基于改进ARMA模型在地铁基坑变形预测的应用研究

在基坑施工过程中为保证地铁及其周边建筑物的安全,地铁基坑的变形预测变得越来越重要。ARMA模型作为一种时间序列分析模型,在地铁基坑监测序列中常常表现出较大的趋势项,降低了ARMA的预测精度。基于BP神经网络良好的拟合能力,提取基坑监测序列的趋势项,将剩余项建立ARMA模型,对基坑监测序列进行高精度的变形预测。改进ARMA模型提高了原有ARMA模型的预测精度,为地铁基坑的预测分析提供了较好的技术参考。     

FWD的沥青路面弯沉盆曲线拟合分析

基于FWD路表弯沉盆特征分析相应数学模型拟合条件,分析Sigmoid函数曲线与其相似型,并将该模型用于拟合不同路面状况的检测弯沉盆,分析拟合不同路面的精度变化,寻求了可以减少理论弯沉盆和实测弯沉盆差异的方法,得出函数Sigmoid曲线用于拟合路面弯沉盆的精度随着路面性能状况PCI的值变大而递增,曲线的形态随PCI差值变化增大而陡增的特点,这些规律将为今后路面健康管理评价提供借鉴.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于ARIMA模型的橡胶沥青路面状况衰变预测研究

为提高橡胶沥青路面使用性能,加强路面养护管理,分析橡胶沥青路面使用性能衰变预测指标与影响因素,建立ARIMA模型,对橡胶沥青路面的使用性能破损状况指数PCI进行预测。采用SPSS21.0软件,结合实体工程路面状况PCI监测数据,验证了ARIMA模型的可行性,并计算了沥青路面PCI的发展趋势。结果表明,利用ARIMA模型预测的橡胶沥青路面寿命比普通沥青混凝土路面延长了6年,ARIMA模型能够准确地预测沥青路面PCI衰变规律,对橡胶沥青路面采取养护措施的时间和养护决策提供了支持。     

灰色理论在高速公路沥青路面使用性能预测中的研究应用

利用GM(1,1)模型对于不同交通量不同面层结构的沥青路面结构的使用性能进行预测,采用PCI、RDI、RQI等指标建模预测并与国内应用较广的负指数模型进行对比。研究显示,灰色模型较好地适用于交通量大,公路路面病害较显著,路面结构损坏较快的情况。尤其在路面性能使用指标衰变快速的情况下,灰色动态模型对路面使用性能预测较负指数模型精度提升较高;在路面结构合理、路面使用性能指标衰变较缓慢时,灰色动态模型与负指数模型都能获得较良好的预测精度。     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理,建立评估路面状况指数PCI的模型.通过平整度和路面破损率数据的学习,预测了路面破埙指标PCI,并把神经网络模型和回归模型进行了比较,证明了神经网络模型在路面使用性能评估中有更好的应用前景.     

基于改进RBF神经网络对股价的演变预测

对RBF神经网络进行了分析,建立了RBF神经网络模型,并对此模型进行了改进,使其具有更好的预测性能.把一类非线性较强的时间序列(万科A股2009年6月份股票价格)利用该模型进行了非线性逼近.用Matlab软件对网络的学习与训练过程进行了数值仿真.实验结果表明:利用改进后的网络模型对非线性时间序列进行短期预测是可行的,其预测精度高于改进前的预测精度,改进方法有效.     

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...     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理，建立评估路面状况指数PCI的模型。通过平整度和路面破损率数据的学习，预测了路面破埙指标PCI，并把神经网络模型和回归模型进行了比较，证明了神经网络模型在路面使用性能评估中有更好的应用前景。     

基于ARMA 预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均 (ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q 定阶、解析式系数估计、适用性检验.试验结果表明：利用实测车速中的前40 个时序数据建立ARMA 模型,预测出的20 个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56 和0.003 4;利用全部60 个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.     

基于ARMA的滚动轴承振动数据预测

为实现对滚动轴承的振动数据预测,本文提出一种基于自回归滑动平均(ARMA)模型的预测方法。首先截取滚动轴承全寿命周期的早期无故障数据作为样本,计算截取样本序列的自相关系数和偏相关系数,然后采用最小信息准则(AIC)对ARMA定阶,运用最小二乘法估计参数建立ARMA模型,将轴承同工况与类工况下的数据输入到已建立的ARMA模型中,得到的轴承预测数据与实际故障数据进行对比,计算预测的准确率。结果表明:该方法可以准确预测轴承的实际状态,且同工况相对于类工况下的预测效果更优。     

无偏灰色模型在东营港船舶交通流量预测中的应用

为提高东营港船舶交通流量预测精度,弥补灰色模型预测方法的不足,基于灰色系统理论,构建灰色模型,该模型在对指数序列进行拟合及参数选取时存在误差,为对模型进行优化,构建无偏灰色模型.采用Matlab编写相关程序辅助求解该模型,将所建模型对东营港船舶交通流量进行预测,并对预测结果与历史数据进行误差比较.结果表明:无偏灰色模型预测精度为97. 91%,拟合效果较好,验证了该模型的科学性与可行性.     

基于车载连续序列图像的道路曲率计算方法

提出一种基于车载连续序列图像的道路曲率计算方法.算法首先利用车载视 觉系统进行内外参数标定实现对路面车道线的三维重建,利用三维重建误差模型对重建 的数据点进行误差估计,并对数据点进行选弃.对序列图像中路面车道线重建出来的曲线 采用ICP 算法进行曲线匹配,并将匹配后的曲线映射到统一的参考坐标系中.最后利用匹 配曲线上的数据点进行圆周拟合,计算道路曲率.实验中利用真实的车载连续序列图像对 算法进行验证.针对曲率半径分别为96 m和430 m两段不同程度的弯道,利用本文算法计 算对应道路的曲率半径.结果表明,本文算法能够精确地计算出不同弯道的道路曲率,特 别是针对平缓弯道的曲率计算,比基于单幅图像的曲率计算方法更加准确与稳定.     

基于改进灰色GM(1.1)模型的铁路货运量预测

针对铁路货运量年度长期预测对货运部门制定短期运输规划指导不足的问题,引入GM(1.1)模型预测铁路月度货运量.考虑货运量序列常呈振荡波动的特征,利用加速平移变换和加权均值变换弱化序列的波动性后,建立改进灰色GM(1.1)模型实现最终预测.对我国2019年11月至2020年5月铁路月度货运量序列拟合结果比较表明,与传统GM(1.1)模型相比,改进GM(1.1)模型在预测精度方面明显提高,能更好的拟合铁路月度实际货运量,解决了传统GM(1.1)模型对呈现振荡波动现象的铁路货运量预测精度较低的问题.     

短期货运预测模型研究

短期货运量的预测对于交通运输系统的运作与管理具有重要意义．本文将回归分析与时间序列分析相结合,提出一个带有回归项和时间序列误差项的回归-时序混合模型,用以进行短期货运量的预测．在对模型进行识别、初估计的基础上,采用极大似然方法进行参数估计,经反复拟合,并对模型进行相应检验,最后得到符合要求的拟合模型。应用此回归-时序混合模型进行月度货运量的拟合预测,并与多元线性回归模型和季节ARIMA模型的拟合预测结果相比较,表明回归-时序混合模型可以提高短期货运量的预测精度。     

沥青路面性能衰减规律的经验法预测模型探讨

沥青路面性能衰减规律的预测模型是进行路面预防性养护管理的重要内容,通过采用经验法预测模型对性能指标IRI、PCI进行分析,来预测路面的使用性能,总结出经验法预测模型的建模程序和使用特点.     

铁路行车安全预警模型研究

结合国内外铁路行车安全判定的相关指标及我国铁路行车安全的特点,确定了铁路行车安全预警模型的指标体系.其次,针对警情指标的时间序列用Hodrick-Prescott滤波法(HP滤波法)对其进行分解,并对结果进行长期趋势分析.采用3σ方法确定了铁路行车安全预警模型的警限和警度;选取了优化无偏GM(1,1)模型进行预警指数的拟合及短期预测,并利用残差修正进一步改善了优化无偏GM(1,1)模型的拟合和预测效果.最后,以1998-2012年的铁路行车安全数据为案例验证了模型的有效性与实用性.预警模型的结果表明警情指标长期趋势向好,但未来应积极预防一般事故的发生,以减少事故造成的直接经济损失.     

基于ARMA模型的经济非平稳时间序列的预测分析

时间序列分析方法是经济领域研究的主要工具之一．它用合适的模型描述历史数据随时间变化的规律，并预测经济变量值．而ARMA模型是适用于任何序列的发展形态的一种高级预测方法，它描述时间序列的动态性和发展变化规律．文中通过ARMA模型分析时间序列的随机性和平稳性，以一种商品月度销售额具体分析，用sas软件检验模型的可行性，并预测应用．结果表明．模拟值和真实值接近，在实际应用中预测值的准确对于指导商家的战略决策起重要作用．     

基于样本阵列的沥青路面使用性能预测模型研究

开展路面使用性能预测研究对于公路养护决策具有重要的意义.文章针对江苏省高速公路路面使用性能主要影响因素,构建了样本预测阵列,据此采用双参数模型建立了路面使用性能预测模型,并基于自适应跟踪法对双参数模型进行修正.工程实例表明,预测模型用于江苏省高速公路路面性能预测具有较高的精度.