混沌时间序列的双线性自适应预测

基于混沌动力系统相空间的延迟坐标重构和双线性表达式，设计了预测混沌时间序列的双线性自适应预测滤波器．对2种低维混沌序列的预测实验表明，采用双线性自适应滤波器的预测收敛速度快，处理约50个样本时即已收敛，预测相对误差小于0．001．     

基于多核最小二乘支持向量机的短期公交客流预测

公交客流是公交规划和运营调度的基础。针对短期公交客流的非线性、随机性和复杂性及支持向量机单核核函数自适应能力较弱的特点,提出一种基于多核最小二乘支持向量机的公交客流预测方法。该方法既考虑到了公交客流的历史数据规律,又顾及到短期公交客流的时变特性,充分利用了相关参数的知识信息。为了保证模型的自适应能力和提高模型的泛化能力,作者提出了综合评价指标,并采用改进遗传算法实现向量机参数优化。最后,结合LS．SVM工具箱,在MATLAB平台上实现长春市短期公交客流的预测。预测结果表明,提出的多核预测方法具有较高的准确性、较强的鲁棒性和自适应能力,在公交客流预测中有具有较好的应用价值。     

基于滑模MRAS的无直流母线电压传感器PMSM模型预测电流控制

为了提升三相永磁同步电机(PMSM)控制系统的性能,针对PMSM控制系统中直流母线电压传感器故障的问题,基于自适应技术与滑模变结构理论,提出了一种无直流母线电压传感器的PMSM模型预测电流控制(MPCC)策略.采用自适应技术与滑模变结构方法相结合构造直流母线电压滑模变结构模型参考自适应(MRAS)观测器,以实现对直流母线电压值的准确实时估计;利用模型预测电流控制策略,以达到减小电流和转矩脉动的目的.用滑模控制技术,在滑模面中引入速度误差积分项,并同时采用非线性指数函数和指数趋近律,设计转速控制器,以提高系统鲁棒性.仿真结果表明:所设计基于滑模MRAS观测器的无直流母线电压传感器MPCC控制策略不仅能够快速准确的估计直流母线电压值,而且能够保证PMSM系统在直流母线电压传感器故障时稳定运行,进一步提高了系统的可靠性.     

无先验信息情况下基于解耦极值荷载效应的桥梁时变可靠性分析

在役桥梁健康监测系统在长期运营中积累了大量数据,如何有效处理这些数据来预测结构的可靠性是结构健康监测(SHM)领域的一个关键问题。鉴于SHM极值应力信号的耦合性和随机性,首先采用一次移动平均法解耦极值应力耦合信号;然后,针对解耦数据的分布特性,建立观测误差方差未知的贝叶斯动态线性模型(BDLM),预测解耦极值应力;最后,结合一次二阶矩(FOSM)可靠度方法进行桥梁构件的时变可靠性分析。研究成果将为结构的可靠性预测提供理论基础。     

基于主成分分析的桥梁结构服役状态评估

为提高桥梁结构健康状态检测过程的效率和检测结果的可靠性,基于数据挖掘技术建立了桥梁结构全寿命健康状态检测模型,解决了现有桥梁结构健康状态检测过程中存在的检测误差大、检测效率低的问题。首先,利用无线传感网络信息收集技术获取有关桥梁结构健康数据,利用核心主成分分析对桥梁结构健康数据进行预处理,消除桥梁结构健康数据的冗余特征,缩减桥梁结构信息的维度,保留了数据本身的有用信息。然后,利用粒子群优化算法计算出支持向量机关键参数。结果表明,本模型可以精准预测桥梁健康状态,具有高精度高可靠性,可以为桥梁结构运营状态检测提供新思路。     

城市交通流诱导系统研究现状与发展

城市交通诱导系统的理论框架结构分为：交通流信息采集与处理子系统，车辆这位子系统，交通信息服务子系统及行车路线优化子系统。对交通流量和路段运行时间预测则采用具有单隐层的三层神经网络进行自适应预测的方法来建立预测模型。     

公路桥梁技术状况评定体系及其应用

桥梁结构的损伤、功能不足和易损性都可以表示为技术状况,并以技术状况等级来描述。桥梁技术状况是处理的依据,通过把技术状况映射到处理,可行处理的编号就决定了技术状况的编号。本文针对桥梁结构养护需要采取的处理措施,确定了对应于损伤、功能不足和易损性等的公路桥梁技术状况的体系及相应的评价指标,并通过对两种养护维修策略的分析阐述了其应用。     

轨道交通乘客满意度不确定性预测与分析

为克服结构方程式法对轨道交通乘客满意度改善效果预测的不足,提出了直接采用擅长处理不确定性问题的贝叶斯网络方法。采用机器学习和专家经验相结合的方法构建了乘客总体满意度与质量指标间的贝叶斯网络预测模型。定义了改善方案预测的绝对效果、相对效果以及指标改善效果有效性判别的弹性系数和协同关系。利用武汉市轨道交通乘客满意度调查数据,建立了不确定性贝叶斯网络,预测、分析了最需要优先改善的"换乘接驳"和"售票系统"两个指标的改善效果。研究结果表明:"换乘接驳"指标的改善效果较好,但两个指标之间无协同效果。     

基于自适应灰色模型的高速公路路基沉降预测

自适应灰色模型理论正确、精度合格,能够满足实际工程应用,将自适应灰色理论模型应用于高速公路地基的沉降预测同时用MATLAB编制自适应灰色模型预测程序,可以使应用该模型进行预测变得简便易行且方便移植。     

基于自适应滤波改进算法的大连港吞吐量预测

为了有效对大连港港口吞吐量进行预测,引入自适应滤波算法,利用MATLAB仿真模型构建未来港口吞吐量预测模型,其中包括实验模拟过程,技术原理及理论模型。预测结果由改进的自适应滤波算法得到,结合设置的不同的增幅等级,进行不同程度的校正。结果表明,通过模型设定的小误差,选择4个权重,通过迭代运算得到最佳权重,然后应用于下一组数据进行预测。研究表明:使用改进后的自适应滤波算法港口吞吐量预测值的方差和标准差分别从改进前的0.019 899、0.141 064提升到改进后的0.008 172、0.090 399,说明该模型能够有效预测随后几年的港口吞吐量。     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

大数据背景下基于特征学习的机械设备剩余寿命预测

传统数据驱动剩余寿命的预测方法是通过信号处理从监测数据中手动提取特征并构建健康指标，而在大数据背景下，手动提取特征需要特定专家知识并耗费大量人力，为解决该问题，提出了一种基于特征学习的机械设备剩余寿命预测方法——自适应特征学习寿命预测方法（AFLRULP）. 该方法构建移动窗口数据矩阵解决单次采样中的数据波动问题，并建立了多层一维卷积神经网络将数据矩阵映射为机械设备的健康状态；根据失效阈值可以计算出机械设备的剩余寿命；采样轴承全寿命周期数据集合对提出的AFLRULP进行验证，并且与传统基于手动提取特征的方法进行寿命预测准确性的对比. 研究结果表明:AFLRULP不需要人工提取特征，可从原始监测数据映射为机械设备的性能状态与剩余寿命，相对于现有的基于手动提取特征的寿命预测方法，提出的方法在轴承寿命预测累积相对准确率上平均提高了0.20.      

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.     

隧道结构健康监测及诊断系统应用研究

介绍了BOTDR光纤应变监测技术的基本原理。从结构分析出发,论证了基于BOTDR的结构健康监测及诊断技术应用于隧道结构安全监测的可行性。结合实例对隧道结构健康监测及诊断系统的组成部分（光纤传感器、信息采集与处理、健康诊断、安全评估）进行了应用研究。最后列出了基于BOTDR的健康监测及诊断系统在隧道应用中取得的部分成果。     

基于FFOS-ELM和PF的短时交通流自适应预测模型

为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.     

基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

桥梁施工控制方法浅析

桥梁施工控制的主要任务是桥梁施工过程的安全控制和桥梁结构线形与内力状态控制。随着桥梁结构形式、施工特点及具体控制内容的不同,其施工控制方法也不相同。总的来讲,桥梁施工控制可分为事后控制法、预测控制法、自适应控制法、最大宽容度法等。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

基于参数自适应E KF的隧道周边位移预测

采用参数自适应扩展卡尔曼滤波,建立了隧道周边位移预测模型。基于预测残差特性,评价滤波的敛散性。对模型参数进行实时修正,抑制滤波发散,保证了滤波精度。通过滤波预测值与实测值对比,判断预测模型的适用性;比较标准型与参数自适应型的预测残差,以判断何种预测方法的更优。分析结果表明：参数自适应型能有效抑制滤波发散,较为适用,预测效果较好。