基于灰色神经网络组合模型的水上交通事故预测

水上交通事故预测是水上安全的重要组成部分,目的是为了掌握水上交通事故未来的发展状况,为管理决策提供重要的理论依据。运用灰色神经网络组合模型对水上交通事故量进行预测,运用灰色模型对水上交通事故进行模拟,将结果和原始数据进行对比,计算出残差。运用BP神经网络模型对残差进行修正,得到最终预测的结果。仿真得到的2012年和2013年的水上交通事故预测量分别是270和281。实践表明,水上交通事故量呈下降趋势,但有部分年份仍有回升趋势。      

基于优化灰色神经网络模型预测公交换乘需求量的换乘枢纽选址

根据公交换乘枢纽换乘量的生成特点和影响交通换乘量的主要组成因素,研究发现交通换乘量具有“小样本、贫信息”的灰色特征,为此提出了一种基于灰色软计算的换乘需求量预测方法.该方法利用灰色系统原理建立灰色神经网络系统预测模型,通过采用遗传算法改进神经网络的性能,提高系统预测的精度.以兰州市市区公共交通枢纽规划为例,结合实际的道路交通调查数据,运用该方法对提出的交通枢纽方案进行了实证分析与评价.结果表明:改进的灰色神经网络能有效地改善预测精度;运用GA-GNN模型求解道路交通中的非线性问题对提高决策水平具有较大的现实意义.     

基于时间序列分析的公路降雨型滑坡位移预测

基于公路降雨型滑坡位移远程实时监测数据,从分析降雨型滑坡阶跃型变形规律出发,将滑坡总位移分解为受不利地质条件影响的趋势项位移以及受降雨影响的周期项位移,采用时间序列分析方法将两者叠加构建降雨型滑坡位移预测模型。对滑坡趋势项位移采用灰色等维新息模型进行预测,对周期项位移采用自回归模型进行预测,将两者预测值组合得到滑坡总位移预测值。以湖南娄新高速公路某滑坡实时监测预警为例,采用该模型对比分析了滑坡实测与预测时间位移曲线,表明该模型预测效果较好,能体现降雨型滑坡位移变化趋势,具有较好的应用前景。     

基于灰色Verhulst模型对边坡变形预测研究

为了达到研究边坡变形发展趋势的目的,通过应用灰色Verhulst非线性微分动态预测模型,对实际工程中岩质边坡的变形发展进行了预测.研究结果表明:灰色Verhulst反函数预报模型建模思路正确,预报判据理论充分,并且预报精度较高.该方法可用于边坡变形任意阶段数据的预报,且可为类似岩土工程边坡变形预测参考.     

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。     

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。     

基于灰色层次法的公路工程造价风险评价

公路工程造价由于受诸多不确定因素的影响,这些因素之间又存在错综复杂的关系,相互依赖又相互制约,因而具有高度的不确定性,即存在风险.正是由于风险因素之间的复杂关系,本文综合运用灰色系统理论和层次分析法,建立了灰色多层次评价模型,以评价公路建设中造价的风险,此方法具有计算简便、评价精度高等优点.     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

基于灰色理论的锈蚀钢筋混凝土梁裂缝间距研究

在考虑影响裂缝间距的各主要因素的基础上,用正交设计法制作了37片混凝土梁试件,结合试验数据,详细阐述了试验室条件下钢筋混凝土矩形梁依锈蚀率变化的破坏过程、归纳了试验现象,探讨了锈蚀钢筋梁对裂缝间距分布的影响机理,以及试件在静载试验中的裂缝间距分布随锈蚀率变化的特点.采用灰色关联分析法分析了现行裂缝间距公式中各主要影响因素的重要程度,建立钢筋锈蚀率与平均裂缝间距的GM(1,2)灰色模型.研究表明,随着锈蚀率的增大,裂缝间距总体趋势也变大;锈蚀引起的粘结性能退化改变了受弯构件破坏机理;钢筋锈蚀是比混凝土抗拉强度对裂缝间距分布影响更为重要的因素.     

基于负二项分布的高速公路交通事故影响因素分析

为分析高速公路交通事故的影响因素,构建基于负二项分布的事故分析模型,探究事故数与交通特性、公路线形及路面性能间关系.鉴于传统固定参数模型难以刻画各因素对事故风险影响的异质性,引入了随机参数建模方法.结果表明:相比于固定参数负二项模型,构建的随机参数负二项模型有更好的拟合优度,且能更合理地反映各因素对事故的作用效果;将随...     

路面结构类型的灰色最优聚类评价

路面设计中，合理选择路面结构是建立在对路面类型进行正确评估的基础之上。路面结构类型受多种因素影响，本文根据灰色聚类的基本原理，运用灰色关联度和最优化理论建立灰色最优聚类模型，正确评估结构类型影响因素，得到最优方案选择，判定路面结构的优劣序次。     

基于缸盖振动信号的柴油机多工况气缸压力识别方法研究

对某12150型柴油机进行了缸内燃烧激励的瞬态动力学计算,分析了其缸盖振动的位移、速度和加速度与缸内燃烧特征参数的对应关系。接着在此基础上,对实测振动加速度进行数字积分和平均滤波得到振动位移信号,并利用希尔伯特包络和滑动平均法提取了振动位移的趋势项。再以该趋势项为输入参数构建了Adaboost_BP集成神经网络模型,最后利用此模型对不同工况下的缸内压力进行识别。结果表明:振动位移趋势项与缸内压力的良好对应关系和参数本身的简洁性有效降低了神经网络输入的复杂度,提高了神经网络的训练效率;集成神经网络模型能够准确识别不同工况下的缸内压力,其泛化性和精度均有大幅度提高。     

基于RBF神经网络的不利天气道路通行能力计算

不利天气下影响城市道路通行能力的各种因素都具有随机的、非线性,采用常态条件下修正理论通行能力的计算方法是不适合的.文章结合RBF神经网络模型方法能够良好地分析出随机的、非线性的特点,对路网组成单元进行重新划分,选定不利天气下道路通行能力的影响因素,建立了道路通行能力计算的RBF神经网络模型.并依据哈尔滨市暴雨天气下道路的实际情况进行了算例分析,计算的道路通行能力与实测数据最大误差为-1.16%,验证了模型的可行性和有效性.     

灰色神经网络模型DGNNM(1,1)及其在供应链需求预测中的应用

文章将离散灰色系统模型与神经网络模型相结合,形成灰色神经网络模型DGNNM(1,1),并结合某天然气公司供应链的需求历史数据对模型进行检验。实例的预测结果表明该模型可以作为供应链中的需求预测工具。     

工程车辆牵引动力学概述及其研究回顾(7)

2.5.3装载机负荷特性[18,25,27] 轮式装载机是一种很普及的工程车辆,尽管其工作模式与推土机截然不同,但其牵引力负荷应该仍具有循环式作业机械的特点:即非平稳随机过程中包含有确定趋势项和平稳随机项.大的趋势波动由装载机作业工序的变化产生,这一趋势决定着装载机的特点,是影响机器工作的主要因素;大波动上叠加的高频小幅波动,则由工作介质的随机因素造成.     

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

基于灰色系统和神经网络的实时交通量预测组合模型研究

介绍了将灰色系统理论和人工神经网络模型作为预测工具所具有的优缺点,建立了单一的GM(1,1)灰色系统模型。对传统的BP神经网络模型进行改进,在权值函数中加入一个动量因子作为阻尼系数,可大幅降低其容易陷入局部极小值的可能性。同时对学习率加以改进,使其能进行自我调节,于是构建了单一的BP神经网络模型。将单一的灰色模型和BP网络模型进行有机融合,得到了灰色系统—神经网络的组合模型。为验证这3种模型的预测效果,选取某一高速公路路段的单向交通量数据,通过Matlab软件编程进行拟合和预测,发现所建的组合模型综合预测效果最佳。     

路堤边坡冲刷量预测方法研究

影响边坡冲刷的因素很多，而基于模糊感知器建立一个通用的公路边坡冲刷预报模型是一个较好的解决途径。该方法结合了神经网络与模糊方法的优点，它可以模拟影响因素之间复杂的非线性关系，较好地解决了公路边坡冲刷预报中的模糊性和不确定性。模糊感知器网络将冲刷影响因子序列分成学习样本(30min降雨强度、降雨历时、降雨量、坡度坡长)，表示冲刷外因和学习目标样本(土压实度、径流流速、径流流量、土颗粒粘聚力、植被指数)，表示冲刷内因。通过模糊感知器特有的算法训练学习样本得到目标样本，最终得出冲刷预报值。为了验证模型，在连徐高速公路路堤边坡用SR型人工降雨设施进行冲刷试验，得到冲刷量实测资料，将通过模型计算的冲刷量值与之比较，显示了模型具有较好的预报效果。     

基于BP神经网络的二手车价格评估影响因素研究

为了高效客观准确评估二手车价格,以影响二手车价格评估的因素为研究对象,采用文献法分析筛选出二手车评估价格的11个影响因素并建立了BP神经网络二手车价格评估模型。通过BP神经网络二手车价格评估模型的计算结果显示模型预测价格与实际价格相关系数达到0.96,根据所建模型的连接权值得出了二手车价格评估影响权重值较大的7个因素。最后将影响二手车价格评估的7个主要因素作为输入重构了价格评估模型并重新计算二手车价格得出BP-11模型与BP-7模型计算结果基本一致且Pearson相关性度到0.83。因此本文的研究结果表明:二手车价格评估主要受综合油耗、车辆售后满意度、车龄、车辆可靠性、舒适性、外观、当前里程数的影响,BP神经网络二手车价格评估模型可由这7个因素描述。     

基于灰色理论的道路交通事故预测模型综述

交通事故预测模型是进行交通安全控制的关键问题之一。重点介绍了目前几种主要的基于灰色系统理论的道路交通事故预测模型:基本灰色预测GM(1,1)模型、残差灰色预测模型、灰色Verhulst预测模型、灰色马尔可夫预测模型、灰色神经网络预测模型,并指出各模型的适用条件和优缺点,为相关研究提供参考。