基于灰色神经网络的港口集装箱吞吐量预测模型研究

为降低港口集装箱吞吐量的预测误差,提高预测精度,在分析传统的灰色预测模型和BP神经网络预测模型的优缺点的基础上,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和BP神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明:灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

基于GM(1,1)和BP网络的港口吞吐量预测

分析了灰色和人工神经网络预测方法的互补性,在此基础上提出了将灰色与人工神经网络结合的灰色-神经网络混合模型.分别采用GM(1,1)模型、BP网络模型和灰色-神经网络混合模型对某港口货物吞吐量进行预测并用实测数据验证.结果表明,灰色-神经网络混合模型预测效果最佳.     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

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.     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

基于不同时间段的几种高路堤沉降预测模型研究

介绍了几种基于实测沉降数据的高路堤沉降预测模型,通过实例对各个模型的拟合和预测精度进行比较和分析,通过6种预测模型的比较得出,双曲线和指数曲线更适合于施工前期预测,两者中双曲线精度更高一些;皮尔曲线、灰色预测、龚帕斯曲线和皮尔神经网络方法更适合于长期预测,4种预测方法中皮尔神经网络精度更高一些。     

基于GA-灰色神经网络的沥青路面使用性能预测

为准确预估我国沥青路面使用性能的变化趋势,在传统灰色预测模型GM(1,1)的基础之上,提出了无偏GM(1,1)模型和滑动GM(1,1)模型,并通过遗传算法(GA)优化后的BP神经网络对传统、无偏与滑动GM(1,1)模型进行了组合,得到了兼顾灰色理论、遗传算法和BP神经网络优点的GA-灰色神经网络组合预测模型,并以具体实例验证了该模型的有效性。结果表明:传统GM(1,1)模型的平均相对误差为4.67%,无偏GM(1,1)模型的平均相对误差为4.64%,滑动GM(1,1)模型的平均相对误差为4.63%,灰色神经网络组合模型的平均相对误差为2.41%,而GA-灰色神经网络组合模型平均相对误差仅为0.54%,证明所提出的组合模型预测精度较高,误差较小,可作为制定路面养护计划的依据。     

基于双重力模型和人工神经网络的空中交通流量组合预测

基于四阶段法,采用双重力模型,预测全国空域的交通流量OD分布.针对历史数据的随机性和周期性,建立灰色广义回归神经网络组合模型,得出空中交通流量的预测结果.采用马尔可夫链预测模型,分析了组合预测结果.算例分析表明,对比华北地区空中交通流量统计数据,与回归分析和广义回归神经网络模型的结果相比,本文模型预测结果的精度更高、更可信.     

基于现场实测数据的隧道掘进机滚刀磨损预测

为了合理预测隧道掘进机（TBM）施工过程中地质条件、掘进参数及刀圈特性等多种因素对盘形滚刀刀圈磨损的影响,对TBM滚刀破岩机理和刀圈磨损机理进行了研究. 基于现场实测数据,如掘进推力、贯入度、磨损量、滚刀半径、滚刀安装半径、刀圈几何尺寸等,根据摩擦学理论,综合考虑各影响因素的相互作用,提出了刀圈综合磨损系数的概念,并建立了滚刀磨损预测模型,同时可对刀盘上各滚刀的有效掘进距离进行预测;将预测模型应用到兰州市水源地建设工程输水隧洞双护盾TBM施工中,同时与其他预测模型对比,验证了综合磨损系数预测模型的有效性. 研究结果表明:刀圈综合磨损系数随滚刀安装半径的增大而减小,随滚刀安装角度的增大而增大;综合磨损系数与其他模型磨损系数变化规律基本一致;基于综合磨损系数预测得到的有效掘进距离与实际掘进距离基本吻合,误差在10%以内,说明基于综合磨损系数建立的TBM滚刀预测模型是可靠的.      

基于数据挖掘的齿轮副磨损状态评估方法

为了提高齿轮副磨损状态评估的准确率,基于数据挖掘技术提出了一种新的齿轮副磨损状态评估方法.该方法通过设计直齿圆柱齿轮副磨损实验,提取实验齿轮副全寿命周期内的油液参数和振动参数,对齿轮副磨损状态进行聚类划分,建立了监测参数与齿轮副磨损状态之间的关联规则集及齿轮副磨损状态关联规则匹配算法,用于识别齿轮副的磨损状态.研究结果表明:基于数据挖掘的齿轮副磨损状态评估方法对齿轮副磨损状态的识别率达90%,能有效地评估齿轮副磨损状态.      

基于摩擦学的齿轮失效特征信息研究

针对齿轮失效产生的摩擦学信息丰富的特征,从齿轮副的接触特征分析了点蚀与剥落产生的机理,并采用有限元法仿真分析了齿轮的接触特征;在系统分析齿轮摩擦磨损信息特征基础上,建立了齿轮摩擦学系统状态信息描述图,为系统研究齿轮副磨损失效提供了方法;通过齿轮磨损试验获取的大量磨粒分析,研究了齿轮磨粒特征与表面失效机理对应关系.     

列车引起环境振动预测方法与不确定性研究进展

系统总结了列车运行引起环境振动的各类预测方法及其不确定性问题, 梳理了初步预测、确认预测和精准预测3个预测等级内各种方法和模型近10年来的发展状况; 讨论了模型输入参数的随机不确定性, 包括车辆之间差异、轮轨磨耗以及预测模型中输入地层参数等带来的不确定性; 根据新的测试结果分析了车轮和钢轨磨耗状态对地铁振动源强不确定性的影响。研究结果表明: 机器学习方法和地层传递函数解析法可用于初步预测阶段; 用于确认预测的各类数值和解析模型日益完善, 预测效率日益提高, 但考虑车轮和钢轨磨耗发展的轮轨激励输入方法仍有待进一步完善, 仍需进一步发展振动传递路径清晰且可用于工程预测的建筑结构动力学模型; 精准预测需要发展混合预测方法并研究其在地下线振动预测中的应用; 目前对预测结果精准性和预测方法可靠性的研究十分欠缺, 绝大多数预测只能给出定值结果, 无法考虑轮轨磨耗、养护管理水平和振动在地层中传播的不确定性; 建议进一步开发具有远程智能离线采样功能, 并可在建筑结构上长期便捷安装的小型振动采集装置, 以便与机器学习预测方法相结合, 从而适应未来智能化预测的发展要求; 建议发展能够描述钢轨短波磨耗状态等级和车轮不圆顺等级的粗糙度谱, 构建完整养护维修周期内环境振动动态预测模型; 应发展具有可靠性及精准度要求的智能化预测方法, 并在未来实现由定值预测向概率预测发展的根本性转变。      

SPSS在柴油机台架磨合油液监控数据处理中的应用

本文主要是基于SPSS的统计分析功能,尝试研究其在油液监控数据处理与分析中的应用,利用该软件对从柴油机润滑系统中定期、持续地采集油样进行光谱分析的数据进行分析与处理,获得反映柴油机台架磨合过程的多种状态信息,判断柴油机台架磨合质量和发展变化趋势。     

渐开线齿轮轮齿滑动率分析

渐开线是由发生线沿着基圆纯滚动而形成的,渐开线齿轮在啮合过程中,轮齿间存在相对滑动,滑动速度在节线附近最小,并沿着节线分别向齿根和齿顶方向逐渐变大.轮齿间的相对滑动速度有利于油膜的形成,可以防止出现点蚀等失效现象,进而影响到轮齿的接触疲劳强度,但相对滑动又带来了摩擦磨损,是齿轮失效的主要形式之一.针对轮齿之间的相对滑动,分析标准直齿圆柱齿轮轮齿间的滑动速度,并得到数值计算公式,同时根据滑动速度的方向解释了轮齿啮合中摩擦力的方向,并用Matlab进行了仿真,为齿轮设计提供一定的参考.     

Electrode wear prediction in milling electrical discharge machining based on radial basis function neural network

Milling electrical discharge machining (EDM) enables the machining of complex cavities using cylindrical or tubular electrodes. To ensure acceptable machining accuracy the process requires some methods of compensating for electrode wear. Due to the complexity and random nature of the process, existing methods of compensating for such wear usually involve off-line prediction. This paper discusses an innovative model of electrode wear prediction for milling EDM based upon a radial basis function (RBF) network. Data gained from an orthogonal experiment were used to provide training samples for the RBF network. The model established was used to forecast the electrode wear, making it possible to calculate the real-time tool wear in the milling EDM process and, to lay the foundations for dynamic compensation of the electrode wear on-line. This paper demonstrates that by using this model prediction errors can be controlled within 8%.     

筑路机械设备的管理与使用

随着我国建筑机械化程度的不断提高,筑路机械设备在施工过程中的作用已日显重要,但是对于施工现场设备的科学管理并没有引起广泛的重视或虽有所重视却没有得力的措施来解决此问题。在工程施工领域,筑路机械设备的使用管理存在着许多薄弱环节。对现行交通工程施工管理体制下的筑路机械管理进行阐述,可为同类工程提供一定的参考。     

工程机械液压系统故障检查与诊断

液压系统故障的诊断在工程机械维修中越来越受到重视,通过使用现代化的技术手段,并结合实际经验对工程机械液压系统故障进行检查与诊断,可减少故障处理环节,从而减少机械设备维修成本,提高工程机械设备利用率。     

论公路工程施工机械的合理组合

公路工程施工机械合理组合的依据是工程量和施工进度。在实际工作中应该坚持适应性、先进性、安全性等原则,合理选择施工机械种类,并加强施工机械管理,注重施工机械技术性能的配合,注重施工机械类型与数量的配合,提高施工机械的组合水平,充分发挥其在公路工程施工中的作用。