一类非线性微分方程周期解存在的条件

本文用非线性泛函分析的理论和方法研究了一类非线性徽分方程周期解的存在性, 并给出了周期解存在的条件。      

微分方程系概周期解的存在唯一性

应用构造Liapunov函数方法，讨论了非线性微分方程系概周期解的存在唯一性，同时给出了Lienard方程存在唯一概周期解的一组充分条件。     

一类非线性四阶抛物方程周期解的存在性

研究了一类四阶抛物方程在一维情况下的时间周期解的存在性问题.方程形式上,最高阶为四阶线性微分项,低阶部分为二阶非线性微分项,赋予方程时间周期条件和边界条件.主要运用Galerkin方法构造基底及近似解,应用Leray-Schauder不动点定理得到该方程对应的线性方程解的存在性,利用近似解的一致性估计,并利用渐近极限的讨论,得到该方程时间周期解的存在性.     

具有无穷时滞Volterra型积分微分方程解的周期性

主要讨论了具有无穷时滞中立型Ｖｏｌｔｅｒｒａ积分微分方程的周期解的存在性。方法是构造适当的Ｌｉａｐｕｎｏｖ泛函，推出该方程至少有一个ω周期解存在。     

非自治随机微分方程的均方伪概周期温和解

主要考虑Hilbert空间上非自治随机微分方程均方伪概周期解存在的唯一性.利用不动点定理并结合发展系统理论,给出了这类非自治随机微分方程均方伪概周期解唯一存在的充分条件.     

Banach空间中二阶时滞微分方程的单调迭代技巧

借助Banach空间中二阶线性微分方程的周期解的存在性与唯一性定理,运用上下解的单调迭代技巧,讨论了有序Banach空间中二阶多时滞微分方程的ω-周期解的存在性与唯一性.所得的结果推广了常微分方程的有关结论.     

关于周期系数Abel方程的周期解问题

主要利用Ｂｒｏｕｗｅｒ不动点定理和三次代数方程存在实根的方法，得到了周期系数Ａｂｅｌ方程只存在一个或三个实周期解的充分条件。     

离散型具有时滞复Volterra方程出现4-周期轨道解的条件

给出具有时滞复Volterra方程的离散型,讨论了离散型具有时滞的复Volterra方程出现4-周期轨道解的条件,并证明了系统存在与此4-周期轨道解一致的4-周期的初始函数对.     

离散型具有时滞复Volterra方程出现4-周期轨道解的条件

给出具有时滞复Voherra方程的离散型,讨论了离散型具有时滞的复Volterra方程出现4-周期轨道解的条件,并证明了系统存在与此4-周期轨道解一致的4-周期的初始函数对．     

二阶脉冲泛函微分方程周期边值问题的单调迭代方法

运用上下解及单调迭代技巧讨论了较为广泛的一类二阶脉冲泛函微分方程周期边值问题极解的存在性.     

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．     

基于数据的轨道电路故障诊断的混合算法

提出一种基于数据的神经网络混合算法故障诊断网络,用于轨道电路的故障诊断.考虑铁路信号需求,设计出符合神经网络训练快速性和有效性要求的BP-LM-PSO-GA混合算法,就是将轨道电路复杂网络分解设计为许多小的神经网络组态,通过综合这些小的神经网络诊断结论,得出最终结果,以解决单独设计神经网络带来的运算量问题;然后以广泛使用的ZPW-2000A型轨道电路为例,验证了该算法网络训练的快速性及故障诊断的有效性.最后给出了该诊断网络对轨道电路的诊断步骤.仿真结果表明该诊断网络具有可行性和有效性,为轨道电路故障诊断的应用提出了一条新途径.     

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。     

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

基于小波网络的斜拉桥施工预测方法

阐述小波神经网络模型法的基本原理与程序实施步骤,探讨了斜拉桥施工监测数据与小波网络间的联系,建立了基于小波网络的斜拉桥施工控制预测模型.以工程实例为背景,对武汉天兴洲长江大桥实际监控数据进行预测分析.研究表明:小波网络预测值与实测值基本一致,其精度满足工程及其控制的要求.     

基于人工神经网络的路面模量反算

根据三层 BP神经网络模型和弹性层状体系理论 ,结合 JILS FWD研究了层状体系路面的模量反算。通过理论和实测弯沉盆的反算 ,比较了精确网络与噪音网络的反算能力 ,从而提出了人工神经网络实现模量反算的关键技术。噪音网络与国内外常用反算程序的比较结果表明 ,神经网络法的反算结果具有良好的精度和可靠性     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。