循环神经网络模型下道路碳排放浓度预测

以湖南省永州市永州大道基本路段CO₂浓度时序数据为研究对象,旨在实现道路CO₂浓度的实时预测。测得用于模型训练和预测精度计算的路段CO₂浓度数据,利用Savitzky-Golay滤波器对数据进行平滑去噪,在调试并建立循环神经网络最优模型结构的基础上,引入多元预测模型(MLR、SVR、BP)和时序预测模型(BP、RF、RNN、LSTM、GRU)进行预测性能对比,为路段CO₂浓度的实时预测提供参照。结果表明：时序预测模型相比于多元预测模型具有更好的预测效果,特别是循环神经网络模型中的GRU表现出较高的预测精度,其次是LSTM,最后是RNN;循环神经网络模型在处理路段CO₂浓度时序数据的训练和预测任务中具备突出性能,能够实时且精准预测道路路段CO₂浓度。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.     

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.     

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

基于极限学习机的交通事故严重程度预测

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

铁路客运量预测模型对比研究

当前国内铁路运输行业发展迅速,需要对客运量进行准确的预测以达到合理地调度。以青岛市为例,通过分析全市人口、GDP等因素,分别建立多元回归数学分析模型以及BP神经网络预测模型,将两组预测模型计算结果与实际对比,研究表明BP神经网络预测模型误差较低,预测效果优于回归预测分析模型。     

为部队训练研发浮动目标靶等新装具的回忆

在内陆地区借助专用装具模拟海上浮动目标进行射击训练,从而有效地提高现役部队官兵和预备役指战员的实战技能。浮动靶标的研发成功地实现了这一预想。     

高沁高速公路郑庄至里必段路线方案研究

结合山区地形,按照"以人为本"和"安全、环保、舒适、和谐"的新理念,对典型路段的路线方案进行优化设计、比选分析,最终选择最佳路线方案。     

含硫酸盐半刚性基层材料的无侧限抗压强度试验研究

具体介绍了掺加硫酸钠的几种半刚性基层材料的选择和试件成型的方法,以及室内无侧限抗压强度试验的方法和步骤,得出了在最佳含水量下的几种含硫酸盐的半刚性基层材料无侧限抗压强度的回归方程。从试验结果可以得出掺加硫酸钠能显著增强半刚性基层材料的无侧限抗压强度,且含盐量不宜过大;在硫酸盐渍土中,在一定温度条件下,石灰含量、粉煤灰含量、初始干密度、冻融循环次数、含盐量等会对无侧限抗压强度的大小产生影响。     

王繁高速公路太安岭隧道涌水量预测与评价

以太安岭隧道为例,利用地下水动力学方法对隧道开挖的涌水量进行了预测,预测结果表明,隧道全线属于弱富水段,根据预测结果提出了隧道施工建议。     

水泥稳定冷再生材料路用性能试验研究

通过室内试验对水泥稳定冷再生混合料的无侧限抗压强度、抗压回弹模量、劈裂强度、抗冻性能进行了系统的研究,同时研究了水泥剂量、旧料掺加比例、温度对水泥稳定再生混合料的影响.研究表明,水泥剂量为5%时,冷再生材料的强度和其他路用性能指标均满足规范的要求.     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

沥青路面常见病害的防治和相应设备使用工艺

沥青混凝土路面是当前道路的主要形式,基于工程实践,对其常见病害的产生机理进行分析,从而提出处理这些病害的工艺及适用设备。     

浅议影响汽车综合性能检测结果的几个因素

简述了汽车综合性能检测中影响检测结果5个方面的因素,提出了公司为保证检测结果的公正性、科学性而采取的措施。     

水泥粉煤灰稳定碎石合理级配分析

提出了粉煤灰改善混合料结构的理念,通过替代细集料的方式对3种不同级配设计的水泥粉煤灰稳定碎石混合料试验,研究分析表明:级配1混合料形成了较大程度的嵌挤密实结构,最大干密度和无侧限抗压强度最大,而采用了骨架密实结构的级配2混合料形成了不密实的多孔结构,最大干密度和无侧限抗压强度最低,悬浮密实型的级配3混合料最大干密度和无侧限抗压强度略低于级配1。     

水泥混凝土面板裂缝处治施工技术

分析了旧水泥混凝土路面板产生裂缝的原因及破坏类型,对实体工程裂缝进行调查分析,介绍了在旧路加铺改造中采用的针对轻、中、重裂缝的处治方法与施工工艺,通过实体工程应用对其使用效果进行了评价。