BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

基于灰色系统模型的西安市客运量预测

根据西安市近几年的客运情况,运用灰色系统模型理论建立GM(1,1)模型。通过检验,得出所建模型预测精度高,适用于西安市客运量预测。运用此模型得到客运量预测数据。     

轨道列车运行时间的线性预测模型与算法

为更加准确地预测城市轨道交通列车运行时间,建立列车运行时间改进线性预测模型.该模型基于正交函数和最小均方误差规则求解线性预测系数.采用不同长度的数据样本建立预测模型,分析数据样本长度和预测阶数对预测结果的影响,进而引入基于顺序迭代法的数据调整机制,提高模型系数计算的准确性.通过对比站间距离不等的情况下距离变换前后模型预测的准确性,分析了站间距离对预测精度的影响,进而引入站间距离的线性变换方法,提高模型的预测精度.结果表明,模型改进前后的平均预测精度分别为92.53%和95.43%,预测精度提高3.13%;提高预测阶数可小幅提高模型预测精度,模型的改进可明显提高运行时间的预测精度.将该模型应用于上海轨道交通2号线列车运行时间的预测,与列车运动模型相比,所提模型预测误差降低17.4%,验证了模型的实用性与准确性.      

基于优化的灰色离散Verhulst新陈代谢模型的基坑沉降预测

针对传统灰色Verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散Verhulst模型。在基坑沉降监测中,由于监测过程中不断有新数据增加,加上外界因素变化,影响模型系统的预测结果,导致预测结果与实际偏离,模型的精度将逐渐降低。为了实现准确预测,基于新陈代谢方法,建立优化灰色离散Verhulst一维及进化的二维新陈代谢模型。并依托长沙国际金融中心深基坑支护工程,分别运用传统Verhulst模型和优化的灰色离散Verhulst模型进行预测,并采用本文建立的优化灰色离散Verhulst一维、进化二维新陈代谢模型对基坑工程沉降进行预测,并对预测结果进行对比分析。研究结果表明:采用进化新陈代谢方法的优化灰色离散Verhulst模型精度更高,可选用该模型对基坑进行沉降预测。     

基于残差单调性的GM（1,1）修正模型及其应用研究

通过建立灰色GM（1,1）预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1,1）修正模型。     

应用灰色神经网络组合模型预测深基坑变形

将GM(1,1)模型与神经网络算法相结合建立灰色神经网络组合模型应用于深基坑工程变形预测。以润扬长江公路大桥深基坑工程的监测数据为例进行预测分析,结果表明:组合模型比GM(1,1)模型有更大的适应性,对于复杂非线性变化的数据预测精度高,可较好地预测深基坑变形。     

混合神经网络跟驰模型的建立

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。     

灰色控制理论在隧道涌水中的应用

应用灰色系统理论GM预测模型的改进模型,对一座隧道开挖过程中一处溶腔几个月的涌水数据进行拟合,建立了GM-MM模型,最后预测了后几个时序的涌水量。经计算数据检验,拟合程度较好,模型的预测精度较高,方法适合于灰色特征数据的隧道涌水量预测。     

基于Verhulst与线性回归组合模型的港口吞吐量预测研究

由于港口吞吐量预测的复杂性,在许多情况下,单纯利用一种特定的预测方法进行预测往往具有片面性,为尽可能使预测结果具有较高可信度,基于"误差平方和最小"为最优准则,建立灰色Verhulst时序残差修正模型与一元线性回归模型的组合模型,将其用于某港口货物吞吐量预测,经验证组合模型具有较好的预测效果,并对该港口未来3年的货物吞吐量进行了预测。     

软土地基沉降特征分析及MMF模型的应用

大量观测数据和理论研究表明软土地基沉降曲线发展规律一般经过发生、发展、稳定后达一定极限，其表现符合成长曲线的基本形式。分析了软土地基的工程特性和沉降特性，建立软土地基全过程沉降预测的MMF模型，利用Origin软件求解模型参数，给出模型的求解方式，讨论了模型预测效果，工程实例预测结果表明所建立模型具有科学性和适用性。     

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。     

基于模型预测的智能汽车轨迹跟踪控制

针对智能驾驶汽车轨迹跟踪问题,本文验证在五次多项式工况下,模型预测控制的轨迹跟踪效果。本文建立车辆运动学模型,为了便于建立基于模型预测的轨迹跟踪控制器,将所建立的非线性车辆运动学模型线性化,再通过向前欧拉法将系统离散化,得到基于线性时变的预测模型。为了使汽车可以快速且平稳地跟踪目标轨迹,建立包含系统状态量和控制增量的目标函数。最后在Matlab/Simulink中对设计的轨迹跟踪器在五次多项式工况下进行测试,与前轮反馈控制（Stanley）对比,验证此工况下所建立的基于模型预测控制的轨迹跟踪器与Stanley控制相比,可以更准确地跟踪期望轨迹。     

交通流预测方法综述

实时交通流预测是智能运输系统研究的一个重要问题。为此,建立了许多预测模型,有历史平均模型、时间序列模型、卡尔曼滤波模型、非参数回归模型、神经网络模型和组合模型等。总结评述现存的各类模型,提出交通流预测研究领域今后可能的发展趋势。     

灰色预测模型在公路客运量预测中的应用

运用灰色预测系统理论,对国内公路客运量建立了基于灰色预测理论的GM (1, 1) 模型, 并运用GM (1, 1) 模型对2007～2015年国内公路客运量进行了预测.预测结果表明,该方法具有较高的预测精度.     

道路交通量灰色预测模型研究

道路交通量的预测对合理进行公路网的规划、工程可行性研究以及提高道路养护质量起着重要的作用。利用灰色系统理论,建立了道路交通量预测的GM(1,1)灰色预估模型及其残差模型,并将其应用于高速公路的交通量预测中,预测结果和实测结果较好的吻合,验证了预估模型的精度,表明预测方法的可行性。     

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。     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

基于检查评定大数据的桥梁技术状况多阶段退化模型

建立合适的桥梁退化模型是进行性能预测和预防性养护的前提。利用445座混凝土空心板桥连续5年的检查评定数据,考虑到桥梁各阶段性能退化速率不同,采用多阶段的马尔可夫链,建立了桥梁技术状况退化模型,并应用该模型预测某13年桥龄的混凝土空心板桥3年后的技术状况,通过与18座同类型同龄桥梁技术状况变化相对比,结果表明,该退化模型能准确预测桥梁技术状况等级。     

基于环形流动模式的汽车磁流变减振器建模与分析

基于磁流变技术的汽车减振器是汽车悬架技术提升为半主动控制的关键结构,其模型的建立与分析对于预测减振器特性具有重要作用。文章通过环形流动模式的减振器理论分析模型,建立了基于Herschel-Bulkley模型的磁流变液流变学特性分析模型。理论分析表明:该模型能较好的预测减振器的缓冲特性。     

基于ARIMA的路面低温短临预测方法与模型

本文以试验观测站冬季历史路面温度数据为样本数据,按照一定时间间隔,周期性提取数据,并按照日期为标准进行排列,得到路面温度时间序列数据,利用R软件建立了路面温度随时间变化的短临预测的ARIMA模型,研究基于高级统计建模方法的公路路面温度短时临近预测方法,并对路面温度时间序列特性及预测结果进行比较分析,形成基于ARIMA模型的路面温度短临预测方法及模型建立。通过路面温度数据采集、路面温度预测及对比分析,验证了基于ARIMA模型与方法的在未来1~3h内路面温度短临预测方法的准确性、可靠性与适用性。