分析了城市轨道交通车站物业开发配电设计现状,明确了设计的关键是物业业态(模式)及其对应的负荷计算。一般车站物业开发配电预留电源可采用独立配置的物业跟随式降压变电所,也可采用0.4 k V低压侧共享方式。通过研究在低压侧共享电源...分析了城市轨道交通车站物业开发配电设计现状,明确了设计的关键是物业业态(模式)及其对应的负荷计算。一般车站物业开发配电预留电源可采用独立配置的物业跟随式降压变电所,也可采用0.4 k V低压侧共享方式。通过研究在低压侧共享电源时物业开发容量对变压器容量的影响,阐明了不同业态对应的计算方法和面积划分原则,并分析了地铁车站物业开发配电设计需要注意的问题。展开更多
随着铁路行业加速向数字化、智能化、信息化转型,传统路基建、运、维监测中的数据管理方法和可视化水平已无法满足未来发展的需求。为解决这一困境,提出1套基于3层浏览器/服务器(Browser/Server,B/S)架构的高铁路基监测展示平台总体构...随着铁路行业加速向数字化、智能化、信息化转型,传统路基建、运、维监测中的数据管理方法和可视化水平已无法满足未来发展的需求。为解决这一困境,提出1套基于3层浏览器/服务器(Browser/Server,B/S)架构的高铁路基监测展示平台总体构建方案,以实现监测数据和工程数据的高效集成;使用Revit软件建立传感器实体模型,基于工业基础类(Industry Foundation Classes,IFC)标准实现传感器属性信息扩展,以Java语言为中介实现IFC文件与MySQL数据库表的精准映射,并通过设置约束关联其他工程信息;利用建筑信息模型(Building Information Modeling,BIM)软件创建集成传感器的高铁路基模型,通过轻量化处理并利用Three.js引擎实现该模型在网页端的可视化展示;通过进一步关联传感器模型和数据库中的监测信息,实现监测数据的实时展示和超限示警定位功能。结果表明:该展示平台的建立可帮助相关人员快速掌握监测项目资料,动态精准评估建、运、维过程中路基的状态,从而达到促进各方交流协作和辅助决策实施的目的。展开更多
深基坑挡土墙是工程实践中常用的支护结构,对限制深基坑变形和预防工程事故起着重要的作用。深基坑工程往往会布置多个不同深度的测点,然而现有研究大多只预测了单个测点的未来侧移,浪费了其余测点的监测数据。以杭州市某深基坑工程为背...深基坑挡土墙是工程实践中常用的支护结构,对限制深基坑变形和预防工程事故起着重要的作用。深基坑工程往往会布置多个不同深度的测点,然而现有研究大多只预测了单个测点的未来侧移,浪费了其余测点的监测数据。以杭州市某深基坑工程为背景,建立基于贝叶斯优化的多输出长短期记忆(Long short term memory,LSTM)神经网络模型,在保证模型最优性能的情况下,采用历史监测数据输入对深基坑的多个测点进行预测,并单独提取墙体每日最大侧移预测值进行分析。研究结果表明:结合贝叶斯优化的多输出LSTM神经网络模型在深基坑墙体多测点侧移预测方面展现出理想的预测效果,模型R^(2)达到了0.94,每日最大侧移预测值的模型R^(2)为0.91,略低于整体预测。展开更多
文摘分析了城市轨道交通车站物业开发配电设计现状,明确了设计的关键是物业业态(模式)及其对应的负荷计算。一般车站物业开发配电预留电源可采用独立配置的物业跟随式降压变电所,也可采用0.4 k V低压侧共享方式。通过研究在低压侧共享电源时物业开发容量对变压器容量的影响,阐明了不同业态对应的计算方法和面积划分原则,并分析了地铁车站物业开发配电设计需要注意的问题。
文摘随着铁路行业加速向数字化、智能化、信息化转型,传统路基建、运、维监测中的数据管理方法和可视化水平已无法满足未来发展的需求。为解决这一困境,提出1套基于3层浏览器/服务器(Browser/Server,B/S)架构的高铁路基监测展示平台总体构建方案,以实现监测数据和工程数据的高效集成;使用Revit软件建立传感器实体模型,基于工业基础类(Industry Foundation Classes,IFC)标准实现传感器属性信息扩展,以Java语言为中介实现IFC文件与MySQL数据库表的精准映射,并通过设置约束关联其他工程信息;利用建筑信息模型(Building Information Modeling,BIM)软件创建集成传感器的高铁路基模型,通过轻量化处理并利用Three.js引擎实现该模型在网页端的可视化展示;通过进一步关联传感器模型和数据库中的监测信息,实现监测数据的实时展示和超限示警定位功能。结果表明:该展示平台的建立可帮助相关人员快速掌握监测项目资料,动态精准评估建、运、维过程中路基的状态,从而达到促进各方交流协作和辅助决策实施的目的。
文摘深基坑挡土墙是工程实践中常用的支护结构,对限制深基坑变形和预防工程事故起着重要的作用。深基坑工程往往会布置多个不同深度的测点,然而现有研究大多只预测了单个测点的未来侧移,浪费了其余测点的监测数据。以杭州市某深基坑工程为背景,建立基于贝叶斯优化的多输出长短期记忆(Long short term memory,LSTM)神经网络模型,在保证模型最优性能的情况下,采用历史监测数据输入对深基坑的多个测点进行预测,并单独提取墙体每日最大侧移预测值进行分析。研究结果表明:结合贝叶斯优化的多输出LSTM神经网络模型在深基坑墙体多测点侧移预测方面展现出理想的预测效果,模型R^(2)达到了0.94,每日最大侧移预测值的模型R^(2)为0.91,略低于整体预测。
