多元线性回归的轿车产量预测模型研究

1 多元线性回归模型的原理 在市场调查和预测中,经济现象与经营要素之间客观存在着各种各样的有机联系,多元线性回归就是利用历史资料,建立多元线性回归模型,用来研究某一因变量与两个或两个以上自变量之间的相互关系的理论和方法。从理论上讲,多元线性回归预测技术已是一种成熟的定量化分析方法。     

考虑非线性时变相关特性的支座纵向位移精细模拟方法

为准确模拟支座纵向位移、实现支座纵向伸缩性能的精准评估,以铜陵长江大桥为背景进行研究。基于该桥主梁温度和支座纵向位移的健康监测数据,分析主梁温度对支座纵向位移的非线性时变影响规律,提出基于非线性时变系数回归模型的支座纵向位移精细模拟方法;利用该方法计算支座纵向位移,并与实测数据及多元线性回归模型的模拟值进行对比。结果表明:在1 d内支座纵向位移与主梁温度之间具有较明显的非线性时变相关特性,相关特性曲线呈现出扁圆形的时滞特征;非线性时变系数回归模型的模拟结果与实测结果的变化趋势更为接近,其模拟结果与实测结果之间的绝对误差为10.5%,多元线性回归模型的模拟结果与实测结果之间的绝对误差为30.79%,非线性时变系数回归模型比多元线性回归模型具有更高的拟合精度。     

土石混填路基压实度影响因素分析

在现场压实试验的基础上,采用相关分析和多元线性回归模型对影响土石混填路基压实度的各因素进行了分析,并得出压实度多元回归方程。分析结果表明,对于含石量小于40%的土石混合料,含水量是影响压实效果的最重要的因素,其压实特性与纯土类似,且随含石量、5~10 mm颗粒含量、大于10 mm颗粒含量的增加,土石混填路基的压实度均有一定程度提高。     

沥青路面智能压实的适用性研究

沥青路面智能压实技术能够实时反映沥青路面碾压过程压实度、压实温度等参数,从而实现碾压过程质量动态监控。该文通过对在现场采集的大量CMV(Compaction Meter Value,压实度测量值)数据与常规检测指标进行相关性分析,验证沥青路面智能压实的适用性。分析了相关性较弱的原因,然后提出了利用智能压实改善沥青路面压实均匀性的方法,并提出了沥青路面智能压实质量过程控制的方法。因为与传统检测指标相关性较弱,所以单独的CMV值不能取代传统的验收方法,但CMV值与无核密度检测的压实度相关性较好,因此,CMV值可以作为沥青路面质量过程控制的手段。     

黏质土路基连续压实质量评价

依托莆炎高速公路中的下路堤工程，尝试将“标准偏移率q”、“最近邻点指数R”及“变异系数C_V”相结合的方式对路基压实质量进行评价。结果表明:压实度与VCV值有很好的相关关系；q值考虑到不合格区域面积及其VCV与目标值相对大小的影响，R值体现出是否存在不合格区域集中的现象、C_V值体现数据的离散性、三个指标计算较为简单，这更能充分、合理地评价路基压实质量，填补了传统路基压实质量评价存在未考虑检测数据空间分布和区域大小缺陷。     

路基路面现场试验振动压实特性指标分析

路基路面连续智能压实工艺特征参数是控制智能压实质量的关键因素.通过试验路段对路基土、水泥稳定碎石基层及沥青面层开展的现场智能压实试验,分析了不同压实工艺、含水量、下承层刚度以及面层厚度等对连续智能压实参数(CMV值与MDP值)影响的特征,同时分析了传统压实质量控制指标(压实度与弯沉值)与智能压实工艺特征参数间的相关性....     

二灰碎石基层配合比及压实度控制

为使沥青路面保持较好的性能并延长其使用寿命,提出一种确定混合料最大干密度与含石量线性回归关系的方法,使压实度检测精度大大提高,为以后的二灰碎石结构层施工中压实度的控制提供可借鉴的经验.     

沥青路面智能压实技术研究动态

随着道路施工机械化、信息化与数字化集成水平的提高，沥青路面智能压实技术也成为研究与应用热点。有效检测沥青路面压实状态，并且能够准确判别与控制压实质量是实现压实“智能化”的关键，也是实现科学提升路面路用性能和使用寿命的基础。从沥青路面智能压实质量控制原理上进行分类讨论，主要包括机械振动响应、雷达反射波以及智能颗粒细观响应。紧密结合工程实际分析优缺点，为后续沥青路面智能压实的技术发展方向提供借鉴。     

冲击式压实机压实效果分析

对冲击式压实机冲击土的过程进行了分析：基于库仑—摩尔屈服准则的土的模型，并利用MSC／NASTRAN中的GAP单元来描述压实轮与土之间的接触关系，对土在冲击作用下的沉降值进行了非线性有限元计算。计算结果与试验结果的对比表明，计算满足工程精度要求，可以替代试验而作为衡量压实效果的标准；两种结果还同时表明：土体被压实15遍—20遍后，将达到最佳压实效果。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

基于多项型高斯函数的过渡段路基沉降预测

高速铁路过渡段路基沉降是复杂的非线性系统,提高路基沉降的预测精度对于高速铁路建设和运营具有重要意义。利用MATLAB工具箱分别建立路基沉降与累计时间和累计填土高度的单因素高斯型数学模型,通过线性回归分析得到了两个单因素的非线性综合模型。实证分析表明该综合模型具有较高的精确度,预测效果好于BP神经网络模型,能够较好地指导工程建设。     

基于便携式落锤弯沉仪动态弯沉的路基压实度无损检测与评估

为了提高路基施工中压实度的检测效率和精度,本文以便携式落锤弯沉仪PFWD为平台,根据动态信号分析技术和数字信号处理技术,充分挖掘便携式落锤弯沉仪PFWD荷载及弯沉时程曲线的动态信息,从时域、频域和机械阻抗3个方面对便携式落锤弯沉仪PFWD时程曲线动力学特征参数进行了分析研究,在此基础上,采用多元回归技术和人工神经网络智能方法,分别给出了高液限粘土路基的回归模型和神经网络预测模型,通过与传统灌砂法比较表明,2种模型均可实现对路基压实度的预测.此研究结果可以为路基压实度的预测提供参考.     

新型沥青路面压实机械分析

分析了一种新型沥青路面压实机械（HIPAC）的特点，该机采用前后两条履带来代替通常的钢轮，对热沥青路面进行压实。度用表明它可较早对热沥青路面进行压实，有利于提高沥青路面的压实度和平整度，这是履带应用的创新。     

沥青混合料智能碾压分析系统研究

为了研究沥青混合料智能碾压技术,在室内外开展了大量试验工作,并开发了相关硬件。通过研究,提出了碾轮喷水条件下现场沥青混合料高温预估模型,得到了高温(90℃～170℃)、大空隙(6%～20%)多态下沥青混合料的模量预估方程,结合高低温沥青混合料密度的温度换算关系,最终开发了多参数的智能碾压多参数非线性分析系统。通过在工程上应用,开发的沥青混合料智能碾压系统能够实时显示碾压过程中沥青路面的压实度,与钻芯测定的压实度相关性较高。     

沥青混合料压实控制研究综述

沥青混合料压实控制研究是实现路面智能压实的关键。现通过对近年来沥青混合料的压实方法、压实机理、压实参数和压实质量控制等方面资料进行梳理,分析并总结了沥青混合料现场压实和室内压实的研究现状及可能的问题,以期为后续沥青路面压实控制的理论和技术研究提供借鉴。     

沥青混合料压实机理新解

沥青混合料的压实是影响沥青路面性能的重要因素之一。根据土的有效应力和固结原理提出沥青混合料压实的固结—液体流模型CFF，介绍了基于此模型的热熨压实机具HIPAC，并从荷载的大小、作用频率、接触面积、作用时间和温度对HIPAC及传统两种设备进行了压实效果分析。     

基于GPR的路基土介电特性影响因素试验研究

利用探地雷达(GPR)检测路基土压实质量时,路基土介电常数的确定是保证探测精度和进行图像识别的关键技术之一。运用探地雷达对3种常见路基填筑材料(粉土、中砂与砾砂)进行了介电常数的室内测试,得到填筑材料在不同含水量与干密度条件下的介电常数,分析了介电常数与路基材料类别、含水量及干密度等因素之间的关系,且拟合相关系数均大于0.95。以粉土为例,通过MATLAB软件进行多元非线性回归,获得介电常数随土体含水量、干密度双因素变化的拟合函数,拟合效果良好,表明可以采用拟合函数求取粉土在不同含水量和干密度下的介电常数。试验方法及结论为路基土介电常数确定、大范围路基土压实质量的快速、无损、连续检测与评价提供了重要依据,同时可为类似问题提供技术参考。     

公路交通发生分析方法研究

本文依据实际数据拥有情况提出了公路交通发生分析的基本模型，重点针对宏观运量预测建立了广义线性混合回归模型，该模型可以包含线性回归，线性自回归和一些非线性回归模型，因而有着更为广泛的适应性。     

基于ARIMA和SVM模型的沥青路面使用性能预测比较

通过构建时间序列ARIMA和支持向量机(SVM)模型对沥青路面的PCI值进行预测,并比较两种模型的预测结果,建立适宜的沥青路面使用性能预测模型。分别采用线性核、多项式核、径向基核和Sigmoid核函数构建SVM模型,根据十字交叉验证(Cross-Validation)方法确定核函数及其参数,对比不同核函数的PCI值预测误差精度。最后利用选取的多项式核函数SVM算法预测广东省普通国省道沥青路面使用性能。结果表明：采用多项式核、径向基核函数SVM算法的预测结果较ARIMA模型预测结果精度高。SVM算法中核函数对预测结果影响显著,4种核函数SVM预测模型中,基于多项式核函数模型预测精度最高,其预测沥青路面使用性能的平均绝对百分误差(MAPE)在1%以下,其次为径向基核函数,而Sigmoid核函数预测精度最低。采用线性核函数SVM算法预测结果与ARIMA模型预测结果接近,预测精度满足要求。     

寒区沥青路面智慧化施工混合料温度预估机器学习模型

寒区沥青路面施工面临骤然降温、大温差、大风等不利天气，造成沥青路面摊铺、碾压温度起伏大，影响沥青路面压实质量，进而诱发诸多病害。以沥青路面施工温度为核心，通过物联网系统和智能元件采集沥青路面施工工艺参数并进行分析，采用机器学习算法构建沥青路面施工温度预估模型，准确掌控沥青路面摊铺和碾压施工温度，确保沥青路面施工质量。结果表明：沥青混合料拌和参数控制精度高，运输、摊铺和碾压阶段的施工工艺参数变异性大，需对参数进行异常值剔除处理，表明当前施工工艺控制技术仍有提升空间；采用随机森林算法对施工工艺参数进行重要性评估，出料温度和施工速度对施工温度影响最显著；基于4种机器学习算法建立了沥青路面施工温度预测模型，其中多层感知机模型最优，对多层感知机模型的隐藏层、神经元个数和学习率进行优化，优化后模型的周期数、均方误差和平均绝对误差降低，整体性能显著提升；考虑气象参数后，施工温度预测模型的训练效率降低，但预测精度提高。工程应用表明：提出的基于多层感知机沥青路面施工温度预测模型与实际工况相符，通过调节出料温度、摊铺速度、碾压速度可以有效减少混合料温度损失。