共查询到18条相似文献,搜索用时 230 毫秒
1.
人工神经网络在预测高速公路路基沉降中的应用 总被引:5,自引:0,他引:5
人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中.重点介绍了ELMAN模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值. 相似文献
2.
3.
目前高速公路交通预测方法侧重分析跨区域间的公路交通需求,难以有效反映高速公路进入城市连绵建成区后,其承担的城市交通对交通量的影响,既有公路交通量预测方法不大适用于城区段高速公路交通量预测。对公路交通量预测方法进行改进,建立了适用于城区段高速交通量预测的传统公路交通量预测方法和城市交通预测方法相结合的组合预测方法。组合预测方法以成熟的城市交通预测流程为基础,交通生成和交通分布阶段采用两种方法分别平行进行预测。在交通分布/交通方式划分阶段,利用公路交通量预测方法预测所得项目影响区车辆OD矩阵,对城市交通规划模型获得的分车型OD矩阵进行校正。最后利用校正后的OD矩阵在城市交通规划模型中进行分配得到预测结果。该预测方法已应用于广深沿江高速沙井互通工程可行性研究交通量预测。 相似文献
4.
5.
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。 相似文献
6.
7.
8.
9.
10.
用人工神经网络预测高速公路软土地基的最终沉降 总被引:22,自引:1,他引:21
采用人工神经网络较强的非线性映射能力和学习能力,提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因而具有广泛的工程实用价值。 相似文献
11.
基于GM-GRNN国家高速公路网规模预测研究 总被引:2,自引:0,他引:2
通过对国内外公路网规模研究的分析,指出了传统预测方法的不足。针对我国公路网规模预测中样本量少、数据干扰大的特点,首次引入资源承载力和地理特征影响系数概念,在充分考虑各种可量化因素的基础上,提出了GM-GRNN公路网规模预测模型,即是将灰色预测方法和人工神经网络中的广义神经网络相结合的预测方法,充分发挥了GM和GRNN模型的优点,避免了理论误差,检验结果表明,该方法具有较高的精度。最后分析预测出我国国家高速公路网的总体规模。 相似文献
12.
车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。 相似文献
13.
14.
15.
基于数据挖掘的固定型交通检测器配置优化 总被引:2,自引:0,他引:2
结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本. 相似文献
16.
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. 相似文献
17.