基于深度残差长短记忆网络交通流量预测算法

针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆（LSTM）网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络来挖掘不同尺度的时间域特征;其次,构建基于注意力机制挤压激励（SE）模块的卷积残差网络嵌入到LSTM网络结构中,从而挖掘交通流量数据中的空间域特征;最后,将编码器中获得的隐状态下的信息输入到解码器中,实现高精度多步交通流量的预测。基于真实交通数据进行实验测试和分析,实验结果表明,相较于原始的基于图卷积的模型,所提模型在北京和纽约两个交通流量公开数据集上的均方根误差（RMSE）分别获得了1.622和0.08的下降。所提模型能够高效且精确地对交通流量作出预测。     

高心墙堆石坝蓄水变形和裂缝机理分析

我国高堆石坝建设正处于高潮期,其中高心墙堆石坝的坝高已达300 m级。结合实际监测资料的坝体变形分析对大坝变形机理的研究和工程设计具有重要的指导意义。结合某电站大坝的实际监测资料,分析初蓄水坝体各部位变形的变化趋势,并就此得出初蓄水对坝体变形的影响区域,分析了各部位变形的影响机理和坝体裂缝发生的机理及发生过程,并利用有限元方法进行了蓄水变形及裂缝的验证。     

西施坡隧道浅埋段CRD法与正台阶法比选分析

为了解决隧道浅埋段开挖方法优选问题,采用有限元方法建立了隧道有限元网格计算模型,分别对CRD法和正台阶法施工过程中塑性区分布、隧道位移、初期支护受力进行了计算与分析.计算分析结果表明:典型断面处CRD法开挖对地面造成影响的变形区较正台阶法大,CRD法产生的塑性区面积约为正台阶法的2倍;CRD法产生的拱顶沉降和水平收敛分别是正台阶法的74%和83%,满足公路隧道施工技术规范要求;CRD法在X方向产生的拉应力约为正台阶法的2.6倍.隧道浅埋段开挖宜采用正台阶法施工.     

抱罐车优化创新设计与应用

针对抱罐车在制造、使用过程中易出现的各种问题,提出相对应的优化设计方法,并予以应用。证明经过创新优化设计后的抱罐车相应性能有了显著提高,指出模块化、智能化、节能、环保、远程监控等将是抱罐车的发展趋势。     

接触角螺旋升角对滚柱丝杠副传递效率的影响

建立行星滚柱丝杠副的传递效率数学模型,对行星滚柱丝杠副的正传递效率进行研究,并对传动效率影响较大的接触角和螺旋升角进行定量定性的分析,得出了螺旋升角最优值为5°,接触角45°为最佳值,为行星滚柱丝杠副的结构参数优化及产品系列化设计提供参考。     

软土地区盾构施工沉降界限

结合杭州地铁二号线实测沉降,采用“vi速度法”及“拟合直线法”分析不排水瞬时沉降与排水固结沉降的时间界限.分析发现,在地表无隆起的情况下,可以将地表变形分成3个阶段,其中瞬时沉降及固结沉降可以分别拟合为斜率不同的直线,前者斜率大于后者.在盾构脱开管片8.5～9 d后,地层进入排水固结阶段. 在同步注浆导致地表隆起的情况下,地层受到二次扰动,可以将地表变形分为5个阶段,在盾尾脱开管片10.5～12 d后,地层进入排水固结阶段．     

老年人住区交往实证分析——以黄山市“阳光绿水”小区为例

老龄化问题一直是社会关注的热点。基于老年人交往需求差异化的角度,选取典型案例进行调查和研究,归纳分析了老年人群体住区交往的特征,整理出老年人对交往空间的行为偏好。研究成果对完善住区建设、提高住区品质,具有重要的理论和实践指导意义。     

基于OC-SVM的Hadoop DDoS攻击检测

DDoS以其攻击方法简单、破坏性强且难以追查等特点一直是互联网的主要威胁,而Hadoop作为云计算的主流平台,同样面临DDoS攻击的严重威胁。对此提出了一种基于One class SVM分类算法的Hadoop DDoS攻击分布式检测体系。该体系采用主动学习和疑似攻击核实机制,实时更新训练集,可以有效降低误报率和漏报率。实验结果表明,该体系有较好的分类准确性、较低的漏报率和误判率。     

基于自适应高增益观测器的永磁同步电机预测电流控制方法

针对永磁同步电机(permanentmagnetsynchronous motor,PMSM)预测控制系统的模型失配、时变矩阵及观测器增益选择问题,提出基于自适应高增益观测器的预测电流控制方法(predictive current control based on an adaptive high-gain observer,AHGOPCC)。通过构建PMSM的前馈型扩张数学模型,集成考虑电机电阻、电感、磁链参数扰动项。提出基于前馈型扩张标称数学模型的高增益观测器,有效跟踪和估计电流与扰动状态及抑制转速变化引起的扰动。同时,设计自适应观测器增益矩阵满足全速工况的高增益条件,简化观测器的增益选择。在此基础上,构建离散化电流模型和成本函数,实现预测电流控制算法。实验结果证明了该方法的有效性,在多种工况下具备更优的快速性、鲁棒性及稳定性。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。