短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

汽车操纵稳定性主客观评价数据的一种处理方法

汽车操纵稳定性主客观评价之间的相关性分析是汽车技术的重要课题。提出了汽车操纵稳定性主客观评价数据的一种处理方法．通过回归分析筛选客观参数，运用BP神经网络建立相关性模型，验证结果说明了该方法的可行性。     

非港湾式停靠站对路段通行能力的影响研究

分析了路段上非港湾公交车站对路段通行能力有影响的6个因素,在实地调查的基础上,运用VISSIM进行试验仿真,得到大量数据,定量分析了各影响因素对路段通行能力的影响。建立神经网络模型对仿真数据进行分析,得到一组权值和偏差矩阵数据,通过该数据以及神经网络模型,可以在不同条件下,得到非港湾停靠站对路段通行能力的影响系数。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

利用BP神经网络反算土基回弹模量研究

根据三层BP神经网络和层状弹性理论体系,结合FWD研究土基回弹模量的反算。通过利用反算的土基回弹模量,比较了理论和实测土基顶面的弯沉值,从而发现所建立的神经模型有很好的识别能力和泛化能力,其模型可作为评价土基回弹模量的有效途径。     

曲率模态和神经网络在损伤识别中的应用

以连续梁为例，通过曲率模态及改进后的模态置信准则联合确定损伤位置，并使用神经网络判定各损伤处的损伤程度。数值模拟考虑了梁不同位置及不同程度损伤情况，研究了运用曲率模态和模态置信准则进行损伤和损伤位置的识别，分析了各自方法的优缺点，通过两种方法的联合运用，使损伤位置识别准确、合理，并且说明了1阶曲率模态的局部参数是损伤程度识别较优的网络输入量，最后运用神经网络识别损伤程度。     

基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析

应用BP神经网络，对混凝土预制桩单桩竖向极限承载力进行预测，并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析，确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样，将包含上述参数的样本与单桩竖向极限承载力形成数据对，采用三层神经网络进行训练，输入层为各参数，输出层为单桩竖向极限承载力，建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明，所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力，通过参数分析，能够得出各参数对单桩竖向极限承载力的影响规律，从而确定比较合理的单桩设计参数。