RBF神经网络在公路工程GPS高程转换中的应用

结合公路工程实例,通过RBF神经网络模型与二次曲面拟合、三次曲面拟合的对比分析,表明RBF网络进行GPS高程转换是可行的,且具有良好的精度。     

RBF神经网络在公路工程GPS高程转换中的应用

结合公路工程实例,通过RBF神经网络模型与二次曲面拟合、三次曲面拟合的对比分析,表明RBF网络进行GPS高程转换是可行的,且具有良好的精度.     

基于BP神经网络的GPS高程拟合方法的探讨

为了提高GPS高程测量的精度，提出了基于BP神经网络的GPS高程拟合方法，并以2座特大桥控制网数据为例，与常规多项式曲面拟合方法进行了比较．理论和实例证明，利用BP神经网络进行GPS高程拟合是可行的。尤其是在已知点较少的情况下，该方法具有实际意义．     

中国干线铁路轨道谱的拟合方法

为获得能够合理表征中国干线铁路轨道不平顺特征的轨道谱,提出了一种轨道谱拟合方法。根据轨道不平顺检测数据计算实测轨道谱,对实测轨道谱进行平滑与插值预处理,采用直接剔除法、三点逐段平均法和包络平均法消除计算轨道谱波形上出现的较大凸凹波形,应用3次样条插值法提高拟合的精度,利用非线性最小二乘优化算法拟合轨道谱。拟合结果表明:所提出的拟合方法是可行的,拟合谱能够较好地反映中国干线铁路轨道的不平顺特征。     

山区公路回头曲线的车道偏移行为与自由行驶轨迹模型

为揭示山区公路回头曲线路段的车道偏移行为和轨迹特征，建立了自由行驶轨迹模型；在一条山区复杂线形公路上开展了实车驾驶试验，使用高精度车载设备收集自然驾驶状态下的车辆行驶轨迹、速度和偏移数据；基于轨迹相对位置曲线定义了回头曲线路段左右转车辆的自由行驶轨迹模式；以曲线转角180°为界，建立了回头曲线路段车辆相对位置拟合模型，设计了基于偏移量的自由行驶轨迹计算方法，并以其他道路的回头曲线作为算例进行模型验证。研究结果表明:回头曲线左转车辆呈现出4种轨迹模式，右转车辆呈现出3种轨迹模式；车辆轨迹在回头曲线的入弯、弯中和出弯阶段均出现了较大的偏移，偏移量大于40%，此时车身侵占对向车道，不同的轨迹模式具有不同的偏移特征；不同位置所对应的速度与偏移量的分布较离散，当速度折减小于6.5 km·h-1时，驾驶人可以通过占用对向车道来降低回头曲线行驶时的速度折损；基于横向偏移量建立的不同曲线转角下的轨迹拟合模型中，当回头曲线转角约为180°时，拟合模型的精度最大，左转拟合精度介于0.90~0.97，右转拟合精度介于0.65~0.97；当回头曲线转角大于180°时，拟合模型最大拟合精度0.97发生在右转，当回头曲线转角小于180°时，拟合模型最大拟合精度0.89发生在左转。可见，本文建立的轨迹模型具有较强的适用性，可为山区公路回头曲线的行驶轨迹预测提供手段和方法。      

用RBF网络拟合船舶型线

采用ＲＢＦ神经网络拟合船舶型线，提出了适合船舶型线拟合的ＲＢＦ中心点集的选取方式，与ＢＰ网络相比大大提高了学习速度和精度，用幂函数和圆函数检验本方法拟合曲线的精度，充分证明本方法拟全船舶型线是实用可行的。文中给出了拟合某船舶横剖线的实例。     

灰色代数曲线模型在交通量预测中的应用

灰色GM模型对于非线性系统问题的处理显得较为薄弱,而交通系统是一种复杂的非线性灰色系统,用灰色GM模型进行预测,精度必然得不到保证。本文为解决这一缺陷,提出采用灰色代数曲线模型预测交通量。实例分析表明,灰色代数曲线模型的拟合精度好于灰色GM模型,用灰色代数曲线模型预测交通量是可行的。     

考虑多前车作用势的混行交通流车辆跟驰模型

基于自动驾驶车辆(AV)和常规人驾车辆(RV)混合行驶的情况，在全速度差(FVD)模型的基础上考虑了多前车和一辆后车的车头间距、速度、速度差、加速度差等因素，建立了适用于AV和RV 2种车辆的混行车辆跟驰模型；引入分子动力学理论定量化表达了周围车辆对主体车辆的影响程度；利用RV和AV混行场景跟车数据，以模型拟合精度最高为目标，对所有参数遍历寻优，进行标定；对比分析了混行车辆跟驰模型和FVD模型控制下交通流的稳定性，解析了车速对交通流稳定性的影响；设计了数值仿真试验，模拟了城市道路和高速公路2种常见场景，分析了混行车辆跟驰模型的拟合精度。研究结果表明:考虑周围多车信息有利于提高交通流的稳定性；车辆速度越低交通流稳定性越差；考虑多车信息的分子动力学混行车辆跟驰模型可以提前获得整个车队的运行趋势，更好地模拟AV的动力学特征；与FVD模型相比，在城市道路条件下混行车辆跟驰模型中的RV平均最大误差与平均误差分别减小了0.18 m·s-1和13.12%，拟合精度提高了4.47%；与PATH实验室的ACC模型相比，在高速公路条件下混行车辆跟驰模型中的AV平均最大误差和平均误差分别减小了7.78%和26.79%，拟合精度提高了1.21%。可见，该模型可用于混行环境下AV的跟驰控制与队列控制，以及AV和RV的跟驰仿真。      

SCGM(1，1)简化模型及应用

在ＳＣＧＭ（１,h)模型的基础上给出了ＳＣＧＭ（１,１）简化模型,所给模型的计算量少,因而建模速度快,特别适用于快动态过程,作为示例,文中将此模型应用于我国研究生人数预测,获得了较高的拟合精度和预测精度。     

GPS在铁路线路高程控制测量中的应用研究

本文比较了双Ｂ样条拟合法、曲线拟合法和曲面拟合法的拟合精度，研讨了拟合模型的优选问题，得出了一些有益的结论。两个实际工程验证表明，由本文提出扔双Ｂ样条拟合法既可用于面状测区拟合，又可用于线状测区拟合，比较灵活，拟合精度也比较好。     

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。     

基于无缝分区技术的似大地水准面精化方法

为提高似大地水准面模型的精度,改善常用二次多项式拟合模型的缺点,提出基于无缝分区技术和二次曲面拟合相结合的似大地水准面精化方法,并利用江苏省C级全球定位系统(global positioning system, GPS)水准网数据进行工程试验验证。结果表明:与二次多项式模型相比,该方法的精度提高了80%,证实了其在工程应用中的有效性。     

多面函数法在GPS高程拟合中的应用

为了改善GPS大地高向正常高转换的精度,在局部区域内,建立多面函数模型进行高程拟合,可以达到较高的精度。文中利用多面函数模型进行高程拟合,除选取分布均匀的GPS水准联测点外,还对核函数形式的选取做了详细地分析,并与高程拟合中常用的二次曲面拟合法做了对比,进行了精度分析。     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

数字地面模型的曲面拟合建模方法

将飞机，汽车，造船领域机助设计中曲面拟合的理论与方法运用于路线CAD设计中数字地面模型（DTM）的建模，是一个值得探讨的课题，笔者研究了基于曲面拟合思想的创建数字地面模型的方法，阐述了该方法的基本原理，步骤和程序设计，并结合示例进行分析，证明了这一方法不仅可行，而且具有方便迅速的特点。     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

基于离消度和IOWA算子的组合预测模型

引入诱导有序加权平均(IOWA)算子,建立以离消度为准则的变权组合预测模型。通过对粮食产量数据进行预测,依据绝对百分比误差和均方根误差对3种不同的组合模型预测结果进行比较。结果表明:文中提出的基于离消度和IOWA算子的组合模型能够提高样本的预测精度,在实际预测中是可行有效的。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

对GPS高程拟合精度的探讨

全文分析了GPS高程系统与我国现行高程系统的区别与联系；叙述了GPS高程拟合常用方法(多项式曲面拟合)。对影响GPS高程拟合精度的因素进行分析，提出了提高精度的方法。     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.