软岩公路隧道二次衬砌支护时间的优化研究

软岩隧道围岩变形速率快、持续时间长,变形量大,使得二衬最佳支护时间的确定成为传统新奥法在软岩隧道应用的难点。基于充分利用围岩自承能力的新奥法理念,对现场多个Ⅳ级围岩断面初期支护变形监测数据进行统计分析,得出二次衬砌的最佳支护时间段为初期支护后22 d~26 d。采用拟合回归分析,得出油坊坪隧道的合理二衬支护时间为初期支护施作以后第24 d。借助FLAC3D内嵌蠕变模型对二衬支护时间进行验证,分析不同支护时机下支护结构的受力特征。结果表明:在蠕变计算计算第25 d以后混凝土喷层和锚杆已发生破坏或者错位,在初支以后第24 d进行二衬支护,二衬拱顶所分担的荷载为马上进行二衬支护的17.5%,周边为8.2%,下降明显,则监测数据分析所得二衬支护时机是合理的,适当提前施作二衬支护是有利的。     

剪切历史对含蜡原油流变性的影响

利用DV3T流变仪通过控制剪切速率和小振幅振荡剪切的试验方法,分别研究了不同剪切历史对含蜡原油流变性的影响。结果表明:原油的表观黏度不仅受降温方式的影响,还与测量过程中选取的剪切速率有关;即使原油降温过程中所经受的剪切速率很小,其恒温静止达到平衡时的储能模量与静态降温的原油相比也有很大的差距;但随着剪切速率的增加,这种差距并不会有明显的变化;降温过程中剪切时间越长,原油的表观黏度越大;但恒温静止阶段的最终胶凝结构却越弱;此外原油在降温过程中存在着一个使其流变性恶化的最差高速剪切温度。     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

金属纳米粒子对非晶硅太阳能电池性能影响的理论模拟

使用时域有限差分(FDTD)方法,在标准太阳光下模拟非晶硅太阳能电池表面上有序排列的Ag或Au纳米颗粒对电池的光吸收增强效应.结果表明:通过改变金属颗粒的直径和粒子周期性间距等不同条件,光吸收的增强效应有规律地变化.结合AMPS-1D模拟软件对非晶硅电池的电学性能进行计算,在标准太阳光下,使用直径为200 nm、周期性间距为600 nm的Ag纳米粒子可以使非晶硅电池效率的提高幅度达到23.4％.     

基于时间区间内航线机型优化分配的机队规划方法

传统机队规划方法所形成的机队构成无法适应市场需求的波动,按照旅客需求的波动规律将航线上的时段进行分割形成时间区间,以时间区间内航线机型运行频次为决策变量,不同航线上机型的适航性限制、飞行机组的可用飞行时间、选定机型飞机的最少投放数等因素为约束条件,构造以航线机型分配的运营利润最大化为目标函数的时间区间内航线机型优化匹配模型,并结合Lagrange松弛算法求解机队规划问题.通过分析某航空公司19条航线、299个航班、6种候选机型的问题发现,该方法能够反映出航线上的机型分布特点,且形成的机队构成更能适应公司生产运营环境的变化,因此方法可行.     

基于OPNET的IEEE 802．15．4协议实时性能优化与分析

针对 IEEE 802．15．4协议存在的退避指数范围较窄、缺乏优先级区分服务和时隙分配算法粗糙的不足,融合了基于碰撞感知的二进制退避算法和优先级区分服务,提出一种基于时间敏感的时隙分配算法,用以降低时延、提高系统的自适应性和提高时隙带宽利用率．最终以汽车传感网为应用对象,在 OPNET中验证了所提出的融合改进型协议较原有协议在实时性能等方面的优越性．     

大直径越江公路盾构隧道振动特性测试分析

盾构隧道内车辆通行对隧道产生动力作用,可能导致隧道周围软土层产生较大沉降。基于无线传感网络平台,对大直径越江公路隧道内衬砌与路面板在车辆荷载激励下的振动特性进行现场实测,获得时域与频谱信号,分析得到管片与箱涵底板的最大垂向加速度幅值与振动优势频率,发现箱涵底板与隧道管片垂向振动同步的规律。测试结果可为隧道周围地层沉降变形分析参数取值提供参考。     

笼养怒江金丝猴Rhinopithecus strykeri时间分配及成效

有关怒江金丝猴的研究尚属于空白。2013年9月怒江州高黎贡山国家级自然保护区姚家坪管理站,收容并笼养了1只2岁左右的雌性怒江金丝猴。统计分析2013年9月至2014年9月间,该怒江金丝猴日行为活动时间分配、食物投放情况和笼养效果等结果。投喂食物主要为保护区内的野生植物,通过观察和记录,目前掌握了该猴子取食的23种物种以及取食部位。日行为时间分配为：61%休息,15%取食,15%移动,7%理毛,2%玩耍。不同时段行为类型分析显示：该金丝猴早取食高峰明显,同时也存在移动和休息高峰。存在地面活动行为,占日活动时间的5.8%,地面活动的主要行为类型为取食。     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.