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。     

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。     

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.     

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.     

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。     

沥青路面性能预测模型研究

沥青路面性能预测模型的形式较多,为了使模型选择更合理,结合工程实例,分析讨论了S型模型、多项式模型、指数型模型及马尔可夫概率型模型的预测效果及模型适用性。研究结果表明,每一类模型都有其适用性和局限性,但S型模型表现出较好的综合预测性能,同时,应用简单方便,具有更普遍的适用性。     

龙潭河特大桥徐变效应计算

采用国内外几种主要的徐变预测模式,以龙潭河特大桥为实例,运用Midas／Civil建立有限元模型,对该桥在施工过程中及成桥后的变形作出预测。分析比较了各种模式的预测结果。     

城市交通系统汽车燃油消耗宏观预测方法——以苏州为例

通过在苏州进行的城市交通系统汽车燃油消耗试验,分析了城市交通系统中影响汽车燃油消耗的诸因素。在对试验数据分析的基础上,建立了城市交通系统燃油消耗宏观预测模型,提出通过城市交通与用地协调发展、交通工程改善、市民错时上下班、公共交通优先等政策和手段降低汽车油耗,减少能源使用,改善城市环境,形成集约型城市交通体系,最终实现城市的可持续发展。     

城市轨道交通网络新线接入后的客流预测

城市轨道交通网络新线接入后,网络拓扑结构和客流时空规律都将发生较大变化。提出通过可达性指标将进出站量预测、OD分布量预测、基于路径选择模型的随机客流分配等阶段关联,构建客流预测模型。进出站量预测时,构建土地利用替代指标,避免对新车站周边土地利用、社会经济属性等进行调查;同时由目的地选择效用计算得到车站可达性指标,描述车站位置对进出站量的影响。OD分布量预测时,构建目的地选择模型,可适应拓扑变化后的场景,模型中OD可达性指标由路径选择效用计算得到。构建的路径选择模型,综合考虑了影响乘客路径选择的各因素。最后,对广州市地铁6号线接入后的客流进行建模预测,各模型参数均符合统计检验要求且客流预测精度较高。