基于广义线性模型的高速公路事故预测能力对比研究

为了寻求能够高效拟合事故数据的模型,提高高速公路交通事故预测的能力,以广东省京珠、粤赣以及开阳高速为研究对象,收集整理了共4657起交通事故及相关影响因素数据,通过路段划分得到5573个交通事故建模样本.基于系统聚类及四分位数法,筛选交通事故数据中的异常值,剔除了建模样本中的离群样本;基于方差膨胀因子法,对模型的解释变量进行共线性诊断,对存在共线性问题的解释变量进行了处理.分别对负二项(NB)、零膨胀负二项(ZINB)及Tobit模型进行变量筛选,分别确定了16,24,16个解释变量;基于模型变量筛选结果,利用交通事故数据样本,完成了NB,ZINB及Tobit模型的建模.分析对比了NB,ZINB及Tobit模型的拟合效果及预测能力,结果显示,在模型的事故预测能力方面,当交通事故数据中存在大量零值,NB,ZINB及Tobit模型经过K折交叉检验计算得出的PRESS值分别为2185,2239,4442,表明Tobit模型预测能力最优,ZINB模型其次,NB模型再次.      

换热器中析晶垢结垢过程的预测模型

通过对换热器中析晶垢结垢过程的传热特点与结垢机理的分析,证明了要正确描述结垢行为,必须考虑结垢过程与温度场的耦合问题.提出了考虑这一耦合作用的描述结垢过程的预测模型,通过数值积分方法可以得到换热器不同位置处在任意结垢时间的污垢热阻,与实验数据比较表明,模型预测是可靠的.     

神经网络在混凝土断裂能预测中的应用

通过神经网络中最广泛使用的BP网络建立预测模型,预测混凝土的断裂能。对模型的预测值与试验数据及已有的数学预测公式的预测值进行了比较。研究表明,神经网络方法由于综合考虑了更多的混凝土断裂能影响因素,而且能够实现非线性关系,所以具有较高的预测精度。神经网络预测模型在混凝土断裂能预测中具有广阔的应用前景。     

传统灰预测方法的改进及在桥梁工程中的应用

基于传统等间距灰预测模型GM（1，1），提出一点改进措施，从而提高灰预测精度，并用于桥梁施工过程有关量的预测。     

台背路基最终沉降变形的灰色预测

运用灰色理论对台背路基最终沉降变形进行了预测，预测过程建立在数学基础之上，具有较高的精度和使用价值。     

神经网络预测模型及其应用

在社会、经济的各个领域,大量的决策问题离不开对变量未来值的预测。近年来,人工神经网络(以下简称神经网络),作为一种新的预测技术已逐步受到人们的重视。本文首先对人工神经网络作一简要的介绍,然后,详细描述神经网络预测模型;最后,介绍一个用神经网络方法预测油轮运费率的成功例子。     

灰色预测模型GM（1，1）在集装箱运量预测中的应用

章主要0探讨了灰色模型在集装箱运量预测中的应用，首先建立了基于灰色预测理论的GM（1，1）模型，并用其分别对两岸经香港集装箱运量、两岸定点直航集装箱运量和两岸直航集装箱运量进行了预测，预测结果是可信的。     

高铁盐渍土地区溶陷特性的预测模型及因素敏感性分析

近年来,高速铁路在西北地区建设中遇到大量的盐渍土路基,而盐渍土路基很容易发生溶陷变形,这对高速铁路的平顺性有着极为不利的影响。结合兰新铁路第二双线的盐渍土溶陷病害实例,使用改进的普通固结仪开展单因素溶陷试验,以其试验结果为基础,通过正交设计方法开展多因素交互作用下的盐渍土溶陷试验;采用SPSS软件对试验结果开展逐步回归分析,并根据分析结果中方差大小,消除不显著因素,建立溶陷系数简化预测模型,并对所得预测模型进行验证,确定影响氯盐渍土溶陷预变形的因素敏感性。研究结果表明:影响盐渍土的溶陷系数的敏感性因素由高到低排序依次为压实度,轴向压力,含盐量以及轴向压力与压实度的相互作用,影响所占比例分别为0.463,0.172,0.140,0.092。