样本数量对切削力的神经网络预测精度的影响

为用尽量少的训练样本达到预测目的，通过不同数量训练样本训练网络的对比试验，分析了训练样本数量对基于列文伯格-马夸尔特算法的切削力的神经网络预测精度的影响．用统计学平均幅值和均方差作为误差的评价指标，探讨了训练样本数量与预测精度的关系．研究结果表明：用40-50组样本训练网络，就可以实现特定切削用量范围内切削力的准确预测．     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于神经网络的数据挖掘模型在吸能装置上的应用

针对传统有限元分析方法对机车车辆结构耐撞性计算效率低的问题，在已有仿真分析数据基础上，引入机器学习方法，对车辆关键结构的耐撞性以及碰撞安全性进行分析预测. 首先，建立基于神经网络的数据挖掘模型，在此基础上构建车辆关键结构的碰撞响应预测方法；其次，通过试验验证了防爬吸能装置有限元模型的正确性，以此模型为基础获得不同壁厚防爬吸能装置的碰撞响应仿真数据；然后，以吸能装置壁厚作为模型输入，不同壁厚所对应的位移、速度、界面力和内能等碰撞响应作为模型输出，将有限元仿真数据用于模型训练，优化后的数据挖掘模型的拟合优度在0.922以上；最后，为验证模型预测的准确性，将碰撞数学模型的预测结果与有限元仿真结果进行对比，速度、位移、界面力和内能的平均相对误差分别为7.10%、4.51%、6.20%和2.50%. 研究结果表明:基于神经网络构建的数据挖掘模型在保证精度的情况下，能很好地反映防爬吸能装置的碰撞特性，大幅降低了计算时间，提高了计算效率.      

用神经网络方法预测股票短期走势

在技术分析基础上，建立了神经网络的股票短期走势预测模型，对深圳和上海股票市场中的几种股票价格走势进行预测，取得了满意的结果。同时，还对神经网络的输入参数（开盘价、收盘价、最高价、最低价和成交量）的不同组合产生的预测结果进行了对比分析。     

深水桥墩地震响应研究现状与展望

分析了地震激励下水-深水桥墩动力相互作用, 总结了动水压力作用机理、地震动水压力的计算方法和水-结构动力相互作用分析方法, 研究了深水桥墩地震响应特征和影响因素以及水下振动台试验进展, 并对比了各国规范中动水压力计算方法。研究结果表明: 动水压力降低桥墩自振频率, 增大桥墩地震响应, 其影响在桥梁的抗震设计中不可忽略; 现有研究采用的桥墩形式较为简化和单一, 建议开展更多以桥墩体系、桥梁体系为对象的深水桥梁地震响应研究; 对于地震作用下动水压力计算, 目前各国规范多基于Morison方程, 但对其适用范围尚不明确, 应深入研究Morison方程的适用范围、修正方法与准确便捷的地震动水压力计算方法; 目前水下振动台试验大多集中在动水压力对桥梁下部墩桩地震响应的影响上, 响应大多在弹性范围内, 应进一步研究在大震作用下深水桥墩的非线性响应与破坏模式; 目前针对深水桥墩在地震和波浪联合作用下的动力响应研究较少, 应深入研究在地震、波浪、海流联合作用下深水桥墩与水的相互作用机理; 目前缺乏对全桥结构的地震响应研究, 应开展深水桥梁全桥分析与多子台水下振动台试验。      

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象,在考虑降雨数据的基础上,设计一个基于非最小路段的行程时间计算方法,建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后,以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明,加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析,发现在满足数据精度的前提下,本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

基于LS-SVM的基坑周边地表沉降预测模型

针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,以已有的周边地表沉降为样本,利用最小二乘支持向量机（LS—SVM）建立基坑地表沉降预测模型,应用网格搜索算法优化模型参数,时基坑周边地表沉降进行连续滚动的多步预测。实例分析结果表明,LS—SVM用于基坑周边地表沉降预测效果较好,具有所需数据少、推广能力强等优点。     

A Model to Predict Rolling Force of Finishing Stands with RBF Neural Networks

In view of intrinsic imperfection of traditional models of rolling force, in order to improve the prediction accuracy of rolling force, a new method combining radial basis function（RBF） neural networks with traditional models to predict rolling force was proposed. The off-line simulation indicates that the predicted results are much more accurate than that with traditional models.     

基于链路预测的中小机场连接机制研究

以中小机场航线网络为研究对象，利用链路预测理论与评价方法，从网络外生属性与内生因素角度各自建立了4种预测接近性指标，比较各指标的预测效果，并进一步设计出3种耦合接近性预测算法，选取预测精度最好的算法预测中小机场未来新增航线，并对预测结果进行实际检验。结果显示，4种内生因素指标的预测精确度均高于除起降架次以外的外生属性指标，其中局部路径(Local Path，LP)指标的预测精确度最高，挖掘网络内部的结构信息更有利于预测网络连接情况，耦合算法的预测效果优于单个指标。基于耦合算法的预测结果与未来新增航线对比发现， 预测的中小机场航线在未来新增航线中占比高于1/3，预测航线主要集中在东部地区，多数中小 机场依然会选择中心城市连接，结果较为符合中小机场实际连接情况。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

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     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

山岭隧道洞口段衬砌刚度对其抗震性能的影响

利用ABAQUS有限元模拟软件建立V级围岩条件下山岭隧道洞口段的地震响应数值模拟三维模型,对比研究其在不同衬砌刚度时的抗震响应情况,从而得到衬砌刚度对其抗震性能影响的规律.衬砌刚度取用20 GPa、30 GPa、40 GPa、50 GPa四种不同工况,在模型底部施加水平方向的地震荷载.通过研究发现：当衬砌刚度为30 GPa时能起到较好的抗震效果,且结构强度有较大富余量;刚度为20 GPa时结构偏“柔”致使位移量过大,不利于结构的抗震;当刚度为40 GPa甚至更大时,结构的受力和地震过程中的峰值加速度明显增大,且位移量减小不明显,对提高抗震性能作用不大.     

波流与地震共同作用下深水桥墩动力响应分析

为了揭示深水环境中波流与地震共同作用下桥梁下部结构与水耦合作用机理,基于非线性Morison方程,建立了波浪、水流和地震联合作用下结构动力学方程,通过有限元离散,计算了某深水桩-承台-桥墩结构体系的动力响应,并分析了不同波流要素对该结构体系动力反应的影响.研究结果表明:波流与地震之间存在相互影响,波流对地震响应的影响范围为-31.6%~63.5%,这种影响不仅改变地震响应幅值本身,而且改变幅值出现的时刻,还将使得波流、地震联合作用下流场激励频率介于纯波流场激励频率和地震激励频率之间,因此有必要进行波流与地震的联合作用分析;当波流作用在承台及以上位置时,桥墩的动力响应显著增大,在实际工程建设中须引起重视,有必要选用承台高出水面的高桩承台.      

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据，利用非负矩阵分解算法(NMF)从时间和空间两 个维度深入探究共享单车的出行规律，并构建逆序群体稳定性指标(RPSI)改善 k 值选择过程。利用得到的出行规律，运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型，对共享单车的出行需求进行预测，并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模 型的结果进行对比。研究结果表明，共享单车可分为5种基本的出行模式，每个区域的出行都可以由这5种出行模式的线性组合来表达，其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征，分别确定其出行含义：通勤出行中居住地到 地铁站的出行；通勤出行中地铁站到工作地点的最后一公里连接；居民其他的非通勤出行行为， 如休闲娱乐活动等；回程通勤出行中从工作地点到地铁站；回程通勤出行中从地铁站到居住区的最后一公里连接。最后，模型预测结果的对比分析显示，本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。     

基于模糊神经网络的交通事故微观预测方法研究

道路交通事故微观预测包括对路段和交叉口事故指标的预测．本文总结现有预测方法的优劣性,探讨现有预测方法的改善方向,提出了基于模糊神经网络的交通事故微观预测方法,分析了网络结构和学习算法。以石河子市交通事故调查数据进行实例分析,选择路段事故影响因素作为输入变量,通过Matlab编程实现模糊神经网络的算法,并与负二项回归模型...