基于ARIMA模型的高速公路交通量短期预测

高速公路交通量的准确预测,对于高速公路的发展和养护具有重要的作用。基于交通量预测的重要意义,建立了ARIMA(2,1,3)时间序列分析模型,采用四川省成渝高速公路公开的交通量数据,对该高速公路四川省内路段2013年的月交通量进行了预测,再与实际交通量数据进行对比,并将其与基于最小二乘法的CurveExpert软件预测结果进行比较,得出ARIMA(2,1,3)模型预测精度更高的结论。所建立的模型可以为交通运输管理部门的政策制定提供参考依据。     

基于加权分位数回归参数估计的AR模型及其应用

提出加权分位数自回归AR(p)模型对路基边坡变形预测的新方法,给出其原理和具体算法。以重庆奉云高速公路某滑坡段为例验证了该方法的有效性,并与其他模型作对比分析。结果表明：新方法的预测效果优于最小二乘参数估计的AR(p)模型、非加权分位数估值的AR(p)模型、ARIMA及EMD-ARIMA模型。     

����OLAM�ĸ��ٹ�·��ͨ����άԤ���о�

OLAM是联机分析处理与数据挖掘的有机结合,本文以高速公路收费数据为基础,提出一种基于OLAM实现高速公路交通量多维预测的方法.该方法构建了多维数据雪花模型,建立起收费数据的数据仓库并得到交通量多维统计结果;在构建季节ARIMA预测模型过程中,检测出因节假日、恶劣天气导致的交通量异常值并对模型进行修正;最后利用修正后的模型实现了交通量的预测.与一般季节ARIMA模型相比,修正后模型的白噪声方差和AIC值显著降低,数据拟合程度明显提高.实验结果表明,该方法具有较高的预测精度,其中MAE和MAPE分别为50.43和1.59%,能够满足高速公路管理部门利用收费数据分析、预测交通量时空变化趋势的要求,从而为制定各项政策提供理论依据和决策参考.     

基于有限差分的路堑边坡分步开挖稳定性研究

以太原二环高速公路凌井店至龙白段(东二环)为依托,基于FLAC有限差分法,对边坡开挖过程中水平、竖向位移及塑性区发展情况进行模拟分析,利用极限平衡法计算开挖过程中边坡安全系数。根据计算结果给出边坡处治方案,为类似高速公路边坡设计提供参考。     

基于ARIMA模型预测梅毒月发病率的价值

目的探讨建立ARIMA模型在梅毒月发病率预测中的应用价值,为梅毒防控工作提供依据。方法运用Eviews8.0软件对2009年1月-2015年12月我国梅毒月发病率数据建立ARIMA模型,利用2016年1月-6月实际数据验证,评价模型精度指标采用均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分误差(mean absolute percentage error,MAPE)、平均相对误差(mean relative error,MRE)。同法外推预测2016年7月-12月全国梅毒月发病率。结果 2009年1月-2016年6月全国梅毒月发病率最优模型是ARIMA(2,1,1)×(0,1,1)_(12),模型表达式为:(1-B)(1-B~(12))(1+0.820B)(1+0.566B~2)x_t~2=(1+0.365B)(1+0.897B~(12))ε_t,R~2=0.832,RMSE=0.181,MAE=0.118,MAPE=5.088。外推2016年7月-12月预测结果分别为3.124、3.008、2.906、2.691、2.714、2.717。结论 ARIMA模型具有较高的预测精度,可较好地拟合我国梅毒月发病率的演变趋势并进行短期预测。     

基于组合模型的浙江省GDP预测研究

区域 GDP 的发展趋势是高速公路规划和建设的重要参考依据。 本文基于浙江省 197 8.至 201 9.年的 GDP 数据, 分析数据特性, 构建预测模型, 掌握发展规律。 首先, 将 GDP 数据转化为时间序列, 建立 ARIMA (2, 2, 0) 模型 ; 其次, 将 GDP 数据以滑动窗口的方式生成输入矩阵, 建立 BP 神经网络模型 ; 最后, 利用 ARIMA 分析 GDP 时序的线性部分, 利用 BP 神经网络分析 GDP 时序的非线性部分, 建立组合模型。 通过计算相对误差比较模型的预测效果, 三个模型的平均相对误差分别是 6.和 6.结果表明, 组合模型的平均相对误差最小, 预测效果最好     

自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。     

在建高速公路路堑高边坡在交工验收阶段的稳定性监测分析

在山区建设高速公路, 不可避免地会产生大量的路堑高边坡。 为了确保后期高速公路在运营期处于安全稳定的状态, 避免侧向高边坡由于滑坡而造成巨大的财产损失, 就需要对边坡进行交工稳定性验收, 确保其处于安全稳定的状态。 文章重点监测了边坡地表水平位移和垂直位移, 通过对监测数据的科学比对分析, 判定边坡的稳定性状态, 为高边坡交工验收提供技术支撑。     

低山丘陵区高速公路路堑高边坡稳定性分析

低山丘陵区域修建高速公路,路堑高边坡时有发生,其稳定性一直是工程界关注的热点问题。基于此考虑,依托低山丘陵区某高速公路路堑式路基工程实例,首先借助现场测试侧向位移和竖向沉降数据,分析边坡支护结构的位移变化规律;借助有限元分析软件ABAQUS,建立路堑式路基边坡三维数值模型,结合边坡稳定性分析的强度折减理论,对边坡的安全储备进行计算。研究结果表明:低山丘陵区路堑式高边坡采用坡底挡土墙和坡面肋拱式面墙后集成支护方案后,边坡变形整体较小,安全系数达2.9,证明护坡结构能够满足高速公路路堑式高边坡整体稳定性设计要求。研究成果能够为类似工程实践提供参考依据。     

数据挖掘技术在固定型交通检测器配置优化中的应用

结合固定型交通检测器空间配置的四条原则和配置密度优化步骤，提出固定型交通检测器配置优化的数据挖掘方法。设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对像，运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型，ARIMA预测模型及神经网络预测模型。采用网络搜索技术确定Winters模型参数，设计一种比传统ARIMA模型参数估计方法更精确的算法程序估计ARIMA模型参数，采用三项误差指标评价模型预测效果，根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案，研究结果表明：在保证满足ITS对交通参数精度要求的同时，通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本，为固定型交通检测器配置密度的优化提供了一种简单可行的新方法。     

山区高速公路隧道洞口边坡稳定性分析及防护研究

山区隧道洞口边坡的稳定性问题一直是我国高速公路建设和维护中亟需解决的重要问题。基于我国山区高速公路隧道洞口边坡影响因素的深入分析,以实际工程为例,采用FLACK3D软件对山区高速公路隧道洞口的边坡进行建模,通过分析隧道洞口边坡最大剪切应变、速度等线和位移等线得出影响隧道洞口边坡稳定的潜在区域,并提出了防护性措施。旨在为后续山区高速公路隧道洞口边坡的施工提供借鉴。     

某山区高速公路顺层边坡深孔监测及破坏机制分析

顺层边坡的治理是公路建设的一大难题,主要体现在滑动面不唯一,可能存在多级滑动面,滑动面的位置及边坡破坏范围随着边坡应力状态的变化而变化,依靠钻探和地表监测等常规手段很难准确判断边坡滑动面位置及边坡的稳定状态,因此,时常发生边坡治理工程失效的案例。本文选取某高速公路顺层岩质边坡作为研究对象,详细调查边坡变形破坏特征、对比不同应力状态下边坡破坏范围,在工程钻探和边坡地表位移监测等手段基础上,采用深孔动态监测的手段,通过连续的测量,准确的捕捉到滑坡岩土体微小的测向位移量,识别滑动面(带)的埋深位置、滑体的厚度,对滑坡的发展趋势进行预测,分析总结出该段边坡的变形机制,为下阶段的治理措施提供建议和思路。该顺层边坡在施工过程中发生多次垮塌,且破坏范围在逐步增大,研究表明,该边坡存在多层软弱夹层,滑动面位置位于软弱夹层处,边坡开挖,造成前缘临空,坡体沿软弱结构面发生滑动,滑动面位置随着边坡开挖逐渐加深,破坏范围也逐步增大,通过深孔监测分析,边坡目前处于蠕滑阶段,边坡在当前应力状态下的最深滑面埋深约26. 0~29. 5 m,变形机制为滑移弯曲-人工卸荷-滑移拉裂复合型机制,建议采用抗滑桩分级拦挡。     

广昆高速公路G80百色至罗村口段K822+460～K822+570边坡滑塌处治主要方法

针对广昆高速公路G80百色至罗村口段(下称百罗高速公路)K822+460～K822+570边坡滑塌工程,介绍了针对高速公路边坡滑塌现象采取的观察措施和处治技术,提出边坡处治可采用锚杆和锚索综合利用的方式。     

基于季节性ARIMA模型的河流观测点流量的时序分析

采用季节性ARIMA模型拟合1960~2009年某河流观测点流量。通过比较,得到ARIMA(1,0,0)×ARIMA(0,1,1)12模型,并用这一模型预测2010年1~12月的流量,预测效果显著。     

我国高速公路边坡植被防护现状与展望

为推动我国高速公路边坡植被防护技术的发展，首先，采用现场调查和GIS数据叠加分析法，探讨了我国高速公路边坡植被防护现状。通过对比分析植物种类、植被覆盖度等指标，指出影响不同区域边坡植被防护效果的关键因素为气候因素和地质地貌因素。在此基础上，分析发现目前我国高速公路边坡植被防护存在的问题主要体现在理论和技术应用等方面；不同区域高速公路边坡植被防护技术相似，但防护现状存在明显差异。最后，有针对性地提出未来的发展建议，明确未来应重点关注不同防护技术的适用性、植被选择和配置以及可持续植被管理等问题。     

西安市出生缺陷趋势数学模型预测研究

目的采用灰色预测模型、ARIMA自回归移动平均模型和NAR非线性自回归动态神经网络模型分别预测西安市出生缺陷率,探索出生缺陷的流行趋势和可能的未来走向。方法对2003-2015年在西安市各级开设产科的医疗保健机构出生的孕28周至生后7 d所有围产儿进行出生缺陷监测并收集资料。用2003年10月至2015年9月出生缺陷监测数据对西安市出生缺陷发生率数据分别构建数据模型,将同时期实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016至2017年每季度出生缺陷发生率。采用Excel软件进行数据录入,SPSS 16.0软件包进行统计学分析,Matlab软件进行灰色模型预测和神经网络模型预测,ARIMA自回归移动平均模型使用R软件进行预测。结果灰色预测模型提示2016至2017年度西安市各季度出生缺陷率(‰)分别为9.62、9.67、9.72、9.77、9.82、9.87、9.92、9.97,呈缓慢上升趋势。ARIMA模型预测显示2016至2017年度西安市各季度出生缺陷率(‰)分别为11.98、12.83、11.28、11.78、12.23、11.73、11.80、12.00,仍在较高水平相对狭窄的区间波动。NAR神经网络模型预测西安市出生缺陷率(‰)为13.24、17.91、10.55、16.08、16.47、9.42、11.99、11.68,在2016年到达出生缺陷率峰值,2017年相比2016年开始出现下降。比较3种模型对出生缺陷发生率的发展趋势预测,灰色预测模型、ARIMA模型、NAR模型的均方根误差分别为1.353 009、1.181 373、0.555 347。结论 NAR模型对出生缺陷数据预测更可靠,ARIMA模型次之,灰色预测模型误差相对较大;加强出生缺陷的预防和控制工作仍然是今后较长一段时间的公共卫生重点工作。     

全风化花岗岩边坡坡面降雨冲刷数值模拟分析

依托于广佛肇高速公路工程建设项目,运用有限元分析软件ABAQUS建立全风化花岗岩边坡数值模型,对比分析了边坡在降雨和降雨冲刷两种状态下的孔隙水压力、位移、安全系数、塑性贯通区,得出了坡面冲刷对边坡安全系数的影响趋势,并通过进一步研究坡面降雨冲刷过程中数值模型的塑性贯通区与降雨量之间的关系,对全风化花岗岩边坡30 a内的水土流失情况进行了预测,为后期的工程防护提供参考。     

基于GARCH的短时风速预测方法

为提高高速列车运行的安全性,基于线性递归的差分自回归移动平均模型(auto-regressive integrated moving average, ARIMA)和非线性递归的广义自回归条件异方差模型(generalized auto-regressive conditionally heteroscedastic, GARCH),提出一种组合模型ARIMA-GARCH进行高速铁路强风风速的短时预测.首先对数据的非平稳性进行预处理,以降低数据非平稳性对所提模型的影响;其次建立线性递归的ARIMA模型对数据进行分析和预测;最后,引入非线性递归的GARCH模型对数据进行分析和预测.基于现场测量的样本仿真分析表明:相比原始数据,ARIMA-GARCH模型的预测精度较高且随着预测步长的增加,平均绝对误差仅从0.836 m/s增加到1.272 m/s;ARIMA-GARCH模型考虑了异方差这一非线性特性,其预测精度明显好于线性的ARIMA模型,其中超前6步预测的平均绝对误差精度提高11.54%.      

钢管注浆与锚杆注浆在边坡加固工程的施工技术

在高速公路的建设过程中,常见的边坡问题对于工程的影响较大,因此,在施工期间,边坡的加固尤为重要。以张桑高速为例,介绍了钢管注浆与锚杆注浆技术在边坡加固中的应用。在注浆加固施工前和注浆加固期间,边坡处于蠕滑状态,位移量持续增加;边坡注浆加固完毕后,监测数据显示,边坡基本没有发生变形,处于稳定状态,注浆加固效果得到验证。     

考虑多特征的高速公路交通流预测模型

为准确预测高速公路交通流，缓解高速公路交通拥堵现象，本文提出一种考虑多特征的高速公路交通流预测模型。首先将高速公路当前道路与上下游的交通流、天气等数据转化为一个二维矩阵，并利用滑动窗口模型获得输入样本的最佳长度；然后将样本数据输入集成深度学习模型训练并提取交通流数据的特征，随后输出预测结果；最后，将某高速公路交通流数据用于工作日和节假日两组实验。结果表明：集成深度学习模型比单一模型预测高速公路交通流的效果要好，工作日的高速公路交通流预测精度远高于节假日，本文模型将平均绝对误差由 6.40辆·(20 min)-1 降到5.450辆·(20 min)-1，说明考虑多种因素可以提升高速公路交通流预测精度。