新开发地区机动车保有量预测研究

以现有的地区模型为基础，以规划设计的经济指标为依据对新开发地区的机动车保有量进行预测，提出各机动车分类预测，主要是小客车比较通用的预测方法。     

基于支持向量机的水泥抗压强度预测

利用支持向量机结构简单、学习性能出色和较强的推广性等优点，通过对已有实例样本的学习，建立了水泥28d抗压强度与其各影响因素之间的高度非线性映射关系，然后用样本学到的新关系预测新的水泥抗压强度，并将预测结果与传统回归分析、神经网络预测结果进行了对比。研究表明，与传统的方法相比，支持向量机方法精度较高、相对误差小，为预测水泥28d抗压强度提供了一条新途径。     

关于新一年轿车市场预测

快到年底，新一年的汽车市场需求预测，又成了热门话题，但从各有关单位或部门去年底对今年(2004年)的轿车市场预测来看，谬误不少，相去甚远。     

新（改）建高速公路的交通流量构成及增长分析

新（改）建高速公路上交通流量的构成及增长是其经济分析的关键，同时也关系到其运营和管理。由于其独有的特点，传统的交通流量预测方法对其有一定的局限性。     

轿车液压减振器阻力特性模拟预测预测结果分析

通过对夏利轿车后减振器阻力特性模拟计算过程及结果的分析，建立了该减振器工作过程的模拟预测物理模型及模拟预测优化搜索程序。经过模拟预测搜索计算，得到当该减振器内构成阻力特性的结构主参数改变时的工人油工作参数变化新曲线族，从而定量地模拟预测出该减振器结构主参数改变后的新阻力特性曲线。     

第七届中国汽车产业发展高峰年会即将召开

由中国机械工业联合会主办，中国汽车动态网承办的“第七届中国汽车产业发展高峰年会暨2009中国汽车及零部件市场分析预测会”将于11月1～2日在武汉召开。大会将紧紧围绕“新市场、新竞争、新格局、新挑战”这一主题，为业界厂商提供科学的分析预测与决策支持，推动中国汽车产业持续、健康、快速发展。     

关于新一年轿车市场预测

快到年底，新一年的汽车市场需求预测，又成了热门话题。笔者先引刊于2003年12月24日新民晚报“预测”一文中的一段文字——     

第七届中国汽车产业发展高峰年会即将召开

据新浪网9月26日报道，11月1日-2日，由中国机械工业联合会主办，中国汽车动态网承办的“第七届中国汽车产业发展高峰年会暨2009中国汽车及零部件市场分析预测会”将在武汉隆重召开。大会将紧紧围绕“新市场、新竞争、新格局、新挑战”这一主题，为业界厂商提供科学的分析预测与决策支持，推动中国汽车产业持续、健康、     

路面使用性能灰色预测及编程实现

分析了选取灰色理论预测路面使用性能的原因，结合实例介绍了灰色预测的方法和过程，并与采用人工神经网络方法预测的效果进行比较。为了弥补灰色预测方法计算过程较为复杂的缺点，研制了配套的辅助计算程序，增强了该预测方法的实用性。     

基于径向基神经网络的EPS助力控制方法研究

回顾了汽车助力转向系统的发展历程，并对电动助力转向（EPS）系统进行了分析。在总结前人研究方法的基础上，探索出一种基于径向基（RBF）神经网络的EPS助力特性研究，通过径向基神经网络的学习和训练，对理想的助力特性曲线进行了拟合和预测，得到了非常理想的新曲线。结果说明径向基神经网络在学习和预测方面的强大功能，以及应用此控制策略的有效性，对后续的研究、开发提供了一个很好的选择。     

90年代国外主战坦克动力技术发展研究

本文论述了国外90年代作为坦克动力的大功率高速柴油机的发展现状及其所采用的新技术和新结构，预测了其未来的发展趋势，并根据我国国情和对发展趋势的预测，提出了发展我国军车动力应采取的战略措施。     

基于物流系统的公路主枢纽货运适站量预测

货运适站量的预测是确定公路主枢纽货运站规模和功能的重要依据。传统的预测方法由于统计数据与统计方法的原因，使得预测量与实际需求量有较大偏差。本文提出两种基于物流系统的公路主枢纽货运适量的预测方法，并对两种预测方法的内容和分析预测过程作了详尽的论述，最后根据实际情况给出实例。     

单参数自适应跟踪方法在公路运输量预测中的应用

将单参数自适应跟踪预测方法应用公路运输量的预测中，突破了传统静态预测模型的局限与不足，为公路运输量的预测提供了一种动态的预测方法，可供交通规划部门在实践中参考。     

实车数据驱动的锂电池剩余使用寿命预测方法研究

锂离子动力电池剩余使用寿命（RUL）预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法，本质上是一个递推的过程，每一次预测的误差会随预测次数增加而累积，难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论，建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法，使用编码器-解码器（ED）框架改进长短时记忆神经网络模型（LSTM）构建从序列到序列预测的EDLSTM模型，并融合ARIMA模型预测误差趋势，进而修正最终预测结果。理论分析和实车采集数据验证表明，该方法在预测比例超过历史数据总量35%的情况下，仍然能较好地拟合实车SOH衰退曲线，有效提高锂电池剩余使用寿命的预测精度。     

融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究

为提升实际应用中锂离子动力电池寿命预测精度，本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计，以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正，从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明，锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%，取得了良好的预测效果，丰富了锂离子动力电池寿命预测的方法。     

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题，提出一种基于图时空神经网络 （Graph Spatiotemporal Neural Network， GSTNN） 模型的多充电站负荷协同预测方法。定义时空信息图，描述充电站负荷之间的时空关系；构建时空特征提取网络，分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息，并使用长短期记忆网络 （Long Short Term Memory Networks，LSTM） 挖掘影响负荷预测的外部特征信息；融合提取的所有特征，进行负荷预测。算例结果表明，基于 GSTNN模型的方法能充分考虑时空特征和外部特征的影响，协同多个充电站的负荷数据进行预测，并同时输出各充电站的预测结果，有效提高预测准确度，有助于电网稳定运行。     

德国研制能够自动躲避侧部撞击的变形汽车

据《新科学家》11日报道，德国的研究人员正在研制一种可以预测侧面撞击并可巧妙改变车身形状，从而缓冲撞击力的汽车。     

基于神经网络混沌时间信号的预测

针对混沌时间信号具有短期预测的特点，文章提出用神经网络构成的网络模型对混沌信号进行预测。实验结果表明：这种方法预测的结果误差小于传统参数模型的预测误差，在同等条件下，指数越小，预测效果越好     

快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进，提出一种快速二阶BP神经网络，并将把该方法成功地用于公路交通量的预测中，通过与其它方法的比较分析，得出快速二阶BP神经网络预测方法加快了收敛速度，提高了结果的准确度，为科学地预测公路交通量提供了有力依据。     

亚洲最大的浆纸展览会

据国际增长预测，最近几年里全世界新纸机定单中有三分之二来自于中国造纸工业，这种形式在未来几年很有可能再次出现。