千米级以上超大跨径桥上无缝线路梁轨相互作用分析及应用

千米级以上超大跨径桥梁已逐步应用于高速铁路建设,但桥上无缝线路更加复杂的梁轨相互作用给安全运营带来了新的挑战.温度作用下千米级以上超大跨径桥梁空间变形大,可能对其上无缝线路造成影响.常规分析模型无法充分体现温度对千米级以上超大跨径桥上无缝线路的影响.因此,以超大跨径公铁两用悬索桥为例,建立无缝线路-超大跨径桥梁空间耦合模型,不考虑风、车荷载的影响,分析温度作用下桥梁空间变形引起的梁轨相互作用变化规律.研究结果表明:由温度引起的钢轨纵向力除传统的基本温度力、伸缩附加力外,还包括温度作用下桥梁挠曲引起梁轨相对位移而产生的新附加力—"温度挠曲力".该力导致了梁轨相对位移及钢轨纵向力均发生了不同于普通桥上无缝线路的变化.在超大跨径桥上无缝线路中不存在传统意义上的"固定区",为此提出了有关"实际锁定轨温"测试与应用的新方法.可为千米级以上超大跨径桥上无缝线路的设计、建造及养护维修提供参考.     

利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

开展基于空气质量数值模式CMAQ (社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法, 对CMAQ的PM_2.5 (细颗粒物)原始预报结果进行误差订正, 以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型, 在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量, 对PM_2.5预报浓度进行校正, 最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果, 利用2018年的独立样本进行评估, 订正预报结果的准确性显著提升, 站点5天预报的决定系数R²为0.41~0.60, 比原始预报提高60%~160%, 均方根误差RMSE降低 40%左右; 交叉验证的站点预报R²同样提升50%~80%, RMSE下降30%左右。该订正方法的计算效率高, 可以部署于业务化预报平台, 进行可靠的运行。     

基于机器学习方法的臭氧和PM2.5污染潜势预报模型——以成都市为例

以成都市为例, 以多项可能影响污染物时空分布的变量为潜在预报因子, 筛选关键入模因子, 利用2016—2018年数据为训练集, 采用多元线性回归、BP神经网络和随机森林算法, 建立成都市夏季(4—8月)臭氧及冬季(11—2月) PM_2.5污染潜势模型, 并利用2019年数据对模型的中长期污染潜势浓度的预报性能进行评估。结果表明, 建立的多元线性回归、BP神经网络和随机森林模型对成都市臭氧及PM_2.5的短期(1~3天)污染潜势都具有良好的预报效果, 对7~15天的中长期潜势预报表现稳定。其中, 多元线性回归模型和随机森林模型分别对臭氧和PM_2.5表现出相对最佳的预报性能。