基于多源地震干涉法隧道断层位置预测数值模拟

西部山区在建或即将修建的大量隧道都具有高地应力特征,如何提高高地应力隧道超前地质预报的准确性是当前工程界面临的一大关键难点,而地应力增加是岩体波速增加的主要因素之一。采用多源地震干涉法模拟了在断层波速一定的条件下围岩波速和断层倾角变化对隧道掌子面前方断层位置识别的影响。数值模拟结果表明:围岩波速和断层倾角的增加会导致预报的断层位置比实际位置更接近掌子面,计算结果间接表明了地应力对识别断层位置的影响。通过二元二次函数回归分析拟合出一个含地应力和断层倾角的修正公式,依据修改公式,对白马隧道高地应力洞段掌子面前方不良地质体进行了超前地质预报,隧道现场开挖结果与修正后的预报结果基本一致。     

振动压实黄土路基变形特性与预测模型

为揭示列车荷载作用下黄土路基变形规律及其影响因素。以西韩城际铁路沿线黄土为例,选择适当的试验参数,研究振次、路基深度和含水率对振动压实黄土路基弹性变形和累积塑性变形的影响和变形量,并提出累积塑性变形预测模型。结果表明：振次增加变形减小,在大于2000后趋于稳定;深度增加变形减小,深度从0.5m增加到3.5m,弹性应变、塑性应变分别减小了87%、94%;含水率增加会增大黄土路基变形7%以上;不同层位的黄土路基累计变形预测模型与实测值相关性超过90%。因此,黄土路基应注重防水排水措施,减少路基不均匀沉降,提升整体稳定性。     

不同角度裂纹缺陷对材料动态断裂行为的影响

采用新型数字激光动态焦散线试验系统,对含相互垂直和相互共线两种裂纹缺陷介质在冲击载荷作用下的动态断裂行为进行了研究。结果表明:在动态冲击载荷的作用下,边裂纹缺陷处应力集中程度远大于试件的内部裂纹缺陷处应力集中程度;当裂纹从垂直内部裂纹缺陷的端部再次起裂时,表现为Ⅰ/Ⅱ复合型断裂;起裂后,裂纹的断裂模式很快由Ⅰ/Ⅱ复合型向Ⅰ型转化;而对于内部共线裂纹缺陷而言,裂纹的起裂和扩展始终表现为Ⅰ型断裂形式。当内部裂纹缺陷垂直于边裂纹时,内部垂直裂纹缺陷对边裂纹扩展的裂纹尖端的应力强度因子和裂纹扩展速度均有抑制作用;且当裂纹再次从内部垂直裂纹缺陷处起裂后,裂纹的扩展速度和应力强度因子也较共线裂纹缺陷时的高;裂纹扩展速度与裂纹尖端的动态应力强度因子呈正相关性。     

青藏铁路路堤纵向裂纹形成与扩展的力学机理

在多年冻土区修建路堤,打破了原来天然地表与外界的热力平衡,引起地下温度场重新分布,使得路堤两侧的天然地表下多年冻土融沉,造成整个路堤应力场局部出现应力集中,导致路堤的两侧出现了大量的纵长宽大裂纹。这些裂纹在上覆荷载作用,尤其是列车动荷载或者地震作用下,有可能发生路堤的突然沉陷,严重危害行车安全。就路堤应力集中现象来讨论裂纹的形成和扩展力学机理,即裂纹扩展主要受拉应力作用,而裂纹的扩展角受剪应力的控制。     

一种基于流量预测的启发式路由表更新算法

针对目前的路由表更新机制无法有效地控制和降低因路由表更新而导致的网络丢包量的问题,提出一种基于流量预测的启发式路由表更新算法。利用流量预测模型对IP路由器中各路由表项所对应的网络流量进行预测,并在此基础上通过启发式算法动态调整路由表项的更新顺序和更新-分发批处理的量程大小,以实现在路由表更新过程中产生最少的网络丢包量。仿真实验结果表明该算法有效地减少因路由表更新引起的网络丢包量。     

改进的基于“当前”统计模型自适应滤波算法及其在航迹预测中的应用

基于"当前"统计模型的模糊自适应(FACS)滤波算法利用机动目标"当前"加速度调整加速度极限值,实现了对一般机动目标的有效预测;但是在预测强机动目标时却存在较大的预测误差。为了解决这一问题,引入强跟踪滤波器(STF),提出了一种新的自适应滤波算法STF-FACS。该算法根据滤波残差实时调整卡尔曼滤波增益,提高了对强机动目标的预测能力;同时保留了FACS算法对于一般机动目标的预测性能。最后,对强机动目标分直线机动和转弯机动,分别进行航迹预测仿真。仿真结果表明,对弱机动目标进行航迹预测时,两种算法的预测效果相当;对强机动目标进行航迹预测时,STF-FACS算法无论是在动态时延和预测精度方面都比FACS算法要好。     

结合分块Hough变换与Kalman预测的车道线检测方法

本文利用分块Hough变换与Kalman预测相结合的方法来处理车载摄像机采集的道路图像,在极大的降低算法复杂度的同时能够对弯道处的车道线进行有效的检测。这种采用分块变换与预测相结合的方法能有效的降低计算量,提高车道检测的实时性。实验表明,本文方法既可以得到稳定的检测结果又能提高检测的速度,同时继承了Hough变换的容错性和鲁棒性。     

厚叶木莲(Manglietia pachyphylla)基因组草图

厚叶木莲（Manglietia pachyphylla）为木兰科（Magnoliaceae）木莲属（Manglietia）的木本植物,零星分布于我国广东省和广西壮族自治区,为国家二级重点保护野生植物。了解濒危物种基因组信息及其遗传多样性有助于合理地保护和利用濒危物种,实现濒危物种的解濒和复壮。为此,本研究通过高通量测序方法对厚叶木莲基因组进行测序,并利用测序数据开展厚叶木莲基因组草图的组装;之后,基于组装的基因组预测其中的重复序列和基因,进行系统发育和基因家族分析。结果表明,组装的厚叶木莲基因组大小为2 092 298 891 bp,包含676个组装序列,N50（将组装的序列按照长度由大到小进行累加,当累加到某个序列时,累加的值为基因组50%的长度时,此序列的长度即为N50）为7 961 115 bp;利用BUSCO （Benchmarking Universal Single-Copy Orthologs）,针对“eudicots”和“embryophyta”这两个BUSCO单拷贝基因库,对基因组组装的完整性进行评估,组装的厚叶木莲基因组完整性分别为96.6%和98.8%。厚叶木莲基因组有76.5%的序列为重复序列,共有37 900个基因,这些基因编码了41 675个蛋白质序列。系统发育分析发现厚叶木莲与望春玉兰（Magnolia biondii）聚在一起,两者分化时间大致为10 500 000年前。厚叶木莲中与木质部/韧皮部、肌动蛋白丝、热、光合作用以及多种次生代谢相关的基因家族显著扩张,其中次生代谢相关基因在厚叶木莲基因组上呈串联和近端重复,这些基因的扩张和重复形成方式可能与厚叶木莲适应高海拔环境有关。本研究是国内外木兰科木莲属首个基因组报道,为更好地保护和开发厚叶木莲及木兰科其他物种的种质资源提供了遗传信息和参考。     

基于支持向量机的股市时间序列预测算法

针对股市时间序列预测的特点,提出了基于SVM的股市时间序列预测算法.设计了SVM的在线训练算法,并设计了遗传算法自动调整sVM的核参数,实现了基于sVM的股市时间序列预测算法在线调整的完全智能化.通过实证分析,以及同BP神经网络方法的比较,结果证明该算法具有预测精度高、参数调整智能化等优点.     

基于BP神经网络的开关磁阻电动机非线性建模

为提高开关磁阻电动机（SRM）调速系统性能，在测取准确磁特性样本数据基础上，利用神经网络所具有的非线性映射能力，基于Levenberg-Marquardt算法的BP神经网络建立了SRM的非线性模型。该模型训练收敛快，泛化能力强，且网络规模小，便于实时控制，经与样机实测数据比较，验证了该模型的准确性，将所建模型与准线性模型对比，显示出神经网络模型优越。