��·������Ԥ��ĸĽ�BP�����緽��

铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络模型能对非线性系统进行很好的拟合，但模型的预测能力不强。通过单位根检验，可知铁路货运量及其影响因素的时序列数据是非平稳的。本文通过分析BP神经网络的传递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对2006—2O1O年的铁路货运量进行了预测。     

BP神经网络在防城港货物吞吐量预测中的应用

使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,详细介绍了BP神经网络建模原理和预测实施方法,对预测结果进行了分析。提出了使用基于时间序列的BP神经网络模型时的注意事项。     

基于时间序列法的公交车站间行程时间预测模型研究——以苏州1路公交为例

准确预测公交站间行程时间是先进的出行者信息系统(ATIS)的核心,是公交运营和管理的关键问题之一。本文采用改进的时间序列法进行公交车辆站间行程时间预测,利用游程检验法检验时间序列平稳性,并借鉴EMD算法把非平稳时序分解为若干个平稳时序的线形组合,然后对每个平稳时序用指数平滑模型预测。最后,依托苏州1路公交运行数据对该预测模型进行验证,结果表明,该预测模型不仅能够准确的预测公交站间行程时间,还能增强时间序列法对于突发事件的反应能力,大幅提高预测精度。     

基于组合模型的浙江省GDP预测研究

区域 GDP 的发展趋势是高速公路规划和建设的重要参考依据。 本文基于浙江省 197 8.至 201 9.年的 GDP 数据, 分析数据特性, 构建预测模型, 掌握发展规律。 首先, 将 GDP 数据转化为时间序列, 建立 ARIMA (2, 2, 0) 模型 ; 其次, 将 GDP 数据以滑动窗口的方式生成输入矩阵, 建立 BP 神经网络模型 ; 最后, 利用 ARIMA 分析 GDP 时序的线性部分, 利用 BP 神经网络分析 GDP 时序的非线性部分, 建立组合模型。 通过计算相对误差比较模型的预测效果, 三个模型的平均相对误差分别是 6.和 6.结果表明, 组合模型的平均相对误差最小, 预测效果最好     

基于奇异谱分析的GRNN模型在金融时间序列中的应用

奇异谱分析(SSA)作为一类无参数、独立于模型的时间序列分析技术,适用于具有非线性、非平稳性、含噪声的金融时间序列数据的分析与研究.目前,基于SSA的预测通常采用线性递归、BP神经网络等模型,但其预测精度、训练速度并不理想.为此,该文提出基于SSA的广义回归神经网络(GRNN)预测模型,它以SSA所获取的主成份重构序列...     

基于大数据分析的多维公路货运价格预测问题研究

公路货运价格由于受油价和货运周转量的动态变化影响,无法实现精确预测,一直困扰着运输行业.采用时间序列预测与BP神经网络相结合的方法进行预测研究:首先,将订单中的经纬度信息利用高德地图API接口转变成具体地址,从地理信息编码提取省、市信息,对货运订单进行跨区域分类;然后,运用指数平滑法和A RIM A模型分别对油价及货运周转量动态特征进行预测;再对运输距离、油价和货运周转量数据进行标准化操作,用处理后的数据对BP神经网络进行训练,得到训练完成的神经网络;最后,使用测试样本对模型进行测试,将加入时间序列预测的B P神经网络模型与不加入时间序列预测的模型相比较,发现前者的预测误差减少37.2％.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

BP神经网络在新疆货运量预测中的应用

在分析货运量影响因素的基础上,利用BP神经网络建立新疆货运量时间序列预测网络结构模型.利用1995～2006年新疆货运量历史数据,对模型进行训练和拟合,再选用2007 ～2008年的历史数据作为网络模型检验样本,同时采用移动平均法、指数平滑法对新疆货运量进行预测,并对预测结果作对比分析.研究表明,采用BP神经网络预测新...     

循环神经网络模型下道路碳排放浓度预测

以湖南省永州市永州大道基本路段CO₂浓度时序数据为研究对象,旨在实现道路CO₂浓度的实时预测。测得用于模型训练和预测精度计算的路段CO₂浓度数据,利用Savitzky-Golay滤波器对数据进行平滑去噪,在调试并建立循环神经网络最优模型结构的基础上,引入多元预测模型(MLR、SVR、BP)和时序预测模型(BP、RF、RNN、LSTM、GRU)进行预测性能对比,为路段CO₂浓度的实时预测提供参照。结果表明：时序预测模型相比于多元预测模型具有更好的预测效果,特别是循环神经网络模型中的GRU表现出较高的预测精度,其次是LSTM,最后是RNN;循环神经网络模型在处理路段CO₂浓度时序数据的训练和预测任务中具备突出性能,能够实时且精准预测道路路段CO₂浓度。     

为部队训练研发浮动目标靶等新装具的回忆

在内陆地区借助专用装具模拟海上浮动目标进行射击训练,从而有效地提高现役部队官兵和预备役指战员的实战技能。浮动靶标的研发成功地实现了这一预想。     

水泥粉煤灰稳定碎石合理级配分析

提出了粉煤灰改善混合料结构的理念,通过替代细集料的方式对3种不同级配设计的水泥粉煤灰稳定碎石混合料试验,研究分析表明:级配1混合料形成了较大程度的嵌挤密实结构,最大干密度和无侧限抗压强度最大,而采用了骨架密实结构的级配2混合料形成了不密实的多孔结构,最大干密度和无侧限抗压强度最低,悬浮密实型的级配3混合料最大干密度和无侧限抗压强度略低于级配1。     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

沥青路面常见病害的防治和相应设备使用工艺

沥青混凝土路面是当前道路的主要形式,基于工程实践,对其常见病害的产生机理进行分析,从而提出处理这些病害的工艺及适用设备。     

浅议影响汽车综合性能检测结果的几个因素

简述了汽车综合性能检测中影响检测结果5个方面的因素,提出了公司为保证检测结果的公正性、科学性而采取的措施。     

监控量测技术在长逢沟隧道施工中的应用与数据分析

长逢沟隧道为一座左、右线分离的四车道高速公路长隧道,地质情况复杂,围岩软弱破碎,总体较差,Ⅲ级围岩仅占32.86%,Ⅳ、Ⅴ级围岩占67.14%,且穿越3个大断裂带,埋深较浅.根据新奥法施工原理及隧道施工实际情况,在施工过程中严格地、系统地采用监控量测技术指导施工,以现场监控的围岩观察、拱顶下沉、水平收敛、地表下沉等数据...     

高沁高速公路郑庄至里必段路线方案研究

结合山区地形,按照"以人为本"和"安全、环保、舒适、和谐"的新理念,对典型路段的路线方案进行优化设计、比选分析,最终选择最佳路线方案。     

含硫酸盐半刚性基层材料的无侧限抗压强度试验研究

具体介绍了掺加硫酸钠的几种半刚性基层材料的选择和试件成型的方法,以及室内无侧限抗压强度试验的方法和步骤,得出了在最佳含水量下的几种含硫酸盐的半刚性基层材料无侧限抗压强度的回归方程。从试验结果可以得出掺加硫酸钠能显著增强半刚性基层材料的无侧限抗压强度,且含盐量不宜过大;在硫酸盐渍土中,在一定温度条件下,石灰含量、粉煤灰含量、初始干密度、冻融循环次数、含盐量等会对无侧限抗压强度的大小产生影响。     

某岩质边坡失稳机理分析及处置措施研究

通过对现场失稳岩质边坡的调查,简述了边坡存在的隐患,对其进行了失稳机理分析,根据工程特点设定了治理目标及治理方案,并简要阐述了施工工程布置方案,对类似的工程有一定的指导作用。     

水泥稳定碎石配合比设计方法的研究

水泥稳定碎石在我国公路工程中有着广泛的应用,对比分析了两种不同的水泥稳定碎石配合比设计方法,以成型原理、试件最大干密度、试件强度为切入点,充分证明了室内采用振动压实法对提高半刚性基层的路用性能有明显的作用,最后结合试验路工程,总结了水泥稳定碎石振动压实法的施工工艺。