灰色理论在沥青路面质量控制中的应用研究

分析沥青路面工程项目的质量特点和现行质量控制中数理统计方法的局限性后,提出了一种基于灰色系统理论的沥青路面质量控制方法,建立了GM(1,1)模型,并对模型精度进行检验,针对沥青路面施工过程中的实际情况,引入新陈代谢预测模型的概念,对GM(1,1)模型作了适当的修正,使得模型具有更强的适应性和更好的预测效果.     

预防性养护技术在辽宁省高速公路路面维修中的意义

通过对近年来我省高速公路路面检测数据和工程实例的分析,提出选择适当的时机进行预防性养护,同时建立预测模型,以延长路面使用周期、降低全寿命周期费用,长期保持高速公路的良好服务水平。     

居民公交出行OD预测研究

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

道路交通噪声计算机仿真模型

提出一种可用于计算道路路侧交通噪声的计算机仿真模型.将实测的车辆速度、类型和到达时间等微观交通数据作为输入量,利用车辆行驶模型更新车辆各仿真时刻的运行状态,借助车辆噪声模型计算车辆单体对测点的贡献值,进而求解整个车流的噪声值.该模型不但可以全面反映交通噪声起伏变化的时间分布特征,而且还可以预测和分析复杂交通条件下的噪声指标.通过实测数据对比分析,证明模型预测结果与实测数据吻合良好,预测精度为-0.4±1.0 dBA.     

Richards生长曲线模型在PCC桩复合地基沉降预测中的应用

以某绕城公路拓宽工程长期观测资料为基础,探讨了Richards生长曲线模型在PCC桩复合地基沉降预测中的应用,并与指数模型、幂函数模型、平方根模型、双曲线模型、对数模型、成长曲线模型等回归参数模型预测结果进行了对比。工程实例表明,Richard生长曲线模型能很好地预测PCC桩复合地基的沉降规律,预测精度比其他回归参数模型高,对实际工程具有一定的指导意义。     

高填路基沉降灰色预测模型的新方法与应用

将确定积分常数的方法分为3种:1)通过建模数据序列的第一点确定积分常数;2)通过建模数据序列的最后一点确定积分常数;3)通过建模数据序列拟合误差最小点确定积分常数。并分别对湖南省邵怀高速公路高填路基沉降观测的6组数据进行了预测,通过对预测结果的对比分析,提出了根据建模数据选择曲线类型的方法。在预测中对部分数据进行了光滑性检验,对于不满足光滑性条件的2组数据采用累计沉降来建立路基沉降灰色系统预测模型,可使高填路基沉降量预测准确度显著提高。     

宁波典型天气的沥青下垫面日极值温度预测

根据宁波地区气象观测站的气象要素和沥青下垫面的温度观测资料,利用多元线性逐步回归方法,得到了晴天、少云、多云和阴雨天气条件下沥青下垫面的日最高温度、最低温度与气象要素特征值的多元回归模型。结果表明:晴天、少云、多云和阴雨天沥青下垫面的日最高温度主要与日最高气温、日太阳总辐射和日平均风速相关;日最低温度与日最低气温线性相关。经检验,模型的预测温度与实测温度相关系数平方在0.91~0.98之间。预测模型对宁波地区沥青层结构物表面的极值温度预估具有一定的参考价值。     

基于改进RBF神经网络对股价的演变预测

对RBF神经网络进行了分析,建立了RBF神经网络模型,并对此模型进行了改进,使其具有更好的预测性能.把一类非线性较强的时间序列(万科A股2009年6月份股票价格)利用该模型进行了非线性逼近.用Matlab软件对网络的学习与训练过程进行了数值仿真.实验结果表明:利用改进后的网络模型对非线性时间序列进行短期预测是可行的,其预测精度高于改进前的预测精度,改进方法有效.     

支持向量机在道路交通事故预测中的应用

通过对道路交通事故相关指标的分析,选取万车死亡率、十万人口死亡率作为指标集合,建立的基于支持向量机的道路交通事故预测模型,经10年的道路交通事故相关数据的训练和测试,其准确性得到了验证。     

基于神经网络与马尔可夫链的换道次数预测方法

为在先验数据有限情况下较精确地预测道路换道次数,提出基于神经网络与马尔可夫链的组合预测模型。采集路段区间平均车速和车流密度,采用BP神经网络训练初步拟合模型;运用马尔可夫链方法,进一步给出换道次数在表示高估、正常、低估的3组区间内的分布及概率,改善BP神经网络误差。运用组合预测模型对西安市某道路的换道次数进行了预测分析,结果表明,实际换道次数均在模型给出的较大概率的预测区间内,表明模型能够根据路段区间平均车速和车流密度较好地预测换道次数。