基于参数修正灰色模型的时延估计

针对网络时延的估计问题,提出了基于参数修正灰色模型的时延预测方法.首先,建立传统灰色时延预测模型,将网络时延看成是一个非平稳的随机时间序列;通过传统灰色预测方法对参数α和u进行计算,并依据修正方法在线调整两个模型参数,进而通过修正处理的参数重新建立灰色预测模型,来提高时延的预测精度.仿真结果表明了该算法具有很好的预测精度和实时性.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于组合方法的轨道不平顺预测

准确把握轨道不平顺的变化规律,对于科学制定铁路养护及大修计划具有重要意义。对此,提出了一种基于灰色模型与神经网络的轨道不平顺组合预测算法,先用传统灰色预测模型对轨道不平顺数据进行初步预测,然后用BP神经网络对初步预测值进行修正。结果表明,该预测算法与实际轨道不平顺的平均误差可控制在5%以内,预测精度高于单一算法,可应用于铁路养护工作中广泛存在的轨道不平顺趋势分析问题。     

基于改进灰色马尔科夫模型的地铁客流预测

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测;然后对原始数据序列滑动平均处理,再用无偏GM(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。     

基于改进灰色Markov模型的建筑物沉降量预测

为了对地铁车站深基坑施工过程引起的周边建筑物沉降进行预警,利用改进的灰色Markov模型,预测地铁车站施工过程中周边建筑物的沉降量。首先,基于实测数据,采用改进的灰色模型对建筑物沉降趋势进行预测;其次,将实测数据与预测数据的相对误差作为Markov误差修正的初始数据序列,进行状态区间划分并结合Markov转移概率矩阵和误差修正公式对预测数据进行修正,确定最终预测值;最后,基于小误差概率、后验差比值和相对误差分析,对改进后的灰色Markov模型与改进的灰色模型的预测精度进行对比分析与评价。研究结果表明：与改进的灰色模型相比,改进的灰色Markov模型预测的相对误差从4.2%降到2.1%。     

基于少数据云推理的短时交通流预测模型

针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,提出少数据逆向云算法,建立交通流序列一维云推理机制;最后综合利用历史云及当前云生成预测云,用于短时交通流实时预测.实例分析表明,预测精度良好,能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题,降低了数据处理工作量,开拓了云模型在短时交通流中的应用.     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

道路交通事故的灰色马尔科夫预测模型与算法

将灰色模型与马尔科夫链结合,建立了针对道路交通事故预测的灰色马尔科夫模型.既可以发挥灰色系统预测精确的特点,又可以利用马尔科夫链对准确预测波动性数据的优势.在灰色马尔科夫链模型的算法基础上,进行灰色马尔科夫链预测系统的设计.用我国道路交通事故次数的数据进行预测验证.结果表明.灰色马尔科夫链模型能很大的提高预测的精度和效果,符合实际要求.     

�����ƽ˳ʱ�����й����ȼ���仯�����о�

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM（1,1）模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.     

基于Holt-Winters模型的铁路月度货运量预测研究

铁路货运量预测是铁路运输市场分析的重要内容,对铁路货运业务的开展有着重要指导意义。铁路月度货运量数据序列是既有趋势性增长又有季节性波动特征的时间序列,Holt-Winters模型适用这类时间序列的预测。本文构建Holt-Winters乘法模型来进行铁路月度货运量预测,并以某铁路局化肥月度货运量为原始数据来做实证分析,最后与灰色模型、分组回归等传统预测模型的结果进行比较,结果显示Holt-Winters模型的预测精度最高。     

潜艇螺旋桨直接辐射噪声的数值计算

采用计算流体力学与声学边界元方法相结合求解了潜艇尾部大侧斜螺旋桨的直接辐射噪声.与一般螺旋桨噪声计算不同的是,螺旋桨非定常计算时引入了潜艇尾部桨盘面的速度分布作为非均匀来流,能够提供更加真实的螺旋桨脉动压力源场.提取桨叶表面的声偶极源项后,采用边界元方法,求解FW-H方程,得到了螺旋桨空间测点的声压谱和总声级.桨盘面速度分布由全附体潜艇粘性流场数值计算得到,其可信性由艇体表面的压力系数与试验值的比较给予了验证.螺旋桨数值模型的可信性由敞水特性预报值与试验值的比较进行了验证.     

An improved scalar Costa scheme based on Watson perceptual model

An improved scalar Costa scheme （SCS） was proposed by using improved Watson perceptual model to adaptively decide quantization step size and scaling factor. The improved scheme equals to embed hiding data based on an actual image. In order to withstand amplitude scaling attack, the Watson perceptual model was redefined, and the improved scheme using the new definition can insure quantization step size in decoder that is proportional to amplitude scaling attack factor. The performance of the improved scheme outperforms that of SCS with fixed quantization step size. The improved scheme combines information theory and visual model.     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于改进遗传算法的单元机组非线性模型参数辨识

针对火电厂单元机组的特点及遗传算法工具箱在辨识多变量、非线性系统参数中存在的早熟、收敛速度慢等问题,对遗传算法工具箱进行了改进,以单元机组非线性动态模型为研究对象,提出了基于改进遗传算法工具箱的参数辨识方法．根据托电600MW机组的阶跃扰动试验数据,辨识得到了单元机组非线性动态模型的参数．结果表明改进遗传算法工具箱对单元机组非线性模型参数辨识具有良好的适应性,辨识得到的模型是有效可靠的．     

����OLAM�ĸ��ٹ�·��ͨ����άԤ���о�

OLAM是联机分析处理与数据挖掘的有机结合,本文以高速公路收费数据为基础,提出一种基于OLAM实现高速公路交通量多维预测的方法.该方法构建了多维数据雪花模型,建立起收费数据的数据仓库并得到交通量多维统计结果;在构建季节ARIMA预测模型过程中,检测出因节假日、恶劣天气导致的交通量异常值并对模型进行修正;最后利用修正后的模型实现了交通量的预测.与一般季节ARIMA模型相比,修正后模型的白噪声方差和AIC值显著降低,数据拟合程度明显提高.实验结果表明,该方法具有较高的预测精度,其中MAE和MAPE分别为50.43和1.59%,能够满足高速公路管理部门利用收费数据分析、预测交通量时空变化趋势的要求,从而为制定各项政策提供理论依据和决策参考.     

An improved dynamic hysteretic model for soils

A dynamic hysteretic constitutive model for soil dynamics, Ramberg-Osgood model, is introduced and improved in the paper. Since the model is inherently 1D and is assumed to apply to shear components only, other components of the deviatorie stress and strain and their relations in 3D case could not be fully described. Two parameters, the equivalent shear stress and the equivalent shear strain, are defined to reasonably establish relations between each of stress and strain components respectively. The constitutive equations of the initial Ramberg-Osgood model are extended to generalize the theory into multidimensional cases. Difficulties of the definition of load reversal in 3D are also addressed and solved. The improved constitutive model for soil dynamics is verified by comparisons with different soil dynamic testing data covering both sands and clays. Results show that the dynamic nonlinear hysteretie behaviors of soils can be well predicted with the improved constitutive model.     

基于路侧毫米波雷达的车辆碰撞概率计算方法

为定量化得出高速公路同一车道中前后相邻车辆的碰撞概率,从制动减速度的角度出发, 提出一种新的前后相邻车辆碰撞概率计算方法。分别考虑前后车发生碰撞的3种不同情况,推导出如果发生碰撞前车需要的最小制动减速度。基于路侧毫米波雷达获取海量车辆运行状态真实数据,包括轨迹、速度以及制动减速度的变化规律,采用广义帕累托分布(Generalized Pareto Distribution,GPD)建立制动减速度分布模型,进一步基于GPD模型计算出在不同场景下如果发 生碰撞所需最小制动减速度的发生概率,将该概率值确定为碰撞概率。研究结果表明,在本研究路段,约99.10%的加速度在[-1, 1] m·s-2 的区间范围内波动,车辆制动减速度的分布具有“长尾” 特征,较大的制动减速度占比非常小。内侧1车道、2车道加速分布比3车道的分布更为集中,大型货车的加速度分布比小客车的加速度分布更集中。最后,基于真实的危险场景数据以及模拟的典型危险场景数据进行验证,将该方法的计算结果与传统方法的计算结果相比较,表明该方法的计算结果连续,且可迅速、准确地识别各类危险场景。     

引入旅游偏好的城际客运出行分布预测模型

针对目前城际客运出行分布预测过程中对城际旅游关联性考虑不足的问题，借助手机信 令数据，对长三角26个城市5A和4A级景点的城际游客客源地分布进行分析发现，在同一个城市 中，无论是从单个头部景点层面还是全部5A和4A级景点总体层面上来看，城际游客客源地分布 规律均较为相近，且在非节日的不同日期，这种分布也非常稳定。基于这种特性，借助亲景度指 标提出一个可以表征两个城市间旅游关联性的旅游偏好变量，并将其引入基本重力模型中构建 城际客运出行分布预测模型。基于长三角26个城市出行分布现状数据对模型系数进行标定后的 结果表明，模型拟合程度显著提高，标准误差大幅下降，75%的OD对预测结果得到改善。因此， 可以认为引入旅游偏好变量有利于提高城际客运出行分布预测模型的精度。     

基于公交可达性的公交方式选择模型研究

交通方式选择是公交出行需求预测的关键内容之一。文章在公交方式选择效用函数中加入起点和终点交通小区的交通可达性（考虑公交站点到达时间、站台数量、线路条数、发车频率等）,对Logit模型进行改进,并用海口市居民出行调查数据对改进模型进行验证,结果表明改进模型划分结果更接近真实值。