基于电磁混合理论的沥青路面密度预估方法

为了实现沥青路面密度的准确预估,开展了沥青混合料的介电特性测试和密度预估模型对比研究.基于多相复合材料的电磁混合理论,推导出沥青混合料的4种密度预估模型（CRIM模型、Rayleigh模型、Böttcher模型和ALL模型）;使用Percometer介电常数仪测定了沥青混合料旋转压实试件及其组分的相对介电常数,综合考虑了沥青混合料矿料级配类型和空隙率因素,进行了不同模型预估密度值与表干法实测密度值的误差分析;最后通过现场AC-20沥青路面探地雷达检测以及取芯检测验证了优选模型的准确性.结果表明：Percometer介电常数仪测得的沥青路面相对介电常数与探地雷达检测结果具有较好的一致性,沥青混合料密度预估模型的精度受到级配类型和空隙率的影响;与CRIM模型和Böttcher模型相比,Rayleigh模型和ALL模型更适用于沥青混合料密度预估,其中ALL模型预估精度最高.     

基于动力问题的高等级公路沥青路面车辙预估方法

基于运动车辆与不平整路面的相互耦合作用,建立车辆动力作用下沥青路面车辙计算与预估方法。提出一种更加符合实际的汽车动载模型;采用室内蠕变试验确定不同级配、不同温度和不同油石比下的沥青面层混合料Burgers黏弹性模型参数;提出以车辙等效的轴载换算及轴载累加作用时间tt计算方法;通过路面温度场观测,综合相应温度场路面材料动稳定度,建立一种新的路面代表温度的计算方法;针对重复与累加作用时间加载的不同,在理论计算基础上,提出不同沥青路面结构加载修正系数;结合有限元方法分析动力轴载累加时间作用下沥青路面车辙及加载修正系数,获得最终车辙预估值。通过邯郸—长治高速公路试验路车辙预估值与实测值对比,误差仅为8%～9.5%。表明沥青路面车辙预估方法的合理性,并具有较高的精度。     

基于Arrhenius图的沥青使用寿命预估方法研究

根据Arrhenius方程分析了沥青在加速热老化试验条件下的临界老化时间与老化温度的关系，提出利用临界老化时间与老化温度绘制Arrhenius图，以及利用Arrhenius图预估沥青使用寿命的试验方法。采用该方法估算了所选2种沥青的使用寿命，并分析了影响沥青寿命预估的因素。采用该方法估算的沥青寿命值呵为路面寿命周期成本分析和路面养护时机的选择提供参考。     

长寿命沥青路面沥青层材料容许拉应变预估

通过对沥青混合料疲劳寿命预测模型的分析，建立沥青层混合料容许拉应变与疲劳寿命的关系，给出材料拉应变容许值预估公式。对常用沥青混合料的拉应变容许值进行预估，分析结果表明，交通等级和路面厚度相同的条件下，沥青混合料有效含量高、空隙率小、级配偏细时的拉应变容许值相对较大；反之较小。研究结果为长寿命沥青路面设计提供了计算参数。     

路基处治土回弹模量的预估方法

低路堤路基土湿度的变化会对其回弹模量产生显著影响.采用水泥-石灰-土和石灰-土2种处治土,通过室内吸水、浸水和干-湿循环模拟试验,建立了回弹模量与龄期、饱和度以及干-湿循环次数的预估方程,并通过现场试验检测的路基土湿度,应用该预估方程对2种路基处治土的回弹模量进行了预估.结果表明:预估值与实测值较为吻合.     

沥青混合料劲度模量获取方法研究

获取沥青混合料的劲度可以通过沥青劲度、诺模图、直接测试等方法获得；在劲度模量预估方面，主要有Witczak模型、Hirsch模型和Shell Oil模型；在数字图像分析方面，介绍了沥青混合料数字化方法及常用的力学分析方法。建立基于离散元的混合料微观空间结构的力学模型，得出具有高可靠性、高精确度的劲度模量力学预估方法.     

南平市水泥混凝土路面温度场统计预估研究

本文以福建省南平市典型水泥混凝土路面结构为研究实体,进行了4个不利季节的现场温度场监测,并得到相关实测数据。并结合严作人、孙立军、谈至明等人预估温度场模型的思想,对比分析两种预估模型,并最终确定适合福建省南平市的温度场预估模型。     

沥青混凝土永久变形预估方法研究

提出了一种新的沥青混凝土永久变形预估模型,该模型理论明确,有效考虑了剪切因素,用单轴贯入抗剪强度表征沥青混合料本身的抗变形能力,用面层内剪应力表示结构的抗车辙属性.通过不同温度、压力及厚度下的车辙试验,基于分层叠加的基本思想确定了沥青混凝土永久变形预估模型;同时根据波尔兹曼线性叠加原理,在永久变形预估模型中考虑了行车速度;最后采用不同的沥青混合料对该模型进行了验证.结果表明:永久变形预估模型能够较精确模拟沥青混凝土的变形规律,对不同的沥青混合料具有通用性,从而为建立正确的车辙预估方法奠定了基础.     

基于人工神经网络的强夯有效加固深度预估

当粘性土地基用强夯进行处理时对其处理效果的影响因素进行了总结，并利用神经网络对强夯加固效果进行了预估，证明了由于神经网络能处理高度非线性问题而能够较好地预估强夯的加固效果，它在预估强夯加固效果的同时还可以进行施工参数的优化设计。     

灰色预估模型在高速公路机电工程造价中的应用

灰色预估模型现如今在机电工程上应用范围越来越广,对此,本文分析了当前机电工程造价管理制度与现存的不足,明确高速公路机电工程中建立灰色预估模型的必要性,进而对其在高速公路机电工程造价中的应用展开具体研究,以保障工程建设造价工作的顺利开展,提高经济投资效益,实现企业的可循环发展。     

基于BP-LSTM混合模型的钢-混组合桥面系空间温度场及温度效应实时评估及预测

考虑到传统健康监测系统与有限元方法的不足,为实现钢-混组合桥面系温度及温度效应的实时评估及预测,提出基于多层前馈——长短期记忆(BP-LSTM)混合模型的实时评估及预测方法。研究过程中,以某桥为工程背景,采用其健康监测系统数据,并利用有限元法热力耦合分析扩充数据,构建包含“结构特征、时间特征、环境特征——温度、温度效应”映射的样本库,并通过实测数据验证有限元计算的准确性;设计BP-LSTM混合模型结构,对LSTM网络以考虑时间权重的均方误差(MSE)损失函数加以改进,读入样本库数据进行训练、验证、测试,从而获得输出精度较高的混合模型;最后,分别给出利用BP-LSTM混合模型进行温度及温度效应实时评估与预测的方法。结果表明:基于气象数据的结构温度场有限元计算结果与实测基本一致,“结构特征、时间特征、环境特征——温度、温度效应”映射具有高度非线性,单独BP网络或LSTM网络效果不佳,而BP-LSTM混合模型精度较高;根据本文提出的实时评估及预测方法,混合模型输出值与目标值的决定系数最低为0.930,最高为0.993,精度较高,可用于钢-混组合桥面系空间温度场及温度效应实时评估及预测。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

基于混合模型的中央空调冷源系统运行能耗优化

为优化中央空调冷源系统运行能耗,本文分别建立了中央空调冷源系统运行能耗预测灰箱模型和BP神经网络模型,对比分析了灰箱模型与BP神经网络模型的能耗预测性能,并基于K-means聚类算法提出了将灰箱模型和BP神经网络模型相结合的能耗预测混合模型。结合中央空调冷源系统能耗预测混合模型,以模型可控输入变量为优化变量,对中央空调冷源系统进行节能优化。结果表明:对比单独使用灰箱模型或BP神经网络模型,中央空调冷源系统混合模型能耗预测精度提升了27.7%和33.85%。对比冷源系统优化前能耗,优化后的中央空调冷源系统运行能耗平均降低了8.2%。     

基于BP神经网络的堆肥物料抗剪强度预测模型

针对目前传统方式采集堆肥物料抗剪强度数据过程中环境恶劣、数据采集困难、试验误差大等问题,提出一种基于BP神经网络的抗剪强度预测模型。通过现场试验得到堆肥物料抗剪强度和堆体高度、温度、含水率、密度等参数共39组有效数据,以其中35组作为训练样本,其余4组用于评价模型的预测性能。结果表明,该模型预测值与实测值的平均误差为11. 35%,基于BP神经网络的抗剪强度预测模型具有较高的预测精度,为抗剪强度的预测提供了一种新方法。     

Real-time analysis and prediction of shield cutterhead torque using optimized gated recurrent unit neural network

An accurate prediction of earth pressure balance (EPB) shield moving performance is important to ensure the safety tunnel excavation. A hybrid model is developed based on the particle swarm optimization (PSO) and gated recurrent unit (GRU) neural network. PSO is utilized to assign the optimal hyperparameters of GRU neural network. There are mainly four steps: data collection and processing, hybrid model establishment, model performance evaluation and correlation analysis. The developed model provides an alternative to tackle with time-series data of tunnel project. Apart from that, a novel framework about model application is performed to provide guidelines in practice. A tunnel project is utilized to evaluate the performance of proposed hybrid model. Results indicate that geological and construction variables are significant to the model performance. Correlation analysis shows that construction variables (main thrust and foam liquid volume) display the highest correlation with the cutterhead torque (CHT). This work provides a feasible and applicable alternative way to estimate the performance of shield tunneling.     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCAWLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

基于小波概率神经网络的单桩竖向承载力预测模型及应用研究

分析小波概率神经网络(WPNN)与数据融合技术在预测单桩竖向承载力中的应用原理,建立基于小波概率神经网络和数据融合技术的预测模型。根据长期的工程实测资料,利用高层建筑物静载试验数据对模型进行检验,并选取典型的样本进行预测值的误差分析。结果表明,预测的结果与静载试验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。     

BP神经网络在水厂预测混凝投药量中的应用研究

建立了一种基于三层结构BP神经网络的混凝投药量前馈控制模型,采用烧杯试验数据进行了仿真验证,同时建立了传统的线性回归混凝投药量前馈控制模型,并采用两种模型基于同一样本数据进行仿真。从投药预测值一实际值的对比图和均方根误差等可以看出,BP模型优于回归模型,它通过学习可以根据原水水质进行投药量的有效预测,有一定的自适应性,实用性较强,但也存在一定的局限性,对某些水质的投药预测值还存在一定误差。     

灰色-神经网络模型在滑坡变形预测中的应用

根据滑坡位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将滑坡位移量分解成具有确定性的趋势项和具有不确定性的随机项,建立灰色-神经网络模型对趋势项和随机项进行预测。将该模型应用于基于实测位移资料的茅坪滑坡变形短期预测,证明该模型的有效性及可行性。