徐州市郊大气气溶胶光学特性时序动态变化分析

为获取徐州市郊大气气溶胶污染特征规律,利用地基遥感手段对2013年7月~2014年5月间徐州市郊气溶胶特性参数进行分析,结果揭示:(1)受冬季燃煤供暖和夏季秸秆焚烧等因素影响,气溶胶光学厚度季节特征显著,且月际、日内波动性显著;(2)气溶胶粒子多含水分,干粒子极少,主要为混合型和人为污染型;(3)5月气溶胶以粗粒子为主控粒子,其余月份均以细粒子为主,且气溶胶粒子类型多样,成分复杂;(4)春季粗模态的气溶胶粒子多于细模态粒子,夏季则相反,秋冬季节粗细模态粒子分布相当;另外,观测期间内徐州市郊基本未受到沙尘天气的干扰,积聚模态下的细粒子对徐州市郊气溶胶高污染的贡献更大.

基于神经网络的短期交通流预测模型

介绍了短期交通流预测的作用。以美国某交叉路口的实测交通流数据为例,介绍了原始数据的预处理过程。简要介绍了神经网络BP模型。构建了一种新颖的短期交通流预测的神经网络BP模型,其模型结构为4×P×1。为充分利用统计数据,提高交通流预测结果的精度,用于BP预测模型的"输入值"和"输出值"均为"交通流差值"。在此模型基础上,提出了"动态滚动预测"方法。论文详细介绍了该方法的具体模型结构、预测思路和计算步骤,并对该方法预测结果进行了分析。

地铁轨道结构沉降预测的神经网络模型

地铁轨道结构的变形是影响地铁运营安全的重要因素之一,对其变形预测模型展开研究具有重要意义。本文以南京地铁2号线某区段的地铁轨道结构沉降监测实测数据为基础,研究分析了几种不同的沉降预测模型,并对预测效果进行了对比分析。论文首先介绍了时间序列模型之一,自回归模型AR(p);其次,介绍了神经网络BP模型,且确定地铁轨道结构沉降预测的BP模型结构为4×P×1。经工程实例分析,与时间序列模型相比,神经网络BP模型的预测精度能提高约50%,但该模型的缺点是模拟结果不稳定。最后,作者提出了时间序列与BP算法的融合模型,并详细介绍了该模型的具体结构和计算步骤。工程实例结果表明,融合模型的预测精度更高,与时间序列模型相比,精度能提高约60%,且融合模型的稳定性比常规BP模型要好。

近岸海洋水深测量中几个问题的探讨

从海洋测绘的实际生产出发,阐述了测线布设、无验潮模式测深、与潮位改正精度评定三种提高测量精度与效率的方法和技术,为今后的海洋测绘技术设计以及数据处理提供方法和技术参考。