动力性差、尺寸大是货车影响道路交通流运行效率的重要原因,为提高货车运行效率,对快速路货车流量预测问题进行研究.基于货车GPS轨迹数据,构建长短时循环神经网络(Long Short Term Memory,LSTM),门控神经单元(Gated Recurrent Unit,GRU),双向长短时记忆网络(Bidirectional Long Short Term Memory,Bi-LSTM)和双向门控神经单元(Bidirectional Gated Recurrent Unit,Bi-GRU)四种货车交通流量需求预测循环神经网络模型.研究结果表明:货车交通流量需求预测循环神经网络模型对货车交通流量具有很好的预测能力,平均预测精度为91.55%,较ARIMA高出10.45%;GRU模型对整体货车流量序列预测精度最高;低峰时段平均预测精度高于高峰时段,LSTM在波动较强的高峰时段预测精度最高,为96.83%;Bi-GRU在低峰时段的预测精度最高,为97.66%.研究成果将为政策制定者选用合适的循环神经网络模型,精准预测货车流量,提高货车交通运行效率提供理论和技术支持.
为了研究不同火源条件下变压器火灾的动力学过程以及防火墙对火灾的控制作用,根据已有的变压器火灾实验资料,结合建筑信息模型(Building Information Modelling,BIM),采用计算流体动力学(Computational Fluid Dynamics,CFD)数值模拟方法验证和分析了双火源、总热释放速率为15MW条件下,火灾烟气蔓延、温度分布变化及防火墙的防火功能.结果表明:McCaffrey经验公式计算火灾烟气浮力羽流区温度的精度较高;有无纵向水平风及防火墙对着火变压器相邻的变压器均具有保护作用,但会使得着火变压器上方的电缆所处区域温度升高,需验证电缆的耐火性能.研究结果对深入掌握变压器火灾动力学发展规律及防火墙的优化设计有重要作用,对装配式变电站的安全运营具有参考价值.