伦敦希斯洛机场地下行李转运系统的建造

本文介绍了希斯洛机场航站间地下行李转运系统的设计、建造、安装和调试。该系统通过一个１５００米长的隧道及竖井系统,在机场１号进出站口（Ｔ１）和４号进出站口（Ｔ４）间长距离转动旅客行李。这个复杂项目包括一现代化的高速行李转运和安全监视等装置,在隧道、行李输送、控制及其它支持系统方面为多学科交叉工程的技术新提供了一个良好的范例。     

机场行李处理系统外部系统接口功能设计

介绍了机场行李处理系统在运行时与机场的许多弱电、信息系统具有的功能接口,并进行信息交换,实现对行李输送和分拣所需要的外部接口系统及接口功能的设计要求。     

深圳扩建机场的地面交通需求预测研究

以深圳机场扩建工程为实例，对机场地面交通需求预测的整体思路、方法、步骤和内容等进行详细分析，希望能对国内同类新建或扩建机场的交通需求预测具有借鉴和参考价值。     

行李自助值机系统在国内机场的发展和应用

主要应用在机场的行李自助值机系统是科技进步发展的应用趋势。它可以尽可能减少机场工作人员的数量,节约人员的使用成本,同时,可以提高资源的利用效率。     

枢纽型机场陆侧交通需求预测与交通组织方案研究

随着海口市美兰国际机场航空业务量飞速增长,机场2号航站楼的扩建工程即将拉开序幕,而场内、外地面交通组织及机场对外交通规划作为机场交通枢纽的重要组成部分,在整个航空枢纽体系中起到举足轻重的作用。根据机场规划旅客、货运吞吐量,预测陆侧高峰时段的交通需求,并基于该预测结果提出合理的陆侧交通组织方案及通道规模,以确保整个航空枢纽高效、便捷地运营。     

行李处理系统中ATR的工程应用

机场行李处理系统是体现机场服务水平的标志系统之一。大中型机场一般都采用自动分拣的行李处理系统,以实现行李的快速、准确处理要求。ATR是机场行李处理系统实现自动分拣的关键设备之一。作者先介绍了ATR设备的概念和功能,然后介绍了行李处理系统对ATR的应用要求,接着重点介绍了行李处理系统中的ATR设计方案,最后简单说明了ATR在目前行李处理系统中的应用状况。     

大型机场行李处理系统检测方法研究及应用

行李处理系统是大型机场中最重要的系统之一,是机场正常运营的重要保障,在满足业务功能的前提下,其稳定、可靠、高效的运行对于机场正常运营起着至关重要的作用.在正式投产前,对行李处理系统的功能、稳定性、可靠行、效率等进行检测并改进不足,对于保证行李处理可顺利投产运行是非常必要的工作.此文介绍了对大型机场行李处理系统进行检测的方法的一些研究成果,并简单介绍了该检测方法的应用效果.     

机械臂在机场行李处理系统的应用分析

民航机场旅客的行李处理流程上,行李从分拣设备到运载飞机,仍处于传统人工模式。伴随着社会、经济的高速发展,各行业生产效率要求愈来愈高以及人工成本逐年上升,装载工人流失严重与招工难的趋势已经显现,故迫切需要构建一套能够有效替代人工来处理机场行李的自动化设备系统。本文通过基于皮带面承接型夹具的机械手臂在机场行李分拣处理应用的流程设计说明,阐述了该流程各环节难题的解决方案。对该研究在机场行李处理系统上应用的人工替代效果进行了分析评价,总结出每套机械臂可有效替代5名人工的结论。     

机场旅客吞吐量的影响因素与预测方法探讨

旅客吞吐量的预测对于机场的建设和管理具有重要的意义,本文从可能影响机场旅客吞吐量的若干因素出发,采用主成分分析法提取了最关键因素,剖析了机场旅客吞吐量的内在影响机理,构造了一种基于其影响机理的预测方法。     

浅析耕地需求预测的相关方法

目前，我国正处于工业化、城镇化快速发展的阶段，建设用地供需矛盾突出，耕地保护面临严峻的形势。耕地需求预测为耕地保护提供了科学、合理、实用的预测数据。本文对趋势分析法、指数平滑法、回归分析法、马尔柯夫链预测法、灰色模型五种预测模型从不同角度送行了分析。     

预报模型在GPS测沉降中的应用

变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。     

灰色模型在承德市需水预测中的应用

承德市位于河北省东北部,地处滦河和潮白河流域上游地区,为京津的重要水源地,其水环境不仅关系到承德市的用水问题,而且直接影响下游的天津市、北京市和唐山市的用水安全,因此,对其需水量进行科学预测极为重要.根据承德市历年用水资料及其与时间的变化规律,用灰色系统理论建立模型,在满足精度要求的情况下用于需水量预测.并提出灰色模型预测方法可用于对不同水平年需水量的宏观控制,也可用于近期逐年需水量的预测.     

An ensemble wavelet bootstrap machine learning approach to water demand forecasting: a case study in the city of Calgary,Canada

This paper explores a hybrid wavelet, bootstrap and neural network (WBNN) modeling approach for daily (1, 3 and 5 day) urban water demand forecasting in situations with limited data availability. This method was tested using 3 years of daily water demand and meteorological data for the city of Calgary, Alberta, Canada. The performance of the WBNN method was compared to that of three other methods: traditional neural networks (NN), wavelet NNs (WNN), and bootstrap-based NN (BNN) models. While the hybrid WBNN and WNN models equally provided 1-day lead-time forecasts of greater accuracy than those obtained with other methods, for longer lead-time (3- or 5-day) forecasts the WBNN model alone outperformed the other models. The confidence bands generated using the WBNN model displayed the uncertainty associated with the forecasts.     

Assessment of predictive uncertainty within the framework of water demand forecasting using the Model Conditional Processor (MCP)

This paper presents an application of the Model Conditional Processor (MCP), originally proposed by Todini (2008) within the hydrological framework, to assess the predictive uncertainty in water demand forecasting related to water distribution systems. The MCP enables us to assess the probability distribution of the future water demand conditional on the forecasts provided by two or more deterministic forecasting models. In the numerical application described here, where two years of hourly water demand data for a town in northern Italy are considered, two forecasting models are applied in order to forecast hourly water demands from 1 to 24 hours ahead: the first model has a modular structure comprising a periodic component which reflects the long-term effects and a persistence component which represents the short-term memory of the process; the latter is based on neural networks. The results highlight the effectiveness of the approach, provided that the data set used for the MCP parameterization is properly selected so as to be actually representative of the accuracy of the real-time water demand forecasting models.     

Elasticity estimation and forecasting: An analysis of residential electricity demand in Brazil

Spatiotemporal models to estimate electricity demand are scarce in the existing literature. In this paper, we compare three models to estimate elasticities and forecast demand for residential electricity in Brazil. The Dynamic Spatial Durbin Model presented the best goodness of fit, with results that confirm the need to consider spatial dependence in the Brazilian regions. The results showed temporal inertia, inelasticity of demand concerning price and income, and a significant impact of the temperature and the number of households connected to the grid. We conclude that omitting the spatiotemporal dynamic could lead to bias in the models used by Brazilian utilities.     

相空间重构与RBF结合的短时交通流预测研究

针对短时交通流的混沌特性,提出将相空间重构与神经网络相结合的预测算法,并采用某高速公路实时交通流数据进行了仿真验证,取得了较好的预测效果。     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

西安咸阳机场与轨道交通线网接线方案研究

根据西安咸阳国际机场的具体状况,从交通线网规划线路的走向、客流特征、用地规划、运行组织与管理、旅行时间等方面分析了该机场与轨道交通线网的接线方案,通过比较,确定了合理的接线方案.     

混凝土氯离子扩散系数的RBF神经网络预测模型

提出了一种基于RBF神经网络的氯离子扩散系数预测模型,将RBF网络模型预测的结果与另外三种不同输入的RBF模型、BP网络模型的预测结果以及实测结果进行了对比分析,结果表明,RBF神经网络模型相对其他输入指标体系模型的预测精度有所提高,且能满足工程的需要,可以作为氯离子扩散系数预测的一种新的有效的方法。     

Predicting and quantifying the effect of variations in long-term water demand on micro-hydropower energy recovery in water supply networks

To improve water supply energy efficiency micro-hydropower turbines can be installed within networks at locations of excess pressure. However, future changes in flow rates and pressures at these locations could render an installed turbine unsuitable. It is therefore important that long term changes in flow conditions at potential turbine locations be considered at initial feasibility/design stages.

Using historical data over a ten-year period, this paper predicts the effects of changes in water flow rates at potential turbine locations in Ireland and the UK. Results show that future flow rates at these locations could be predicted with an R² of up to 66% using multivariate linear regression and up to 93% using artificial neural networks. Flow rates were shown to vary with population, economic activity and climate factors. Changes in flow rate were shown to have a significant impact on power output within the design life of a typical hydropower turbine.