XiaoMi-AI文件搜索系统
World File Search System隧道
可持续发展报告 - 伦敦 - 泰晤士潮汐隧道
本可持续发展报告与前几年不同，当时该报告被称为可持续财务报告。今年，我们借此机会重新构建了可持续发展和遗产计划的报告方式，以及它们与我们 20 亿英镑可持续财务的方法和报告承诺之间的联系。本报告还包括我们去年单独报告的气候相关财务披露，以及包含 Tideway 最相关指标的数据部分。遗产是隧道建成后留下的东西。该项目的主要目的是减少污水溢流进入泰晤士河，实现水质改善这一核心效益。Tideway 和泰晤士水务公司与环境、食品和乡村事务部和环境署就项目开始时环境、食品和乡村事务部所述的经济、环境和社会效益的报告内容和方式达成了一致。这包括运营前和运营后的效益。
湖隧道太阳能村和社区可持续发展 纽约州日内瓦
致力于可持续发展和智能规划。Geneva 获得了纽约州环境保护部气候智能社区计划的铜牌认证，并完成了一项可持续发展计划，该计划由 NYSERDA 的清洁、绿色社区计划资助。（太阳能村还因其在 Geneva 的另一个地点的多户“太阳能舱”项目而获得了 NYSERDA 颁发的卓越建筑奖。）Geneva 还通过 DOS 当地滨水区振兴计划完成了滨水基础设施可行性研究，并制定了棕地机会区计划，以重新开发市中心的另一个区域。
隧道和地下作品的手册；第2卷
总站用于隧道施工和监测，以测量在安装初步/临时和最终衬里之前和之后构造期间和之后的隧道表面的移动。它们也可以与挤出测量以及测量隧道入口处的运动一起使用。总站的手动测量应根据地球测量的标准程序以及使用专用软件进行数据减少来执行专业技术。要进行测量，应将总站以规定的测量频率，在合适的三级或柱子上放置，以构建以实现设备的安全可重复的位置。参考点将是要固定在隧道墙或临时或最终衬里的棱镜或目标。棱镜和目标是在5或7的阵列中安装的：在隧道冠，侧面和倒置。应保护它们免受建筑活动以及灰尘和水的影响。总站提供了距离 - 通过光学编码器的红外射线和角度测量的距离 - 相对于地理参考站的棱镜/目标。典型的测量范围是：
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
机械化隧道施工引起的地面沉降的可靠性分析——案例研究 Hadi Fattahi * 和 Fateme Jiryaee
地表沉降是机械化隧道施工中的一个重要参数，应在开挖前确定。机械化隧道施工引起的地表沉降分析是一个具有各种不确定性的岩土工程问题。与确定性方法不同，可靠性分析可以考虑地表沉降评估的不确定性。在本文中，利用基于遗传算法 (GA) 的可靠性分析方法（二阶可靠性方法 (SORM)、蒙特卡洛模拟 (MCS) 和一阶可靠性方法 (FORM)）来建立地表沉降可靠性分析模型。具体而言，对于大型项目，极限状态函数 (LSF) 是非线性的，很难基于可靠性方法应用。为了解决这个问题，GMDH（数据处理组方法）神经网络可以估计 LSF，而无需对函数形式做出额外的假设。在本文中，GMDH 神经网络被改编以获得 LSF。在 GMDH 神经网络中，尾孔注浆压力、隧道底板地下水位、深度、平均渗透率、距竖井的距离、俯仰角、平均表面压力和尾孔注浆填充百分比被用作输入参数。同时，表面沉降是输出参数。使用来自曼谷地铁的现场数据来说明所提出的可靠性方法的能力。
在隧道衬里设计中使用雨伞拱方法，案例研究：
Urmia湖水转移和修复项目（Kani SIB）的通道隧道位于伊朗西部阿塞拜疆省南部。该隧道的一部分位于弱且非常松散的土壤上，尽管使用了步骤钻孔，但在某些地区，在某些地区无法稳定，并且可能导致天花板塌陷，面部塌陷甚至在支撑系统中变形。在这些情况下，有必要采用伞主的预支持方法。隧道稳定性分析是隧道设计和支撑系统的重要因素之一。的确，根据所需的稳定性和隧道的允许位移选择了支撑系统的类型。在本文中，首先是通过樱桃相关来计算隧道的允许位移。然后，使用有限差的数值方法（即FLAC3D软件）绘制地面反应曲线，并使用收敛限制方法（CCM）来确定支持系统的作用瞬间。最后，考虑了不同的安全因素，研究了拟议的支持系统的安全水平。这项研究的结果表明，樱花位移相关性比提出的其他图更可靠。根据视觉观察和仪器结果，准确验证了从数值建模中得出的结果。建议使用带有晶格和Shotcrete支撑系统的合适伞弓预支持系统。雨伞拱前支撑系统包含直径为90 m的90 m和2.5 m的重叠长度为90 mm的管道。
靶向KRAS突变肺癌：隧道末端的光
数十年来，KRAS突变肺腺癌（LUAD）一直对基于个性化医学的治疗策略难治性，这是因为设计抑制剂的复杂性可以选择性地靶向具有可接受毒性的KRAS和下游靶标。选择性KRAS G12C抑制剂的最新发展是自鉴定为人类基因以来40年的激烈研究工作后的地标。在这里，我们讨论了负责快速发展对这些抑制剂的耐药性的机制，以及克服这一限制的潜在策略。还审查了旨在通过靶向上游激活剂或下游效应子来抑制KRAS致癌信号传导的其他治疗策略。最后，我们讨论了靶向有丝分裂原激活的蛋白激酶（MAPK）途径的效果，这是基于MEK和ERK抑制剂在临床试验中的失败，以及由于其与MAPK无关的活性而导致的RAF1作为潜在靶标的近期鉴定。这些新的发展共同开放了新的途径，可以有效地治疗Kras突变体Luad。
基于灰狼优化的隧道工程围岩挤压分类改进概率神经网络算法
围岩挤压变形是隧道工程中常见且突出的病害，常在TBM掘进过程中诱发盾构卡洞灾害。本文基于139组历史挤压变形案例，建立了混合PCA-IWGO-PNN挤压分类模型。根据挤压变形的影响因素及特点，选取强度应力比、隧道埋深、隧道等效直径、岩体质量指数、支护刚度等建立挤压程度预测指标体系。由于概率神经网络（PNN）要求输入变量独立，因此采用主成分分析（PCA）对原始数据进行预处理，消除预测指标间的相关性并实现降维。扩展系数是PNN中关键的超参数，采用改进的灰狼优化（IGWO）算法实现其高效的自动寻优。然后，将PNN模型应用于工程实际，20个试验样本中仅有1个误判，预测精度达到95%。最后，与人工神经网络（ANN）模型、支持向量机（SVM）模型、随机森林（RF）模型进行对比分析，其中PNN模型的预测精度最高，其次是人工神经网络（85%）、RF（85%）、SVM（80%）。此外，PNN模型的运行速度最快，仅耗时5.6350 s，而ANN、SVM、RF的运行时间分别为8.8340、6.2290、6.9260 s。本研究提出的混合PCA-IWGO-PNN模型为围岩挤压分类提供了一种有效的方法，在预测精度和运行速度方面均具有优势。
耦合CFD – DEM模拟的见解。隧道 PMMA牺牲层的可靠剥离超级... MRNA与腺病毒矢量诱导的抗体反应和腺病毒的抗体反应对免疫缺陷患者的covid-19疫苗 访问癌症的有针对性疗法：自我和集体倡导与主流>一起 较低的前静脉EEG alpha功率放大视觉意识，而不是视觉敏感性
a 3 1 0 20000 b 3 1 100000 20000 C 3 1 300000 20000 D 4 0.75 0 47407 E 4 0.75 100000 47407 F 4 0.75 300000 47407 G 5 0.6 0 92592 H 5 0.6 0 92592 H 5 0.6 100000 92592 I 5 0.6 100000 92592 160000 m 7 0.428 0 255093 N 7 0.428 100000 255093 O 7 0.428 300000 255093