基于模糊数学的公路交通量预测方法

在交通量资料少、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个参数不容易直接确定,而相关参数如人口、经济、汽车保有量等与之相关性有不同的权重。针对于此,主要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。     

基于灰色系统的高速公路沥青路面综合使用性能预测

以京沪高速公路(河北段)沥青路面使用性能评价为例进行研究。分析了影响沥青路面使用性能的主要因素。选取了2007～2011年路面使用性能各项指标数据和交通量,建立了GM(1,N)模型,预测了京沪高速公路(河北段)2012～2016年沥青路面使用性能各分项指标,误差检验表明,预测精度较高。通过预防性养护前沥青路面单项指标衰变曲线分析,得到了沥青路面综合使用性能指标,为确定预防性养护时机提供了依据。     

浅谈施工企业中项目的成本管理

施工企业中项目成本管理至关重要,详细介绍了成本预测及成本管理的内容。     

基于Gompertz曲线和三次指数平滑法的货运量组合预测

在简单介绍Gompertz曲线拟合法和三次指数平滑法两种单项货运量预测方法的基础上,引用最优加权组合建模理论,以预测误差的平方和最小为目标函数来确定最优权重系数,建立组合预测模型.以1999～2010年京杭运河苏北段货运量的统计数据为基础,运用所建立的组合预测模型对2015～2035年京杭运河苏北段的货运量进行预测.预测结果表明,组合预测方法是有效的、可靠的,并且预测精度比单一预测方法有很大的提高,该方法具有很好的实用价值.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

安康市江南老城区停车问题研究

以安康市江南老城区为研究对象,对老城区内的停车问题进行了分析研究,提出了停车发展策略、配建指标及停车场选址布局建议,以期解决停车问题,并为城市交通的可持续发展提供一种借鉴。     

地质雷达在黄土隧道中做超前地质预报的应用研究

超前地质预报是根据地表和已开挖隧道的地质调查和各种探测方法取得的资料,以及地质推断法预测开挖工作面前方一定长度范围内围岩的工程地质和水文地质条件。隧道施工时应根据设计图纸和现场具体情况做好地质超前预报工作,并及时反馈预报结果,以便修改支护参数或开挖方式,确保施工和营运的安全。     

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SVR的区域交通碳排放预测研究

基于STIRPAT模型,选择旅客周转量、货物周转量、人均GDP、机动车保有量、碳排放强度、能源结构和城市化率7项指标作为我国区域交通碳排放影响因素,建立基于支持向量回归机的碳排放预测模型,并以1990-2016年北京市交通碳排放相关数据为基础数据做实例分析.结果表明：训练样本交叉验证均方误差仅为 0.008 040,得到参数C和γ的最优值;模型预测值与真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.984 2和0.995 0,即模型具有良好的学习和推广能力;未来区域交通碳排放增长趋势逐渐变缓,但总量将继续呈上升趋势,社会仍然面临较大的温室气体减排压力.