隧道围岩变形预测的GM(1,1)模型优化分析

基于灰色理论的GM（1,1）模型对隧道围岩变形进行短期预测,研究结果表明,隧道围岩变形差值数列的光滑性比累计变形数列的光滑性好,用围岩位移变形差值数列作为原始数列,预测精度更高。     

道路交通量数列预测模型

应用灰色系统理论对道路交通量进行数列预测，并结合实例建立相应的模型予以验证，通过精度分析及与实际情况的比较，说明数列预测模型应用于道路交通量预测精度较高，而且方法简便。     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

GM(1,2)模型在内河货运量预测中的应用

内河航道货运量预测不仅具有模糊性和动态性的特点,而且受多个因素影响,为提高预测精度,运用GM（1,N）系统综合预测模型,考虑系统中多个相关因素,并结合GM（1,1）模型,以原始离散的内河货运量、国内生产总值GDP两组数列为基础,建立GM（1,2）模型进行预测,并对2种模型的预测精度进行了对比,结果表明,GM（1,2）模型由于考虑了经济因素一定程度上增加了预测精度。     

灰色系统理论在填石路堤沉降计算中的应用

根据灰色系统理论中的数列预测理论，针对填石路堤的沉降，建立了GM（1，1）模型，并分析了模型的预测精度。通过实例验证，所建立的模型精度高，简便易行，因而具有广泛的实用价值。     

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

基于皮尔曲线模型的隧道围岩变形预测研究

引用插值法将非等时距数据转化成等时距数列建立皮尔预估模型,并利用所建的皮尔模型对某隧道围岩变形情况进行了预测分析;结果表明,用皮尔曲线模型预测的围岩变形与实际围岩变形较为吻合。     

基于灰色理论的桥梁刚度性能退化预测方法研究

桥梁结构刚度退化可以从侧面反映出桥梁的健康状况,以子牙新河特大桥简易健康监测系统监测数据为样本,采用灰色预测中数列预测的方法对子牙新河特大桥刚度的退化趋势进行了预测,计算出了10年之后桥梁刚度退化状态,并与五年实测数据进行了对比分析,验证了基于灰色理论的桥梁结构刚度性能退化预测的可行性和有效性.     

路基工后沉降的多目标优化组合预测

路基的工后沉降预测是路基建设中的一个重要课题,以兰武（兰州-武威）二线路基工后沉降的实测数据为依据,对比星野法、指数曲线法、双曲线法、以及由3种单项预测方法构成的优化组合预测法的拟合精度和预测精度,结果表明拟合的效果和预测的效果随着数据量的增多而更优,但单项预测法不稳定,而优性组合预测法比较稳定,无论拟合数据量多少,其拟合精度和预测精度及其稳定性都比较好,且两者能够保持较好的一致性．另一方面,优性组合预测法中的加权系数可用于评价单项预测方法的适应性．     

舰船波浪中运动时域预报方法研究

舰船摇荡运动影响到舰载机的起降率和舰载武器的使用精度,因此研究舰船摇荡运动预报具有重要实用价值。对舰船摇荡运动时域预报的发展和研究现状进行综述,分析了各种时域预报方法在舰船运动极短期预报中存在的问题和其优缺点,通过比较可看出,支持向量机等较为新的预测方法比传统预测方法具有更长的预报时间和更高的预报精度。     

未达破坏的单桩极限承载力预测

针对工程中经常遇到未达破坏的单桩极限承载力的确定问题,提出利用双曲线模型、指数曲线模型和灰色模型预测单桩的竖向极限承载力。工程实例表明,双曲线模型应用有一定局限,指数曲线模型和灰色预测模型的预测精度高且适应性较好,推荐普遍采用。     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

GM（1，1）模型在路基沉降预测中的应用

灰色模型法计算工作量小,精度高,基于灰色理论的灰色模型在公路路基沉降预测中得到了普遍的应用。以工程实际沉降观测数据为基础,建立GM（1,1）灰色模型,对模型的预测结果进行了分析,由此证实GM（1,1）灰色模型在路基沉降预测中具有可行性。     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

基于遗传算法和神经网络理论的机场航空业务量的预测模型

航空业务量预测是机场规划的基础。常用的预测方法无法同时考虑较多的影响因素,预测结果的精度较低,缺乏客观性。本文运用遗传算法和神经网络理论,综合考虑GDP增长率、人口增长率、进出口总量等因素对航空运输市场的影响,得出一种较为完善的航空业务量的预测模型。     

湿陷性黄土地区路基沉降的优性组合预测

湿陷性黄土地区路基的沉降预测是铁路路基建设中的一个重要课题,通过分析实测数据来预测沉降是实际工程中较多采用的方法.单一的预测方法各有其适用性,同时也存在着不足,据此提出既能综合利用多种预测方法提供的信息又能提高预测精度的组合预测.采用以有效度最大为准则的优性组合预测,并通过对郑西铁路客运专线路基沉降实测数据的分析,说明优性组合预测的有效性及加权系数的时变特性.     

基于小波的短时交通流预测

本文利用小波分析方法对交通流数据进行不同尺度的分解,并对不同尺度的分量建立ARMA预测模型,再由各尺度的预测得到交通流的预测.实验显示,本方法具有较好的预测精度.     

基于神经网络的港口潮汐预报研究

分析调和分析法潮汐预报的局限性和神经网络技术用于潮汐预报的可行性,设计潮汐预报的神经网络模型,用验潮站20多年的潮汐记录作为样本进行网络学习和预报,验证神经网络用于潮汐预报并提高预报精度的可行性.