一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

基于集对分析理论的路基沉降组合预测模型研究

为实现不确定性因素影响下的路基沉降预测,该文基于集对分析理论和统计决策思想构建路基沉降组合预测模型。该模型首先选定单项预测模型,并根据单项预测模型的预测结果将预测值和实测值构建为集对;然后应用正态分布理论确定集对关系划分标准,基于联系数确定组合权重系数,实现预测信息的优性组合;最后通过预测误差评价提出组合预测模型,并通过某路基沉降数据验证了该组合预测模型应用于路基沉降的有效性。     

基于Logistic曲线和Gompertz曲线的最优组合沉降预测模型及其应用

地基的全过程沉降量与时间呈S形曲线关系，可用Logistic模型和Gompertz模型较好地描述。根据I_ogistic曲线和Gompertz曲线的共性和个性，引用最优加权组合建模理论，以组合模型的对数误差平方和最小为目标函数来确定最优的加权系数，建立了最优加权几何平均组合沉降预测模型。通过工程实例，验证了该最优组合沉降预测模型的可行性。对比计算结果表明，最优组合沉降预测模型的精度不仅比Logistic模型和Gompertz模型的预测精度要高，而且可靠性也优于各个单一预测的模型，是地基沉降观测资料的一种有效分析方法。     

基于AIS船舶数据的港口交通流量预测模型研究

针对当前船舶交通流量预测手段落后,精度不高的问题,利用宝船网A PI数据接口提取船舶A IS数据,依托该数据构建基因算法优化神经网络的船舶交通流量预测模型,K近邻回归预测模型、时间序列预测模型和灰色预测模型的组合预测模型.通过自编程序采集了天津港某时段的船舶交通流量数据,在剔除错误和不可用数据后,对船舶交通流量数据进行统计,分析得到了进出天津港的船舶航行特性.同时为了更直观的验证所提出的预测模型效果,与利用K近邻回归、时间序列和灰色预测模型3种方法预测的结果进行对比.组合模型进港预测的平均绝对误差、均方误差和平均相对误差分别是0.5595,1.0119和12.98%,出港分别是0.6726,1.3155和15.23%,以上指标均优于上述的传统3种模型.相比于组合模型,优化的BP神经网络模型预测结果更优,进港和出港预测的平均相对误差分别降低了3.23% 和4.76%,结论证明,组合模型和优化的BP神经网络模型具有较高的预测精度.      

基于混沌SVM与BP神经网络预测材料价格指数

为了解决工程造价指数难以预测非线性结构、数据拟合难度大、预测模型参数求解过于固定化、预测模型可靠性不高等问题,文中在混沌时间序列理论的基础上,结合机器学习算法支持向量机(SVM)技术和BP神经网络算法,提出混沌SVM与BP神经网络组合预测模型。实例研究证明,该组合预测模型的精度比SVM预测模型、混沌SVM预测模型、BP神经网络预测模型和GM(1,1)预测模型的高,具有拟合非线性和预测线性波动的能力,可用于工程造价指数预测。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

基于实测沉降数据的路基沉降机理及其预测分析

对路基沉降机理进行了较深入的分析,归纳对比了各类沉降预测模型,根据组合预测的思想应用最小二乘法建立了组合预测模型。通过实测数据的建模分析,发现"S"型曲线拟合优度明显更好;组合模型确实能有效利用每种模型的信息以使预测值更为合理和精确。基于一维固结的解析法计算的最终沉降值与预测值的比较表明模型是可信的,预测方法是可行的。     

四川省六大城市资产负债率预测研究

本文对四川省六大工业城市成都、攀枝花、德阳、绵阳、乐山、宜宾分别建立了ARCH模型和季节虚拟变量模型,并利用GMDH自组织建模方法提出组合预测模型。模型预测结果及对比表明：基于GMDH组合的四川省六大工业城市资产负债率预测模型预测效果要远比单一的预测模型的预测效果要好。基于以上的对比研究,我们对2009年第四季度和2010年第一季度的四川省六大工业城市的资产负债率做出了定量的预测。     

基于一种组合新模型的翻车事故严重性预测

由于近年来发生在高速公路上的翻车事故较多,且预测翻车事故严重性的文献较少,故通过一种组合新模型来预测翻车事故的严重程度。通过收集的2012年—2016年1 939起高速公路翻车事故数据,采用Logistic回归与朴素贝叶斯组合的新模型作为翻车事故严重性的预测方法。为了进一步验证组合预测模型的优越性,构建了朴素贝叶斯预测模型和Logistic回归预测模型。对比这3个预测模型的预测数据正确率值,表明组合预测模型效果更好。同时,11个候选变量经过单因素分析和多因素分析,选出7个显著性变量:驾驶员年龄、事故涉及车型、事故涉及车辆数、事故发生时段、天气条件、事故是否发生在匝道、肇事车辆是否超载超限。当相应道路或环境条件得到改善后,组合预测模型有助于道路管理者了解翻车事故严重程度可能的变化情况;当出现一起翻车事故时,可根据已知的有限信息利用组合预测模型预估事故严重程度,以便开展后期救援。     

铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高，提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进，通过原始序列的动态更新实现模型的参数更新，在此基础上与泊松曲线模型建立一种组合预测模型，并利用马尔科夫链进行残差修正，得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析，将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析，结果表明:模型对铁路软土路基沉降变形可取得较好预测效果，提高了预测精度与稳定性。     

京珠高速公路预养方案的模糊优选模型研究

影响高速公路预养方案选择的因素很多,其因素带有很大的模糊性。结合京珠高速公路工程实例,介绍了模糊综合评价线性加权平均模型和多目标模糊优选模型的建立方法,运用该法得出高速公路预养最优方案为微表处方案。通过计算两种模型,比较所得结果选取更优的多目标模糊优选模型作为最优模型,从而使优选结果科学可靠。     

灰色模型在建筑沉降预测中的改进与发展

灰色理论因其优良的灰色信息处理能力被广泛地应用于建筑沉降预测领域。但随着精度要求的提高,对灰色理论进行的改进从没间断过。从原始理论出发,结合近年来灰色预测模型发展的特点和存在的问题,总结了灰色模型在沉降预测中背景值、参数和控制量等方面的改进,分析认为下一步研究的重点将转向灰色模型方法改进,以及对灰色模型进行机理、权值组合方面的运用。     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明:组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

交通流实时预测的混沌时间序列模型

针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中。为了进一步提高算法的精度与速度,对最优邻域的点数进行动态选择,通过改进,使之成为一种鲁棒性强、预测精度高的实时预测算法,并能有效地用于短时交通流的预测问题中。仿真结果表明:该算法完全满足实时交通流预测的需要,为交通信号智能控制和交通流诱导奠定了坚实的基础。     

基于组合赋权—云模型的高速公路路网交通适应性评价

针对于传统交通适用性评价过程存在的随机性和模糊性问题,提出一种组合赋权—云模型的高速公路路网交通适应性评价方法。首先,从路网结构性能和路网运行效率两方面,选取路网密度、饱和度等8个定量因素建立评价指标体系,采用相对分析法,将适应性划分为4个等级后,依次确定各等级区间范围;其次,基于逆向云模型理论,得到各评价指标隶属各等级的确定度,利用组合赋权所得权重对各个指标确定度进行加权平均。最后,根据确定度最大原则,综合得到交通适应性等级。以四川省高速公路联网收费数据和网络拓扑数据为基础,构建评价模型,最终结果为不适应,为今后高速公路网建设提供理论基础和数据支撑。     

高填石路堤沉降的灰色优化-马尔柯夫预测模型

高填石路堤的沉降变形包括填石体施工期的沉降变形和工后沉降变形。在灰色理论的基础上,建立高填石路堤沉降的等步长灰色微分方程,采用优化理论,建立误差目标函数,利用最小二乘法,求得微分方程的系统参数,并引入Markov原理,利用一步转移矩阵预测高填石路堤的沉降发展规律。某高填石路堤实测结果分析表明,灰色优化-马尔柯夫模型比常规的GM(1,1)预测模型预测精度有较大的提高。     

基于动态GM-Markov优化模型的高铁路基冻胀变形预测研究

由于传统灰色模型在预测波动性较大的数据时精度不高，提出一种改进的动态GM-Markov预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进，通过原始序列的动态更新实现模型的参数更新，在此基础上利用马尔科夫模型进行残差修正，得到改进动态GM-Markov预测模型。利用某高铁路基冻胀变形监测数据进行实例分析，将改进的动态GM-Markov模型预测结果与灰色以及非等间距无偏灰色模型、最优组合模型预测结果进行对比分析，结果表明:改进的动态GM-Markov模型对于波动性较大的冻胀变形可以取得较好预测效果，提高了预测精度与稳定性。     

动力总成驾驶性客观评价的工况优选方法与试验验证

针对动力总成驾驶性评价工况选择缺乏合理性的问题,提出一种基于组合权重和改进TOPSIS法的动力总成驾驶性客观评价工况优选方法。首先,根据动力总成工作原理分析驾驶性客观评价指标并搭建测试与分析软硬件平台。然后,基于组合赋权思想,采用层次分析法(AHP)和变异系数法(CV)确定主客观权重,运用最小相对信息熵原理获得AHP-CV模型的最优权重。接着用加权马氏距离替代欧氏距离的改进逼近理想排序(TOPSIS)搭建车辆驾驶性评价工况优选模型。最后,以静态换挡工况为例进行研究,得出10个细分工况的加权指标值,并对细分工况进行综合排序。试验结果表明,提出的改进AHP-CV-TOPSIS模型对于车辆驾驶性评价的工况选择具有较好的适用性,可揭示各细分工况对驾驶性评价的重要程度,为车辆驾驶性主客观评价工况选取提供科学指导。     

基于时间序列和灰色模型的交通事故预测

利用时间序列和灰色模型理论,针对北方某城市的交通事故统计数据,分别建立了自回归移动平均模型及灰色模型,并对各模型进行了步长为12的预测。通过模型对比发现：2个模型的预测绝对误差分别为23.95%和54.32%,且对于具有季节周期性特点的序列,自回归移动平均模型的预测结果与实际观测值比较吻合,说明自回归移动平均模型比灰色模型更能充分挖掘历史信息以减少预测误差,并反映数据的周期性变化,具有良好的适用性。     

蝴蝶拱桥的有限元分析及模型试验研究

蝴蝶拱桥是一种新型空间组合拱桥，设计巧妙独特，外型美观。为全面分析其力学行为，建立了空间杆系和板壳有限元分析模型。给出了该桥控制截面在几个主要荷载工况下的变形和应变值；为验证计算理论的合理与准确性，确保该桥的安全与可靠性，进行了1／10模型试验，并将理论计算值与实侧值进行了比较，为该桥的设计与施工提出了有意义的建议。