基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

基于BP神经网络的DSS焊接应力和收缩变形预测研究

针对川东造船厂化学品船建造中使用特种钢——2205双相不锈钢(DSS),在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的BP神经网络预测模型,并与多元线性回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系。预测结果表明,BP神经网络比多元线性回归在预测精度和泛化能力上都有很大的提高。     

基于现代设计方法的柴油机振动特性研究

利用现代设计方法,在某车用柴油机振动激励力分析的基础上,开展了整机振动响应特性的仿真分析,获得了柴油机整机的预期振动结果,通过与台架整机振动试验结果对比,两者误差小于10%,达到了工程应用的要求,同时也说明采用预测设计分析的方法预测柴油机整机振动是合理可行的。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

常州市快速路系统规划的回顾与思考

常州的快速路正在大规模地建设之中,该文主要描述了整个快速路系统的规划,并对未来快速路的建设提出了几点思考。     

中国汽车市场中的“R值规律”及应用分析

针对中国汽车市场未来的容量问题,根据汽车发展先导国的经验（即新车注册数与R值都存在一定的关联）,通过回归分析,建立了新车注册数和R值之间的经验模型.讨论经验模型的使用范围,对其进行适当的分段处理,发展成为汽车容量预测模型,使其能够针对中国不同地区经济发展状况运用不同的预测参数.运用这套预测模型,给出了中国乘用车未来10年的汽车需求量.     

基于运行速度的高速公路线形连续性设计

在论述运行速度概念的基础上分析影响运行速度的因素．建立运行速度预测模型并运用运行速度评价高速公路线形指标连续性的标准,提出运用运行速度来对高速公路线形指标进行校核与验证的方法。该方法能够很好地优化线形,保证高速公路线形指标的连续性,提高高速公路的安全性。     

区域交通预测中土地利用模型的研究

根据区域交通运输的特点,研究区域节点的土地利用状况与节点间交通需求二者之间的直接关系,改进以往区域交通需求预测方法中节点土地利用模型,建立区域中各节点的土地利用状况与区域中节点间交通量直接相关的两步式区域节点土地利用模型,即按照＂土地利用-交通需求预测＂的程序建立区域节点土地利用模型,可优化预测过程,提高预测精度。     

基于模糊数学的公路交通量预测方法

在交通量资料少且规律性不强的情况下,设计年限内平均日交通量和交通量年平均增长率两项参数不易直接确定,而与之相关的参数如人口、经济、汽车保有量等有着不同的权重。鉴于此,利用模糊数学和线性规划的有关理论,通过模糊预测模型对某地区的交通量进行预测,并根据不同的影响因素,采用不同的权重对其进行交通量分配。实例分析表明,该方法更加客观、合理,具有一定的应用价值。     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.