基于TE-LSTM组合模型的短时交通流预测

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TELSTM组合预测模型。采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%，在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率。     

基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

油气集输管道腐蚀速率预测研究

腐蚀速率的精确预测对于油气集输管道的安全运行具有重要意义。鉴于神经网络算法陷入局部最小值、收敛速度慢和引起振荡效应等问题,同时考虑自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,构建了优化的混合算法神经网络模型。利用该模型对多种因素影响下的油气集输管道的腐蚀速度进行了预测研究。实际应用表明：该模型大大提高了网络的学习效率和预测评判的精度,可以作为油气集输管道腐蚀速率预测的良好工具。     

基于数据挖掘技术的道路交通流量分析预测研究

为完善智能交通系统,提升道路交通状态分析预测能力,对基于数据挖掘技术的道路交通流量分析和预测方法进行研究。首先,对数据样本的采集方式和交通流量特征进行分析;其次,对基于数据挖掘技术的交通流量分析预测过程及预测结果的准确性进行研究;最后,分析交通流量分析预测模型的应用场景。该研究最终取得预期成果,所构建的模型不仅能及时获取指定地点的交通流量信息,且能为智慧交通场景的实现提供数据支持,可为同类研究提供参考。     

基于时空图神经网络的交通拥堵预测技术

随着全球定位和物联网技术的快速发展,道路上各种传感器采集的路网数据规模不断扩大。交管部门亟须针对已有的路网数据预测车辆未来的位置和区域分布,对道路前方可能发生的交通拥堵进行预警,并帮助驾驶员选择合适路线,从而缓解城市拥堵。文章采用时空图神经网络(STGNN)挖掘交通流量数据的潜在因果关系,对交通路网嵌入空间依赖和时间依赖进行建模分析。实验结果表明,该方案能更有效地预测未来的交通流量,防止发生拥堵。     

崇遵高速公路假期交通流量分析与预测

<正>确预测假期中各时段的出行车流量,对交通流量控制具有重要的作用。鉴于此,运用数据挖掘技术中的BP神经网络与SVM模型技术,通过实证法对崇遵高速公路中的假期时段流量进行预测。预测后的时段交通流量将有助于收费站点动态配置高峰时段的收费人员,并主动启动车流高峰应急预案。     

基于卷积神经网络的高光谱图像分类研究

为了解决传统图像分类方法对高光谱图像分类时表现出光谱信息利用不足的问题,提出一种基于卷积神经网络的高光谱图像分类算法。该算法通过设计输入层、卷积层、池化层、全连层、输出层,逐像素分析实验数据光谱信息,利用设计的神经网络展开代价函数值的递进计算,实现对光谱特征的提取分类。试验中采用的是University of Pavia高光谱遥感影像数据,利用监督分类、非监督分类以及本文的卷积神经网络分类方法进行了实验之后又利用kappa系数对传统的经典分类方法和本文提出的卷积神经网络算法进行精度和效率评价对比以及分析。实验结果表明,与传统分类方法进行比较,该方法有较高的分类精度。     

基于交通大数据的动态交通状态预测及全局路径规划研究

为提高动态交通状态预测的准确性,对基于交通大数据的动态交通状态预测及全局路径规划进行研究。以交通大数据为基础,获取指定路段的属性信息与采集信息,通过对样本数据进行描述,得到该路段的试验数据。在具体的预测和分析阶段,构建基于交通大数据的预测模型,实现对动态交通状态的可靠预测。试验结果表明,时间特征值对交通流量的影响较大,某一时间段的交通状态数据可为全局路径规划提供数据源,有利于相关人员作出科学决策,可更好地满足当前智慧交通管理新需求。     

基于PSO-LSTM算法的智能交通流量预测研究

交通流量本身具有很强的不确定性,复杂、多变,容易受到随机因素的扰动,并且规律性不明显。随着不同预测方法的引入,对短时交通流的预测也出现了许多预测模型。长短期记忆模型擅长于处理和预测时间序列中具有时间间隔和延迟相对较长特征的重要事件。粒子群算法是一种通过模拟鸟群捕食行为设计的随机优化技术。本研究引入粒子群算法优化长短期记忆模型,使用昆明市某个路口断面所采集的过车数据作为训练集和测试集。本研究使用matlab软件进行上述模型的建模和预测,使用均方误差模型进行预测模型的误差分析。结果表明,引入粒子群算法优化模型后,预测误差降低60%,PSO算法优化LSTM模型能够更为准确的预测交通流量。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

城市道路交通标志的视觉设计研究

城市管理设施包含了城市道路交通标志的设计和规划管理,是实现安全行车、优质服务、智能化管理的基础。城市交通标志直接为司机和行人提供了准确信息,发挥了疏散、咨询和限制交通流量的效果,并通过这样的方式来实现最大交通流量和保持道路畅通。合理的交通标志设计和布置能够有效的解决道道路拥挤的问题等。城市道路交通标志设计中色彩选择及排版对于充分发挥交通标志的作用至关重要。本文探讨了城市道路交通标记设计对色彩和排版的要求,并具体分析了城市道路交通标志设计中色彩选择和排版设计。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

深大基坑施工变形的智能预测与控制

利用神经网络和模糊控制理论,采用智能预测控制的思想,建立了一套集基坑施工变形预测与控制于一体的智能化施工变形预测与控制系统。该系统由神经网络预测器和模糊控制器组成,所提出的神经网络多步预测,采用了时间窗口滚动技术,实现了基坑施工全过程的滚动预测,可以一次预测多步施工的变形而达到早调整基坑施工参数完成变形控制的目的。在此基础上,采用模糊理论研制了基坑施工变形的模糊控制器,实现了施工过程的实时主动控制。在MATLAB5．2平台的主持下,成功开发了便于实际工种使用的基坑施工变形的智能化预测控制软件系统。通过上海市某深大基抗工程的施工实例分析,验证了上述研究的可行性和正确性。实际应用结果表明,该智能预测控制系统对深大基坑的完全施工过程具有很好的预测和控制效果,真正做到了施工过程的实时、动态、智能化变形控制。软件系统操作界面简单、直观,便于实际工程应用。     

基于遗传算法的BP神经网络在隧道围岩参数反演和变形预测中的应用

隧道变形的准确预测需要以可靠的围岩力学参数为前提。文章通过构建基于遗传算法的BP神经网络智能反分析系统(GA-BP),实现了遗传算法自动搜索BP网络参数,大大提高了反演分析的效率,并将构建的GABP智能反分析系统应用到下穿沈丹高速公路的大顶山隧道围岩参数反演和变形预测中。分析结果表明,GA-BP反分析系统收敛速度较快,围岩参数反演和变形预测较为准确。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

SWJ-V隧道收敛计的技术性能

SWJ-V隧道收敛计是在SWJ-IV隧道收敛计基础上开发的首款PDA型收敛计,系通过无线PDA和光电控制技术开发研制的一种能自动准确控制加载、自动读数和记录的盲读型收敛计产品,可解决现有收敛计加载不准确和人工记录不便、数据不能和计算机连接的缺陷,实现用PDA记录和精准操控设备的快捷量测作业。精度评定显示,SWJ-V收敛计的量测不确定度达到了建筑变形的特级精度水平。     

智能算法在短时交通流量预测中的应用

为了深入研究不同智能算法在不同时间尺度下短时交通流量预测中的预测效果,采用历史平均法作为参照,选取小波神经网络、支持向量机回归、非参数回归三种典型的智能算法,对快速路单截面的交通流量进行预测,分别探讨其在1min、5min、15min三种典型预测步长条件下的预测效果。分析了不同时间尺度的波动系数以及道路线形对预测结果的影响,并提出优化思路。     

基于模糊神经网络模型的广西炭质岩地区高填筑地基沉降预测研究

对于路基沉降预测来说,指数曲线和双曲线延拟合法都有其局限性,不能很好地反映路基沉降的真实情况。神经网络可用于已有大量沉降数据的路基沉降预测,然而目前所使用的模型较少采用TS模糊神经多层网络。文章同时结合了TS模糊系统与神经网络的特点,实现了两种方法相互兼容的目的,并以河池至百色高速公路炭质岩高填筑路基现场实测数据建立路基沉降预测模型,验证其适用性。结果表明:该方法适用于大数据分析,短期沉降预测结果准确,最终沉降预测结果具有较大工程实用价值。     

油气管道腐蚀速度灰色动态多级残差模型的确立及应用

为客观评价及预测油气管道的腐蚀速度和现状,人们一般采用灰色系统的GM(1,1)理论,但该方法有其固有的缺陷,预测精度不高,初始点的选择不尽合理,文中针对初始点和预测精度问题,运用最小二乘法拟合原理及残差修正理论进行了两处改进,从而提高了预测精度。最后针对某输油管道的实际监测腐蚀速度进行了分析预测,并对方法改进前后的预测结果进行了对比,可以看出预测精度大大提高。     

基于交通状态识别的信号交叉口模糊控制方法

1引言城市交通的拥堵问题已成为城市化发展过程中最为突出的问题之一。城市道路的信号控制技术,是调节路网交通需求,改善路网服务水平,最终缓解交通拥堵的重要手段。长期以来,对交通系统的控制一直是一个具有挑战性的难题。传统的控制方法在简化假设的条件下对交通流状况做出预测,并以平均延误、排队长度和停车次数等为优化目标,运用模糊控制算法,遗传算法,迭代学习,神经网络,多智能体算法等实施相应的控制策略。然而,这些模型多