球实体经济影响的加深以及国际石油价格的剧烈变化短期内可能改变集装箱船舶大型化的趋势,但是从长期看,全球集装箱船舶大型化的趋势仍将继续。本文利用相关数据,分析预测未来集装箱船舶大型化的发展状况。     

基于ARIMA的交通流量短时预测

采用AKIMA方法进行交通流量趋势预测．建模是利用现场调查得到的非平稳时间序列进行数据处理、建模．并根据AIC准则进行模型定阶,最后通过实测数据进行验证,结果表明。该ARIMA模型能够获得较好的中短期预测精度,因而可用于动态交通信号控制。