基于多旋翼无人机航测的工程结构三维建模质量影响因素研究

多旋翼无人机在高铁建设领域的应用前景广泛,但目前无人机航测三维建模时建模质量的控制参数敏感性尚不明确,该问题对于响应高铁工程建设领域的高精度要求尤为重要。基于此问题,针对无人机航测过程中航高、重合度、环境光照3个主要控制因素,探究影响工程结构三维建模质量的图像数据获取的主要参数问题。通过对一例挡墙式边坡结构的三维建模进行系列正交试验,结果表明多旋翼无人机进行工程结构三维建模过程中,模型质量对无人机影像采集时环境光照条件、飞行高度的影响敏感,而对高重合度不敏感。     

公路大件运输快速评估系统的智能化探讨

随着国家建设的快速发展,大件运输的通行数量不断增加,急需提升大件运输审批效率,建设更加智能化的评估系统。而目前的评估系统多以结构承载力两阶段分析为基础,流程烦琐。文中介绍湖北省以车辆信息数据库为核心的公路大件运输快速评估方法,提升评估系统的智能化水平,加快交通强国建设。     

基于机器学习的高铁边坡位移预测不确定性度量与应用

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型（BGB模型）。该模型首先采用基于Bootstrap的门控循环单元（Gated Recurrent Unit,GRU）算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明：BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机（Extreme Learning Machine,ELM）和支持向量回归（Support Vector Regression,SVR）为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预...