基于MPSO-RBF的公路货运量预测方法研究

在分析公路货运量的影响因素和预测特点的基础上,将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,建立了基于改进PSO算法和RBF神经网络的公路货运量预测模型(MPSO-RBF).利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、BP神经网络和RBF神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性.     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

基于RBF网络的混凝土抗压强度的预测

为了预测混凝土的抗压强度,在分析RBF神经网络原理的基础上提出了用RBF神经网络模拟抗压强度与各影响因素间关系的方法。根据搅拌机的实际工作状况,建立了4个输入节点、1个输出节点的RBF神经网络模型,通过19组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,RBF神经网络模型是一种较准确的快速预测混凝土抗压强度的方法。     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

道路货运量预测的遗传规划方法研究

影响道路货运量预测的因素，往往呈复杂的非线性关系。章探讨了遗传规划方法在解决该类问题上的应用，从随机生成的初始经验公式出发，运用复制、交换、变异等进化方式进行不断优化，最终得到能真正、全面描述问题实质的经验公式。以青海省历年货运量及经济发展状况为样本，采用遗传规划方法自动找出货运量随时间变化的规律，并对未来货运量进行了预测。该方法避免了事先确定变量之问函数关系的主观性，从而使预测结果更加客观、有效。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于RBF网络的砼强度预测探讨

通过建立使用广泛的RBF神经网络模型,对砼强度进行了预测,并将模型的预测值与传统的Bolomey公式的计算值进行了比较.结果表明,神经网络方法由于综合考虑了砼强度的各种影响因素,能实现非线性关系,具有较高的预测精度,在砼强度预测中具有广阔的应用前景.     

基于粒子群优化的RBF神经网络交通流预测

交通流量预测一直是实时自适应交通控制的关键问题。以城市道路网络中典型的两相邻交叉口为研究对象,提出了基于粒子群优化的RBF神经网络的信号交叉口交通流量预测模型。该模型以RB F神经网络为基础,采用分组优化策略,用粒子群优化算法对基函数的中心、方差和RBF网络权值进行优化,从而提高了网络的预测精度。通过仿真,并与其他算法对比,表明了本文方法的有效性。     

爆破振动特征参量的SVM及神经网络预测应用研究

通过RBF、BP神经网络及SVM算法3种预测方法,对爆破震动特征参量进行预测,并与传统萨道夫斯基公式进行对比分析研究。结果表明,3种方法预测精度均优于传统萨道夫斯基公式。当样本数有限时,BP、RBF神经网络在爆破振动峰值振动速度及主频率的预测中效果欠佳,SVM算法的预测精度优于RBF、BP神经网络,在实际工程应用中SVM算法对爆破振动特征参量的预测具有极强的适应性。     

公路地基沉降预测及其计算方法研究

为弥补公路路基沉降预测中各现有模型存在的不足,提出一种新的沉降预测模型,并给出了利用该模型进行沉降预测的解析方法和数值方法。分析了该模型的特点,说明了测量误差以及测点数对预测结果的影响。通过与其他预测方法的比较,该模型有明显的优势。结合工程实例验证了该模型的合理性,并指出解析方法在求解过程中会影响实测数据的权重,进而影响预测效果;而数值方法求解简单,方便实用,对测点数的多少要求不高,不影响实测数据的权重,预测精度较高。     

提高隧道超前地质预报效率的探讨

在隧道施工安全要求较高的今天,由于超前地质预报占用的施工时间太长,在施工工期比较紧张且工程顺利的时候就经常忽略地质预报工作。为了保证隧道施工的安全,结合工程实践,提出通过改进隧道超前地质预报方法,尽可能缩短超前地质预报在隧道施工占用的时间,提高超前地质预报效率。     

震后交通需求预测的修正四阶段法

将城市震后交通系统运行划分为两个阶段:震后应急阶段及震后恢复阶段,并根据地震环境下不同恢复阶段的社会经济活动及交通系统特性对传统交通预测四阶段法———出行产生、出行分布、方式划分、交通分配的宏观模型进行修正,讨论不同模型参数的变化趋势,建议参数的调整原则及方法,进而以修正四阶段法为基础进行震后交通需求预测。该方法简便易行,预测结果可对城市交通系统防灾规划提供决策依据。     

超前地质预报在长凼子隧道中的运用

结合奉恩路长凼子岩溶隧道地质预报成果,介绍超前地质预报在隧道施工中的探测方法、探测效果等。     

多种方法预测软基路堤沉降的应用对比分析

该文通过对对数曲线法、GM法、双曲线法、分层总和法在预测路堤沉降的对比分析,对每种方法的适用条件提出了评价,同时也验证了这四种方法的适用性,提出了怎样更好进行路堤沉降预测的建议,选取了预测模型及方法预测未来路堤沉降量,对防治公路路堤沉降,保证公路良好的营运质量具有重要的理论价值、经济价值及工程实际意义。     

运用弹性系数法预测北京机动车保有量

综述了机动车保有量的预测方法,包括时间序列回归法、神经网络法、弹性系数法等,分析了不同方法的特点,给出了相关启示。结合北京经济发展趋势,运用弹性系数法对机动车保有量进行了预测。     

专用公路交通量预测方法的研究

分析了专用公路交通量预测的影响因素,把专用公路交通量预测分为3类:A类机械变化交通量、B类园区诱增交通量及C类趋势交通量。提出了3类交通量的预测方法,并通过实例应用,验证了预测方法的可行性。     

区域公路网规模预测研究

公路网规模预测是区域公路网规划的重要内容.通过分析公路网规模的主要影响因素和现有的公路网规模预测研究方法,分析了因素分析法中常用的国土系数法存在的不足,并结合杭州市具体情况,提出了国土系数法的改善方法.建议根据具体实际综合分析公路网系数,通过改进公路网系数的计算模型,得到更准确的公路网规模预测值.     

相应涨差河道洪水预报模型研究及应用

在原有相应涨差河道洪水预报模型的基础上 ,利用差分方法推导出仅用下游站流量或水位资料表达的改进型相应涨差模型。并用具有可变遗忘因子的递推最小二乘实时校正算法对模型参数进行在线识别。该模型用于长江枝城至监利河段的实际预报检验 ,证明模型结构合理 ,算法简捷 ,成果令人满意。     

基于多源异构和XGBOOST模型的销量预测

随着中国经济的快速发展,中国汽车市场已经发展成为世界第一大汽车消费市场和全球最大的消费潜力市场3面对规模越来越大的市场,准确预测铕量是汽车产生面临的重要课题。本文在主成分分析的技术之上探讨了多源异质性大数据和XGBOOST算法在汽车销量预测模型中的应用首先选取一些社会经济结构变量、相关政策以及某汽车企业汽车销量为样本数据;其次为了去除多重共线性问题利用主成分分析分析出权重占比累积超过90%的样本特征;再次利用多维度控制变量法确定了XGBOOST糢型的最佳参數组合;最后利用训练好的模型对验证集进行测试,结果表明,多个月的预测销量与实际销量之间的平均准确率为88.52%,平均差异仅为11.48%。这为企业预测汽车销量提供参考.