公路货运量灰色模型—马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合,首次提出了灰色模型—马尔可夫链预测公路货运量的方法;并结合"十五"期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1,1)灰色动态拟合模型,并以此作为公路货运量发展变化的动态基准线模型;在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算,最终以概率形式分析和预测公路货运量的发展变化区间。理论分析和实践都表明,该法不但预测结果更可靠,而且能够对公路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。     

基于粒子群改进灰色马尔可夫模型的公路路基沉降自适应预测

针对公路路基沉降具有随机性和复杂性的特征,提出了一种粒子群改进灰色GM(1,1)-马尔可夫模型的路基沉降自适应预测方法。利用马尔可夫模型修正传统灰色GM(1,1)预测模型的残差,并提出粒子群算法来计算最优的马尔科夫链残差模型的白化系数,开发了路基沉降的粒子群灰色马尔科夫链自适应预测模型框架。以某公路路基沉降实测值为例,对比分析了其他两种改进灰色模型方法,结果表明本文算法误差均值仅为1. 48%,比其他两种方法分别降低了64%和29%,且精度等级达到一级。随着公路路基沉降数据量的增加,本文提出的模型预测精度进一步增加,自适应能力强,具有良好的推广性。     

公路货运量灰色模型-马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合，首次提出了灰色模型-马尔可夫链预测公路货运量的方法；并结合“十五”期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1，1)灰色动态拟合模型，并以此作为公路货运量发展变化的动态基准线模型；在此基础上应用马尔可夫链确定系统状态转移概率矩阵，通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算，最终以概率形式分析和预测公路货运量的发展变化区问。理论分析和实践都表明，该法不但预测结果更可靠，而且能够对公路货运市场的发展趋势进行宏观的把握，有利于决策者的决策行为。     

基于灰色理论的道路交通事故预测模型综述

交通事故预测模型是进行交通安全控制的关键问题之一。重点介绍了目前几种主要的基于灰色系统理论的道路交通事故预测模型:基本灰色预测GM(1,1)模型、残差灰色预测模型、灰色Verhulst预测模型、灰色马尔可夫预测模型、灰色神经网络预测模型,并指出各模型的适用条件和优缺点,为相关研究提供参考。     

灰色模型在路基沉降预测中的研究及应用

以湖南益马高速公路典型路基断面实测数据为研究对象,采用GM(1,1)和Verhulst两种灰色系统模型对沉降数据进行建模分析,得到不同维度下拟合公式的预测值及c值,并据此分析了预测精度以确定最佳维度;在最佳维度下计算了两种模型所得预测数据的拟合误差,进而确定了两种模型的适用预测时间。结果显示:在最佳维度7下,灰色模型GM(1,1)可用于路基沉降4个月内的预测;Verhulst模型可用于路基沉降14个月内的预测,其预测结果可为后续施工组织提供参考。     

基于灰色-马尔可夫模型的道路PCI预测方法

本文利用马尔可夫模型修正传统灰色GM(1,1)模型的残差,建立基于时间序列的路面PCI动态预测模型;并利用MATLAB软件开发了灰色-马尔科夫链预测模型框架,实现了路面PCI滚动动态预测。将预测模型应用到某高速公路PCI预测中,结果表明该模型的预测能力强,比传统灰色GM(1,1)模型的预测精度更高,能满足实际工程需求。     

道路交通事故灰色马尔可夫预测模型

在道路交通事故灰色预测的基础上，引入马尔可夫链预测理论，建立道路交通事故灰色马尔可夫预测模型。道路交通事故灰色马尔可夫预测兼有灰色预测和马尔可夫链预测的优点，模型克服了随机波动性数据对道路交通事故预测精度的影响，拓宽了灰色预测的应用范围。实例计算证明：道路交通事故灰色马尔可夫预测模型预测精度高于GM(1，1)模型预测精度，模型可以用于道路交通事故预测。     

采用灰色-马尔可夫耦合模型预测古树屋边坡变形

基于预测拟合值和实际监测值的相对误差划分不同的预测状态,利用马尔可夫链对灰色GM(1,1)预测值进行修正,计算得到边坡变形的范围和相应的预测值。以古树屋开挖边坡为研究对象,利用耦合模型对其变形进行预测,得到边坡的变形预测值为57.006 0 mm,预测的变形范围大小在56.845 8～61.755 4 mm之间。实例分析结果表明:与线性回归模型以及单纯灰色模型预测结果比较,采用灰色-马尔可夫耦合模型对开挖边坡变形进行预测的结果精度较好,且能较准确地预测边坡变形大小的范围。     

张桑高速公路路基沉降预测方法研究

以张桑高速公路3个典型路基断面实测数据为研究对象,采用灰色GM(1,1)、Verhulst和非等时距UGM(1,1)三种模型对各断面的沉降数据进行了拟合及预测,根据计算结果确定了各阶段最适宜的预测模型并利用该模型对各断面的工后沉降进行了预测。结果表明,Verhulst灰色模型模拟和预测精度更高,适用于路基断面的中长期沉降预测,预测结果可为路基施工提供参考。     

GM（1，1）模型在长沙绕城高速公路软土地基沉降值预测中的应用

通过路基填筑过程所获得的有效获信息有限,缺少较准确的描述,符合灰色系统理论最少信息原理特征,因此凭借对灰色预测模型最核心的 GM（1,1）模型的研究,建立合适的灰色预估模型来对沉降进行预测。通过模型计算与现场实测的比较,结果表明：GM（1,1）模型可用于沉降值的预测,计算精度较高。     

非线性耦合模型在桥梁桩基沉降预测中的应用研究

通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。     

路基沉降趋势的组合预测方法研究

路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。     

BP神经网络在振冲碎石桩复合地基承载力预测中的应用

在分析振冲碎石桩复合地基承载力影响因素的基础上，结合江苏某高速公路工程的振冲碎石桩承载力试验结果，利用BP神经网络强大的非线性映射能力，建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明:利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的。     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

基于ELMAN网络的交通流量差值预测模型

利用ELMAN神经网络，采用相关站点历史数据逼近的方法，建立了流量差值预测模型；采用主成分分析法确定神经网络输入参数；运用叠加噪声法对神经网络模型进行了泛化处理。预测模型能反映流量差值的变化趋势。     

BP神经网络在女性假人颈部标定试验中的应用

采用BP神经网络代替响应曲面法的多项式函数,建立了基于BP神经网络的女性假人颈部减速特性模型.该模型以摆锤冲击速度、标定温度、蜂窝铝孔数、蜂窝铝切割形式为输入,10ms时刻颈部减速度为输出,实现了颈部减速特性的拟合预测功能.两种方法的预测结果表明,基于BP神经网络法的预测误差最大值为0.04m/s,而响应曲面法的预测误差最大值为0.05 m/s.     

软基路堤最终沉降的人工神经网络预测

针对软基土路堤最终沉降预测这一技术难题,先对影响路堤最终沉降的主要因素进行了分析,接着提出了带偏差单元的神经网络模型。工程实例验证表明:该模型预测精度高、简便易行,可为软基路堤沉降的预测和计算提供方法上的参考。     

基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

为研究高寒地区设置中心深埋水沟单线铁路隧道的围岩力学参数问题,以兰新铁路新建博州支线阿拉套山隧道为工程背景,基于FLAC3D数值模拟软件联合MATLAB中的神经网络工具箱构建BP神经网络算法,建立隧道开挖位移正演和反演模型,对围岩物理力学参数作反演分析。通过对中心水沟开挖前的拱顶和拱腰监测数据做拟合分析,发现隧道变形已趋于稳定,反演过程不需考虑中心水沟开挖对围岩的二次扰动。以水沟开挖前的拱顶沉降值和拱腰收敛值作为输入函数,以围岩的体积弹性模量K、剪切弹性模量G、黏聚力c、内摩擦角φ、重度γ作为输出函数训练神经网络模型,利用训练好的模型进行所需参数的反演分析。将反演参数代入FLAC3D正演模型计算后,提取中心水沟开挖前的拱顶沉降值和拱腰收敛值,与中心深埋水沟开挖前的实际监控量测值相比较为接近。结果证明,围岩物理力学参数的反演较为合理,对于变形的预测较为准确,可为隧道后期工程的施工和优化设计提供参考。     

神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量     

人工神经网络在预测软基沉降中的应用研究

依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型,利用已建高速公路沉降数据,进行了软土地基最终沉降量的预测,取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。