混合智能算法在城市道路短时交通流量预测中的研究

对城市道路短时交通流进行准确预测是实现城市交通控制与交通诱导的关键。针对目前单一预测方法预测精度不高的问题,提出了小波与支持向量机（SVM）融合的预测新方法;同时为了避免SVM知识学习过程陷入局部最优的问题,采用粒子群算法（PSO）来优化SVM的关键参数,以提高对短时交通流量的预测精度。通过对武汉市道路交通流数据的实验分析,结果表明所提出的方法能够准确提取实验数据关键特征,显著提高SVM的预测精度,且结果比单一使用方法提高了近9%。     

珠江三角洲物流园区布局规划问题研究

为了给广东省珠江三角洲地区物流园区布局规划提供科学依据,探讨最佳布局方案,阐述了国外发达国家物流园区建设和发展的条件,对比分析了珠江三角洲地区建设发展物流园区的环境条件,认为珠江三角洲可以大力发展物流园区。在分析了物流园区建设发展中需要解决的基本问题、物流量的确定方法以及物流园区布局思路等问题的基础上,提出了珠江三角洲物流园区布局的基本方案。认为存在两种联运方式(公路—铁路或公路—水路联运)的物流园区间距宜定为40～60km,仅有公路一种运输方式的间距宜定为30～40km。     

重庆绕城高速公路服务区物流发展规划研究

结合重庆绕城高速公路交通战略地位,充分发挥高速公路服务区优势,提出建立绕城高速公路服务区物流配送中心的战略构想。在现场调查基础上,结合专家评价法,对物流中心进行了定位。以预测交通量为基础,利用弹性方法,给出符合服务区配送中心特色的物流量预测方法,综合服务区占地规模和需要配送物流量,确定配送中心规模,并对配送中心的功能定位进行了深入探讨。     

应用灰色马尔科夫模型预测路面使用性能

为了提供更加准确的路面使用性能预测方法,提出了一种基于灰色模型并用马尔科夫链进行修正的灰色马尔科夫模型。结合工程实例对该方法的实用性和准确性进行检验,结果表明:灰色马尔科夫模型能够在已知历史资料的基础上对路面使用性能进行比较准确的预测,且和单一的灰色GM(1,1)模型相比具有更高的预测精度。     

车用锂离子电池剩余使用寿命的混沌时序非线性组合预测模型研究

针对用单一方法难以准确预测锂离子电池剩余使用寿命(RUL)的问题,提出了非线性组合预测模型。对电池系统进行混沌判断,得到与实际容量相关性高的间接参数,利用重构后的数据对Elman网络及非线性自回归(NARX)网络进行训练和预测,得到表征电池性能退化的特征量;然后,用最小二乘支持向量机进行非线性组合,获得RUL的预测值。试验结果表明:非线性组合预测模型的预测精度优于Elman和NARX,具有更强的非线性预测能力。     

基于多变量的集成预测模型在隧道拱顶沉降变形预测中的应用

隧道拱顶沉降是多种因素共同作用的一个十分复杂的过程,很难用数学模型进行精确计算。实际施工过程中,围岩情况经常发生变化,为满足设计要求,必须严格控制隧道拱顶沉降。传统的预测模型都只是利用拱顶沉降监测数据建立单变量模型进行拟合并预测。隧道开挖过程中,拱顶变形所受影响因素较多,导致监测数据序列中常常出现离散型较大的数据,单一变量模型预测精度受这些离散数据的影响较大,而且筛除离散型较大的数据会直接影响模型预测精度,因此单一模型只能对拱顶沉降量做粗略的估计。针对这一问题,根据隧道变形的同时性和内在相关性,利用拱顶变形监测数据和同期两侧收敛变形监测数据构建带输入变量的时序模型、GM(1,2)模型和BP模型分别对拱顶沉降变形进行预测,并运用实例验证了所建模型的有效性。通过对两种模型的预测精度进行对比可知,单一变量的时序模型只能对变形的趋势作出预测,预测精度较低,难以对拱顶沉降进行有效预测,而单一变量的GM(1,1)预测模型则完全失效。为了避免单一模型自身的缺陷导致预测精度降低,同时使不同模型间优势互补,本研究建立了基于以上3种带输入变量模型的集成预测模型,其加权系数采用熵值法确定;最后将该模型运用于宝汉高速白庙子隧道中进行检验,结果表明该集成模型更有效,预测精度更高。     

基于贝叶斯概率理论的物流园区选址优化研究

物流园区选址是其规划建设中不可或缺的部分,传统的选址方法以定性分析为主,缺乏对选址结果可靠性的评判标准,为此,引入贝叶斯概率方法开展了物流园区选址规划理论研究。借助EM算法和GeNie软件,构建了贝叶斯网络模型,挖掘出各影响因素间存在的内在因果和逻辑关系,量化各影响因素的显著性,构建科学合理的物流园区选址规划评价指标体系;采用K-means聚类方法建立了物流园区选址模型,使用MATLAB软件对建立的模型进行迭代计算,并引入贝叶斯判别方法对聚类结果进行了可靠性分析;基于贝叶斯网络方法优化了灰色模糊风险评估模型,结合了定性分析和定量计算,得出相应的选址风险系数与评估风险概率,完成了物流园区的选址风险等级评估。研究结果表明：基于贝叶斯方法建立的物流园区选址模型能够充分考虑城市规模、经济社会发展、城市物流量及交通区位等多因素的影响,实现了对物流园区选址结果的量化评价,降低了人为主观因素和客观数据的模糊性对物流园区选址方案的影响,有效提高了物流园区选址规划的科学性和可靠性。以陕西省10个地级市为候选地点验证该选址模型的可行性,结果显示：西安建设物流园区的选址风险系数为4.030 1,处于低风险水平,依据总体风险概率确定低风险水平的可靠性为65.50%,证实了在西安建设物流园区（西安港）风险系数较低,科学可行,且西安港风险评估结论具有较高的可靠性。     

基于小波神经网络的隧道变形预测模型研究

针对单一模型在隧道变形预测上精度不高的问题,提出了一种基于小波分析理论的神经网络模型,该模型克服了BP神经网络模型存在的收敛速度慢、结构设计盲目、易陷入局部极小点的缺陷,通过将该模型与时间序列模型、Levenberg-Marquardt法BP神经网络模型、遗传神经网络模型预测的结果比较,可以看出小波神经网络在隧道的变形预测中网络结构更简单、收敛速度更快、预测精度更高。     

基于灰色马尔可夫链的桥梁荷载随机过程交通量预测

为了克服灰色预测方法的不足,在灰色模型预测方法的基础上,提出灰色马尔可夫链桥梁荷载随机过程交通量预测模型,该模型的灰色预测曲线能反映交通量历史发展趋势,马尔可夫预测可反映随机波动性对交通量预测的影响,从兼顾了趋势值和波动性两方面因素对预测结果的作用,能克服单一预测模型在交通量预测中的局限性,并可结合交通量实际情况,能实现准确、综合预测交通量的目的。在现有交通量统计资料的基础上,对该模型进行了精度检验,并预测出了2007年的交通量。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,利用灰色马尔可夫理论进行交通量预测是一种行之有效的方法。     

一种优选组合法在软土路基沉降预测中的应用

在软土路基沉降预测中,常用的方法有简单曲线拟合法、系统分析和控制理论法等。但采用单一的方法进行预测,会造成预测误差偏大。提出了一种优选组合方法,通过对若干种单一方法进行权重化处理,给予每种单一方法相应权重,得出新的沉降预测曲线进行沉降分析,并以工程实例为基础,说明该方法在实际预测中是可行的。     

基于K近邻算法和支持向量回归组合的短时交通流预测

为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。     

基桩完整性PSD、V、A综合判断法

该文详细分析了超声波检测基桩完整性的多种判断方法,提出了一种较为准确的判断基桩完整性的方法,即PSD、V、A综合判断法,可基本消除各单一声学参数对判断缺陷的影响,在缺陷定性方面更合理、更准确。     

基于经验贝叶斯法的道路事故预测分析研究

传统事故预测模型存在对原始数据的序列性、分布性等方面高要求,以及预测精度的不足,利用经验贝叶斯法对先验信息（原始事故数据）进行调整,得到后验信息以形成更好的预测效果。就交通事故数据进行事前与事后累计统计分析,并对比其他预测模型证明经验贝叶斯法的预测结果更接近实际情形,基于经验贝叶斯法的此类模型可以提高小样本数据预测精度。     

核函数法与最邻近法在短时交通流预测应用中的对比研究

以北京三环路的一个区间路段作为短时交通流预测的背景,利用实际检测数据将非参数回归预测模型中核函数法和最邻近法2个不同的权函数方法进行了仿真对比研究,结果表明在相同的预测精度下,最邻近法更适合时间间隔比较短的交通流预测.将传统的最邻近法加以改进,依次加入前一时刻的交通流量、当前时刻的车辆平均速度和车道平均占用率作为搜索元素.通过对仿真实验结果的研究分析得出结论:前一时刻交通流量的引入保证了预测值和真实值具有相同的切线方向,使得预测精度得到了显著提高;车辆平均速度和车道平均占用率与交通流量具有一定的对应关系,其作用和当前时刻的交通流量相似,所以不能有效的改善最邻近法的预测精度.     

工程机械大修费预测方法分析

指出了施工企业做年维修费用计划时存在的不准确问题,研究了指数平滑法和季节周期预测法的基本原理及计算方法,通过实例分析比较,指出了指数平滑法和季节周期预测法在工程机械大修费预测中应用的优缺点.结果表明,在工程机械大修费预测中选取季节周期预测法可得到较高的预测精度,能够满足施工企业做年维修费用计划时的决策需要.     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

基于灰色-马尔科夫理论的沥青路面性能预测研究

结合灰色理论短期预测优势以及马尔科夫预测模型无后效性特点,建立基于灰色-马尔科夫理论的组合预测模型,研究沥青路面性能衰变规律。以重庆某高速公路历年RQI检测数据为例,用MATLAB计算RQI灰色预测值并验证模型的精度;通过灰色预测方程反算使用年限序列,并建立马尔科夫状态转移矩阵,对RQI进行预测。结果表明:灰色预测模型对RQI预测精度达到一级,预测结果可靠性较高;根据灰色-马尔科夫模型,预测RQI衰变规律,对比单一的灰色预测模型,灰色-马尔科夫组合预测模型精度更高,更适用于路面性能的长期预测。     

基于时间序列法的高速公路沥青路面车辙预测模型研究

由于影响车辙的因素较多而且较复杂,常规的数学方法建立的车辙预测模型难以准确预测路面车辙的发展趋势.该文依据湖南潭邵高速公路沥青路面车辙深度历年数据,利用时间序列法建立了能考虑不同数量滞后值的时间序列路面车辙深度预测模型,并对预测模型的修正性进行了分析.模型预测值与实测值对比表明,时间序列法具有较高的预测精度,且其易修正性是其他预测方法所不具备的.     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

基于GWO-SVR模型的基坑边坡变形预测及敏感性分析

准确预测基坑边坡变形是确保隧道明挖顺作施工的关键工作。针对传统预测方法无法表征土的物理力学参数与基坑边坡变形非线性关系和单一预测算法精度和鲁棒性低的局限性，鉴于此，提出了一种基坑边坡变形的灰狼算法(GWO)优化支持向量回归机(SVR)预测模型。通过GWO对SVR预测模型c和g进行自动寻优，建立了GWO-SVR预测模型；以某基坑边坡为例，利用该模型进行预测，并与未进行GWO优化的SVR进行对比分析；最后，利用主成分分析法对不同影响基坑边坡变形指标进行敏感性分析，分析影响指标的影响权重。结果表明：GWO-SVR预测模型能够有效地预测基坑边坡变形，GWO算法优化后，SVR预测模型精度和鲁棒性提高约2倍；压缩模量和渗透系数的敏感性最高，对基坑边坡变形影响程度最高。可为基坑边坡变形的长期预测提供一种思路和方法。