简介:摘要:耕地是粮食生产和安全的重要前提与保障,中国的耕地资源变化问题一直备受关注。全国性的土地调查是精准掌握耕地资源面积和分布的有效方式。然而由于不同阶段的技术手段、统计标准存在差异,导致了中国三次土地调查的耕地面积数据存在明显的断裂,阻碍了对长时间序列耕地资源时空分布的深入研究。本研究以中国第三次土地调查数据为基准,采用ARIMA模型对1996-2019年耕地面积数据进行重建和挖掘,增强了耕地数据的连续性、科学性和完整性。研究成果有利于全面掌握耕地利用现状,为合理利用土地资源、政策制定与趋势预测提供科学依据。
简介:摘要桥梁周期性检测1是掌握结构使用状况,明确其服役性能的重要手段,是我国公路桥梁养护及加固的决定性依据。随着近年来发生的多起桥梁垮塌事件,桥梁检测的重要性越来越受到业内重视2,多数服役使用十年以上的桥梁都开展了无损检测乃至静动载试验3,这些为桥梁技术状态等级的定量评价提供了支持。目前的研究和工程实践主要是基于这些检测数据评定桥梁的现有技术状况,例如夏占武通过无损检测方法评估了某双曲拱桥,得出该桥技术状态等级较差;康文生采用静载试验方法分析了某预应力混凝土箱型连续梁桥的结构性能,鉴定该桥技术状态满足规范要求;惠云玲通过动载试验方式研究了某主桥桥型为独塔单索面混凝土斜拉桥的动力特性,评定该桥动力性能良好。实际上,依据桥梁检测数据建立的有限元模型与结构当前情况下真实的技术状态存在差异,例如宗周红通过检测数据更新了桥梁有限元模型4。因此,更新后的有限元模型,对于桥梁后期的管养策略将更具帮助意义。本文将建立基于检测数据的在役混凝土桥梁承载能力评估方法,该方法结合桥梁检测数据更新结构有限元计算模型,评估桥梁的安全状况,并基于评估结果给出桥梁后期养护与管理的对策。
简介:摘要:区别于传统的基于单车历史数据的时间序列预测模型,本文创新性的引入了高德地图POI数据,将共享单车运营数据与POI数据通过真实地理坐标关联起来,并使用了机器学习方法,搭建并训练了多层神经网络模型来对POI数据与单车数据进行学习,挖掘二者之间的潜在关系,用于进行区域单车出发量和到达量的预测。使用了相关系数R2和均分误差MSE来对模型预测结果进行评价,模型在测试集上R2可达0.8,而在训练集上可达0.95,充分证明模型有效性。
简介:摘 要:为更精确高效地实现沥青混合料劈裂强度值的有效预测,本研究综合考虑沥青混合料劈裂强度的影响因素,以集料的碱性指标,油石比指标,孔隙率指标以及饱和度指标四项关键指标为基础,以机器学习框架下的卷积神经网络算法为数值手段,建立了大数据驱动模式下的沥青混合料劈裂强度的预测模型,并利用该模型对不同控制指标条件下的沥青混合料劈裂强度进行了有效预测。利用所建立的预测模型对不同指标组合条件下的沥青混合料劈裂强度指标进行预测,其预测结果和实际测试结果十分接近,相对误差均低于0.05,表明所提出模型不仅具有较高的精度特征,且可有效地识别并耦合各输出变量之间的交互作用。该预测模型可为沥青混合料配比设计以及其力学性能的优化提供一定的理论和技术手段支撑。
简介:摘要:随着信息技术的快速发展,大数据、人工智能等技术逐渐渗透到各个行业中。大模型作为人工智能领域的关键技术之一,对于数据的处理和分析具有极高的价值。而数据治理则是确保数据质量、安全性和合规性的重要手段。本文旨在探讨大模型与数据治理的关键技术,并分析二者之间的相互作用和影响。