基于FHWA模型的航道两侧噪声评价范围的探讨

为确定航道两侧噪声评价范围,引入美国道路交通FHWA模型,并对模型中的参数进行了重新定义,考虑到航道实际环境状况,加入水面衰减修正项,建立了基于FHWA的航道噪声预测模型.随后对连云港疏港航道、盐河航道以及丹金溧漕河航道的噪声监测数据中分别随机抽取了13、10和10个测点数据用于模型验证,结果表明预测值与实测值具有较高...     

车道模型对高速公路交通噪声预测准确性分析

根据桓永高速公路、随岳高速公路和京津第二通道高速公路的交通量、车型及车速等监测数据,运用中间车道预测模型和车道累积模型,分别对三条高速公路进行了噪声预测,将噪声预测值与实测值进行了对比,并分析了差值的原因,得出车道累积预测模型在高速公路交通噪声的预测准确性上优于中间车道模型.     

基于BP神经网络的混凝土抗压强度预测模型的建立

本文采用误差反向传播神经网络(BP)建立了混凝土抗压强度的预测模型,在不同的误差目标值及隐含层节点数条件下,探讨模型的预测精度。实验结果表明,当误差目标值设定为0.01、隐含层节点数为3时,模型的预测精度最高,平均误差百分数为6.6%。当误差目标值设定较大时,样本的预测值与实测值会发生明显的偏差,预测效果不佳。     

地下车库噪声影响的随机点声源模型

在道路交通噪声随机点声源预测的研究基础上，根据地下停车库车辆进出的特点，提出分时从而瓣不同车辆类型的随机点声源模型。该模型通过计算机模拟给出按时段分布的预测值，与实测值进行比较后发现，模型预测精度较好，比较符合实际情况。     

基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测

为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络?自回归滑动平均模型（LSTM-ARMA）预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值。在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性。分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小。     

换流站环境噪声预测及预测方法比较

随着工业、交通事业的快速发展,噪声问题已成为一项严重的环境问题．在项目建设之前进行环境噪声的预测是十分重要且可行的．本文将通过使用作者编写的噪声预测软件,以贵广二回直流工程极2系统调试一宝安换流站噪声预测为例,建立噪声传播模型,分别用倍频带声压级与A声级数据进行预测,并将预测值与现场实测值以及丹麦B＆K噪声预测软件Predictor Type 7810的预测值进行对比,以比较两种预测方法的预测精度以及与国外噪声预测软件之间的预测误差,并在此基础上对预测原理进行适当的补充和修正．结果表明,两种预测方法的预测精度都是较高的,且用倍频带方法预测的精度要高于用A声级方法预测的精度．该预测作为“十一五”科技支撑计划“特高压输变电开发与示范”项目的子项目“＋800kV直流系统可听噪声计算软件的开发”的一部分,对该项目的开展和实施具有较大的现实意义．     

基于最小二乘支持向量机的风速组合预测模型

探讨了基于最小二乘支持向量机的组合预测模型在风速短期预测中的可行性.该模型以BP神经网络、RBF神经网络、粒子群BP神经网络3种预测模型的风速预测值作为组合预测模型的输入,实际风速值为输出,利用最小二乘支持向量机回归算法构造风速间的非线性关系,以实现风速多步预测.将该模型的预测性能与BP神经网络组合预测模型、线性组合预测模型进行比较,通过平均绝对误差、误差平方和、平均相对误差3个指标进行评价.结果表明,最小二乘支持向量机预测模型的平均相对误差低于6%,其他误差指标也明显低于其他预测模型.因此,最小二乘支持向量机组合预测模型预测精度不仅高于任一单项预测模型预测精度,而且高于传统的线性组合预测模型与一般BP神经网络组合预测模型.验证了该模型在风速预测中的可行性.     

核估计在双指标变权组合预测中的应用

在多项式系数自回归模型和半参数模型的基础上,建立了基于误差倒数以及相关系数双指标的变权组合预测模型.同时给出了一种新的确定预测值权重的估计方法,并对银的期货价格进行实证研究.结果表明,多指标变权组合预测模型的预测精度高于每个单模型的预测精度.     

基于组合模型的高铁隧道围岩收敛变形预测

为提高围岩收敛变形预测精度,依托阳山高速铁路隧道,基于贝叶斯参数优化的经验模型预测收敛变形的趋势项,然后采用支持向量回归算法修正经验模型的预测结果,据此构建基于组合模型的高铁隧道围岩收敛变形预测模型.将均方误差和平均绝对百分误差作为评价指标,与同类型支持向量机回归模型的预测结果进行对比.结果 表明,经验模型的预测值与目标值随时间变化的趋势一致,但对于数据中的波动部分,预测值与目标值存在较大偏差.误差修正模型较好地预测数据中的波动部分,对提高预测精度效果明显.在2组实测数据中,组合模型预测值的均方误差相较于经验模型降幅分别达到97.0％和93.4％,且较同类型支持向量机回归模型具有更高的预测精度.     

灰色模型结合神经网络预测高速公路路基沉降

为了提高高速公路路基沉降的预测精度,考虑到神经网络强大的非线性映射功能,提出了"灰色模型+神经网络"对高速公路路基沉降进行预测分析的组合方法。以湖南省某高速公路路基沉降多个断面实测数据构建灰色GM(1,1)预测模型,在采用构建的灰色模型预测出相应结果的基础上,运用神经网络对预测结果做误差补偿。研究结果表明,采用实测数据拟合的灰色模型预测值的最大相对误差与运用神经网络对预测结果做误差补偿之后的优化预测值的最大相对误差分别为19.193%和0.865%,用神经网络对灰色模型预测结果做误差补偿之后的优化预测值与实测值更接近。     

车辆声源高度对公路交通噪声预测的影响

目前公路交通噪声预测结果与实际情况存在较大差别,主要原因是声源预测模型存在不足。为了提高交通噪声预测结果的准确性,通过考虑车辆声源的实际高度,运用声学仿真软件Virtual. lab建立竖向高度与车辆声源实际情况一致的声源模型。对受声点的预测结果分析表明:与等效声源模型相比,考虑声源实际高度的噪声模型更符合道路实际情况,提高预测结果的准确性;在3 m高声屏障下道路交通状况全为重型车时预测结果差值最明显,两种声源模型综合噪声差值为1. 71 d B,315 Hz时达到频谱峰值差值3. 03 d B,为道路交通噪声控制提供参考依据。     

临汾市区交通噪声污染及控制对策

通过对临汾市区主要道路的环境噪声的实地监测,采用等效声级模型,对所得数据进行比较和研究,结果表明所选各监测点等效连续A声级均超过昼间70dB（A）,夜间55dB（A）．按照交通噪声污染分级,其中有27％监测点的道路交通昼间噪声污染属于恶化等级,73％属于坏等级．同时分析了造成交通噪声污染的主要原因,提出了治理噪声污染的措施和对策．     

合肥市区沿街住宅声环境研究

文章通过对合肥市3个小区不同道路级别(城市高架、城市主干道、城市次干道)的沿街住宅昼夜噪声声级进行实地测量,将实测分析结果与Noisesystem V4.1噪声预测软件的预测结果进行比较,对合肥市区沿街住宅声环境进行评价,并综合实测和预测结果,提出相关降噪措施建议.     

基于城市道路卡口数据的交通流量预测

交通流量的预测可以为交通管理部门的工作和车主的出行规划提供很大帮助,如何进行准确且高效的交通流量预测是一个非常重要的问题。传统的交通流量预测数据通常是车速和行车轨迹,研究人员通过在高速上每隔一段距离布置交通传感器获得数据,这些方法应用于城郊地区和高速公路上,取得了很好的效果,但城市道路人口密集且交通情况复杂,不适合大规模布置传感器获得所需交通数据,所以不能使用现有的方法进行预测。笔者提出了一种利用城市道路卡口的交通流量数据进行预测的方法。首先,通过对已有的交通数据分析来总结交通流量周期性变化的特点;然后,基于这些周期性变化的特点来提取相应特征;最后,依据这些特征训练适用于城市卡口的交通流量预测模型。基于真实交通数据集进行了大量实验,结果表明,交通流量预测模型的预测值的RMSE和MAPE分别为15.3和7.3,即预测准确度可以达到92.7%。     

基于GA-tBP模型的城市道路交通量预测

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量。从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素。以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现。研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error, MSE)及平均绝对误差(mean absolute error, MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性。     

城市道路交通拥堵自动判断算法研究

 与高速公路交通流特点相比较,从城市路网中交通流多数为间断流的特点出发,结合目前城市道路中所使用的交通流采集设备及信号控制设备,利用交通工程中交通流到达－离散模型对城市道路中不同类型的城市交通流进行分析,选择出符合交通流变化的数学模型对进入路段和驶出路段的交通流分别利用模型匹配,从而进行交通拥堵进行自动检测。这类算法的应用既为城市道路拥堵的自动判断提供了手段,又使得城市中所使用的智能交通设施发挥更广泛的作用。     

太原市高架复合道路交通噪声影响因素分析

基于太原市高架交通的实测数据,将高架复合道路分为5个路段进行理论计算,并与实测值对比分析发现高架桥两侧噪声主要来源于高架水平段和临近侧辅道,车流量、车型和车速是太原市高架复合道路交通噪声的主导因素。同时对高架复合交通各路段车流量和实测声压级值进行了相关性分析,得出高架桥上的中型车、辅道上的中型车及重型车是太原市高架复合道路交通噪声的主要来源;其中高架桥上的中型车与实测声压级相关系数最高,为0.77,测点一侧的辅道上的中型车与重型车车辆数与实测声压级的相关系数分别为0.67和0.49。研究结果为太原市高架复合道路交通噪声污染防治指示了一定方向,并探讨了相关措施。     

城市环境噪声预测与分析的研究进展

基于对城市环境噪声的预测、分析和控制，主要在以道路交通噪声和工业噪声为典型的城市环境噪声预测模型建立，噪声测量布点优化，城市环境噪声综合评价，以及环境噪声控制等方面，介绍了国内外的相关代表性研究工作，讨论了其中存在的一些主要问题，并对其进一步的研究发展方向进行了展望。该研究希望能够对从事该领域研究的有关人员提供一些参考和帮助。     

城市地下道路车速特征及运行车速模型

采用实车测速实验,在上海市8条城市地下道路中进行车速数据的采集,并选取156个典型线形路段,研究地下道路中车速的分布特征及运行车速.通过多元逐步线性回归建立城市地下道路运行车速预测模型,模型自变量包括车道宽度、纵坡、车道数、限速、分合流、洞口等.结果表明,预测模型的拟合效果良好,通过预测值和实测值的比较验证了模型的有效性.同时发现限速对城市地下道路中运行车速的影响很小.运行车速预测模型适用于设计车速在40~80km·h-1,双向4~8车道的城市地下道路中.