基于ARMA的桥梁监测信息预测技术研究

为解决桥梁结构健康监测中长期累积的海量监测数据处理问题,采用数据挖掘中的时间序列分析方法,利用自回归移动平均(ARMA)技术对桥梁历史静态监测量进行分析,直接得出关于其过去行为的有关结论,进而推断其未来发展趋势。与基于因果关系的结构式模型预测法不同,ARMA无需明确模型结构或边界条件,而是直接从统计学的角度预测变量未来发展情况。采用该技术对西安白蛇峪大桥应变监测数据进行分析,试验结果显示出较高的预测精度;采用该技术对重庆偏岩子大桥的应变、挠度、裂缝、倾斜监测量进行预测,试验统计结果表明,ARMA单步预测误差小于10%的置信度在97%以上,在工程实际中具有可实用性,可为桥梁结构的安全预警提供重要参考依据。     

基于EMD聚类与ARMA的交通流量预测方法

为了准确掌握未来交通流量的变化趋势,提高高速公路路网的管理效率,采用经验模态分解(EMD)和自回归滑动平均(ARMA)模型,提出了一种短时交通流量预测方法。根据高速公路收费站数据,使用EMD将统计的时间序列分解为有限个固有模态分量,对固有模态分量使用模糊C均值聚类,再采用ARMA将聚类后的固有模态分量进行预测,最后把每个分量预测值求和得到交通流量预测值。实例仿真计算表明,该算法比直接使用ARMA模型进行预测具有更高的预测精度,是一种有效的短时交通量预测方法。     

基于ARMAX模型的高速公路行程时间预测研究

为实现面向驾驶者需求的高速公路站间行程时间预测,本文融合收费数据和气象数据,开展了基于ARMAX模型的多维度行程时间预测。首先,搭建了车型维、气象维、车流维多维度收费数据仓库;其次,利用经过处理的收费数据建立分车型行程时间序列;然后,训练并建立ARMA模型预测行程时间,对气象、车流量因素与行程时间的相关性分析,引入气象、车流量因素的作为回归变量,采用ARMAX模型进一步改进预测效果;最后,利用沈海高速公路部分路段收费数据和气象监测数据进行了实例验证。结果表明,ARMAX模型与ARMA模型相比预测精度提升,预测平均相对误差由[4.07%,7.67%]降至[3.88%,7.58%]。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

基于ARMA模型的山东省城乡收入差距研究

利用ARMA模型对山东省近二十年来的城乡收入数据予以处理,并运用EVIEWS软件对2009及2010年的城乡收入差距进行预测,得出城乡差距将继续扩大的结论,进而提出缩小城乡差距的具体措施,以促进山东省经济发展。     

城市轨道交通客流预测算法研究

城市轨道交通客流预测是客运组织的基础,预测结果可为运营管理提供决策依据.针对城市轨道交通客流量预测问题,提出了一种ARMA-RBF组合客流预测算法:首先根据变点算法,通过对客流数据构成的时间序列处理得到变点集;然后基于小波变化对变点集进行去噪处理;最后利用ARMA-RBF算法对城市轨道客流进行预测.以北京地铁4号线新街口、平安里、西四地铁站进出客流数据进行方法验证,结果表明,相较于单独的ARMA算法或RBF神经网络算法,ARMA-RBF组合客流预测算法可提高城市轨道交通进站客流预测的精度.     

基于季节ARIMA模型的桥梁退化预测分析

桥梁监测序列是典型的非平稳时间序列,需要进行一些处理将非平稳序列平稳化后再拟合ARMA模型。将监测数据平稳化后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型即为ARIMA模型。以玉峰大桥为例,介绍了季节ARIMA模型的建模思路与总体流程,模拟了检测序列的变化趋势。以季节ARIMA模型为预测模型作为结构的退化模型,对测点进行退化趋势模拟与退化临界时刻预测。结果显示ARIMA模型对序列的拟合效果良好,可以用于桥梁监测序列的预测,其对退化临界时刻的预测可以从整体上掌握桥梁的整体退化趋势和极限使用寿命。     

基于ARMA模型对上海期铜价格走势的实证分析

本文运用ARMA模型对上海期铜的时间序列进行分析，通过对所识别的模型进行检验，得到拟合程度较高的回归方程，从而预测上海期铜的价格发展趋势，进而帮助企业规避由于大宗商品价格波动带来的风险，提高企业生产经营决策的合理性、科学性，真正做到以需定产，从而增进企业经济效益。     

Urban Traffic Flow Prediction Using a Spatio-Temporal Random Effects Model

Traffic prediction is critical for the success of intelligent transportation systems (ITS). However, most spatio-temporal models suffer from high mathematical complexity and low tune-up flexibility. This article presents a novel spatio-temporal random effects (STRE) model that has a reduced computational complexity due to mathematical dimension reduction, with additional tune-up flexibility provided by a basis function capable of taking traffic patterns into account. Bellevue, WA, was selected as the model test site due to its widespread deployment of loop detectors. Data collected during the 2 weeks of July 2007 from 105 detectors in the downtown area were used in the modeling process and traffic volumes predicted for 14 detectors for the entire month of July 2008. The results show that the STRE model not only effectively predicts traffic volume but also outperforms three well-established volume prediction models, the enhanced versions of autoregressive moving average (ARMA) and spatiotemporal ARMA, and artificial neural network. Even without further model tuning, all the experimental links produced mean absolute percentage errors between 8% and 16% except for three atypical locations. Based on lessons learned, recommendations are provided for future applications and tune-up of the proposed STRE model.     

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。     

TGP隧道地质超前预报技术的优势

地震波预报是实现长距离地质超前预报的重要技术手段,其成果质量对于隧道的安全施工和信息化施工具有重要意义,为此,从地震波预报技术的研究进程、仪器设备的技术性能与适应性、检波器与多波多分量检测工作要求、接收耦合条件与信号的幅频特征、采集的触发方式与误差、干扰波的认识与处理、成果的可靠性分析、3D地质预报成果图的内容与表现方式、信号的重复利用与对比分析、参数法预报的评述与岩体的各向异性等10个方面进行论述。理论分析合理,工程实践证明可靠有效。对于促进地震波预报技术的科学发展、克服目前工作中的盲目应用具有一定的指导意义。     

基于能量耗散原理的振杆密实可液化地基范围研究

为了建立振点间距和振动时间的计算方法，对振杆密实可液化地基加固范围进行理论预测。针对已有基于能量法的液化评估方法不适用于地基密实设计的现状，发展了基于地震容量曲线的液化评估能量方法，并对其应用于振杆密实设计的适用性进行了评价；建立了基于能量耗散原理的振杆密实模型来预测液化范围并与实测结果进行对比。研究结果表明：门槛剪应变为0.01%时预测液化范围与现场实测差别较大，基于稳定振速预测的液化范围小于基于峰值振速的预测值，达到最终液化范围的振动时间增加；门槛剪应变为0.015%时基于峰值振速预测的液化范围与现场实测差别较小，推荐使用；振动液化用时30 s左右，实际施工中无需留振；高振动频率下的能量传递效率降低，液化边界远小于共振频率下的加固范围。     

基于灰色理论的重庆市常规公交客运量影响因素分析及预测

为了研究重庆市常规公交客运的发展水平,把握当前及今后重庆市公交客运量的发展规律和发展方向.采用灰色关联度理论的研究方法,清晰直观地得到了反映重庆市常规公交客运量影响因素与客运量之间的关联度,通过比较分析的方法,发现利用传统灰色预测模型在进行重庆市常规公交客运量预测时,其拟合精度不够.研究发现需要对模型的紧邻均值生成序列做出改进,改进后的灰色预测模型要比传统的灰色预测模型的拟合精度更高,说明改进后的灰色预测模型更适用于重庆市的常规公交客运量的预测.      

雷达探测桥头搭板脱空方法研究

高速公路桥头搭板脱空痛害影响汽车行驶安全,利用地质雷达探测数据,如何提取此类病害信息,是探测研究的关键.采用常规的反射能量的观点来解释脱空病害存在一定难度,而ARMA谱对弱小信号的频谱变化具有较高敏感性,根据雷达波信号穿过脱空区域产生的谱变化和具有时间局部性特征,提出ARMA谱密度期望值的观点和相应的短时窗滚动谱算法,通过对脱空区模型进行数字模拟计算,给出了短时窗口关键参数的选取和脱空区谱密度期望值的响应特征.利用雷达波短时窗谱密度期望值响应参数的变化在许禹高速公路桥梁搭板脱空探测中得到了应用,验证了技术方法的可行性.     

应变-寿命模型在曲轴寿命预测中的对比研究

将3种不同的应变-寿命模型应用于曲轴的疲劳寿命评估中,并对疲劳试验数据和预测数据进行了对比。考虑到曲轴淬火残余应力的影响,对曲轴的表面残余应力进行了测试,并将测试结果应用于计算中。通过一系列的对比,证明了S-L-B模型对于曲轴的疲劳寿命预测是最有效的,Chen模型次之,修正的SWT模型一致性最差。