基于BIM和神经网络的大跨度钢屋盖监测数据解析

本研究以港珠澳大桥珠海公路口岸钢网架屋盖结构的温度、应变实测数据为实际工程背景,基于反向传播(BP)神经网络模拟温度和应变之间的非线性关系实现大跨度空间钢结构温度效应预测;并将温度荷载及风荷载作用下的结构监测应变分离,实现杆件荷载的主导工况自主判定;最后开发基于数据库与Matlab接口的神经网络程序,以插件的形式嵌入建筑信息模型(BIM)软件中,并将监测数据解析后的信息集成于BIM三维模型中,从而指导监测人员对结构进行检修。本研究构造的神经网络模型较好地拟合了大跨度空间钢结构温度与应变的非线性关系,基于BIM技术的二次开发,实现了温度效应的预测与风荷载识别,进一步开拓了监测数据解析的研究,对同类型的工程有一定的借鉴作用。     

基于SVM的快速路合流区车辆间隙选择模型

通过2种典型快速路合流区车辆行为观测,发现匝道车辆在选择间隙时存在多次超车行为,表明其汇入过程是一个多次决策的动态过程.根据合流过程中车辆速度的变化特性,判定车辆在选择间隙时的决策点并采集决策点处的微观交通流参数.在此基础上比较了2种不同渠化设计下入口匝道车辆汇入行为的差异.考虑到合流车辆不同行为判别所需的关键参数不同,使用2个支持向量机模型(SVM)进行分类,建立了合流区车辆多次决策的间隙选择模型.通过对采集的交通流参数进行训练,SVM模型的预测精度能够达到91%以上,实现预测车辆间隙选择的目的.最后与Logistic回归模型进行比较,结果证明所提出的模型能够获得较高精度.