轮轨力连续测试系统设计

根据轮轨力作用下钢轨的受力特点，设计了采用测力钢轨的轮轨力连续测试系统，并通过仿真确定了垂向和横向轮轨力耦合作用下轮轨力计算方程式和相关因数．通过在试验线上的测试，表明该系统可同时连续测出垂向和横向轮轨力．     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

测力钢轨轮轨力连续输出算法

根据轮轨相互作用特点, 利用地面测试数据的信息, 采用阈值判断法提取有效的轮轨力数据。设计基于径向基函数神经网络的算法, 用以处理不同测试单元处的轮轨力的非线性关系, 用不同车轮不同作用点位置作用下的横、垂向力训练神经网络, 实现了测力钢轨轮轨力的连续测试, 并对3种工况进行了仿真试验。分析结果表明: 既存在干扰又存在应变片损坏时的连续轮轨力精度较只存在干扰及部分应变片损坏的低; 算法能对采样频率低于8 720.9 Hz的轮轨力信号进行实时处理, 算法具有很好的适用性。     

基于GM-GRNN的能源需求预测模型研究

建立了基于GM-GRNN能源需求预测组合模型,确定了网络输入向量集合和输出向量集合,对影响能源需求的相关数据进行了仿真分析。结果表明,相对于GM模型和GRNN模型,该组合模型具有较高的预测精度,具有较强的实用性。     

连续测量轮轨力的测力轮对技术

本文介绍了用标准的机车辆轮对作为力传感器来连续测量轮轨相互作用的测力轮对技术，并以作者研究的测力轮对为例，介绍了选择最佳贴片位置的方法、电桥设计的一般原则及试验结果处理等技术。     

后轮对独立回转新型转向架轮轨横向力的分析

从理论上分析了固定轮对转向架、独立车轮转向架和后轮对独立回转新型转向架通过曲线时的受力情况。围绕轮轨横向力这一重要曲线通过性能指标比较了三种转向架曲线通过性能的优劣 ,通过比较发现后轮对独立回转新型转向架的曲线通过性能最好。然后建立了后轮对独立新型转向架车辆的动力学计算模型 ,利用数值仿真结果对理论分析进行了验证 ,发现理论分析和仿真结果基本上是吻合的     

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.     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

基于灰色PSO-BP的客运量预测模型

在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

基于遗传算法的流量差值预测模型

随着高速公路网络以及联网收费技术的发展,路网中心需对各收费站进出流量差异进行分析及预测.该文应用ELMAN神经网络,运用相关站点历史数据逼近的方法,建立了流量差值预测模型;运用遗传算法对神经网络进行优化.预测模型能基本反映流量差值的变化趋势.     

�����Ŵ��㷨�����ܽ�ͨ����Ԥ�ⷽ��

把遗传算法应用到智能经济预测的模型选择问题中.首先，通过对已有的模型库中的模型进行编码得到遗传操作的种群，然后通过变异、交叉操作产生新的模型或者模型的组合，接着运用生成的模型进行自适应调节、学习从而得到模型的评价，用该评价作为个体的适应度进行选择操作.得到了较好的预测模型进行数据的预测.最后，文章结合我国客运量预测的实例进行了分析.     

基于灰色理论的点速度预测模型分析

利用灰色系统理论,建立快速路地点车速预测的GM（1,1）灰色预测模型,对点速度进行预测,并结合实例应用和验证,预测结果和实测结果较好的吻合,精度较高,表明灰色预测方法的可行性,而且方法简便。     

基于遗传BP神经网络的城市物流需求量预测

结合遗传算法与BP神经网络算法预测城市物流需求量,通过算例对比证明了遗传BP神经网络算法在预测的精度与收敛速度上均优于单一算法.基于物流业的广泛性提出采用3种物流需求量作为网络的输出指标,提高了物流需求量预测的广度与可信度,并提出了一种连续预测未来数年物流需求量的方法以便于运用于实际决策之中.     

灰色系统理论在道路货运量、货运周转量预测中的应用

基于灰色系统GM(1,1)模型和残差修正GM(1,1)模型,预测道路货运量及货运周转量,可充分开发并利用了少量数据中的显信息和隐信息,避免复杂的相关关系,克服原始数据的离散性,得到高精度的预测结果.以山东省道路货运量及货运周转量为例进行了中短期预测,并用后验差方法对预测结果进行了检验。     

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.     

西南地区桥梁寿命预测分析

随着在役桥梁的逐步老化,对其进行准确的可靠性评估以预测其寿命,从而进行有效的加固改造已显得日益重要。根据桥梁结构实际使用和管理中可能获得的信息不同,采用回归分析、灰色理论、神经网络预测等桥梁剩余寿命预测模型,对西南地区在役桥梁的剩余使用寿命进行预测,并给出了实例计算结果。此项研究成果可为桥梁工程的维修与加固以及重建计划和决策提供更科学的依据。     

����BP����������Ԥ��ģ�ͼ����ڹ�·������Ԥ���е�Ӧ��

组合预测方法与单一预测方法相比可以提高预测的精度和稳定性，因此得到广泛的应用。本文首先概述了组合预测的基本思想，然后介绍了基于BP神经网络的组合预测模型，并以吉林省公路货运量为例给出计算实例，实例的预测结果非常理想，同时也用数理统计的方法证明了此模型的适用性。统计分析和实践都证明此模型的可行性和适用性，说明将此模型用于公路交通运输量预测是有效可行的。