基于放大系数和权重组合的无砟轨道TQI计算

无砟轨道是我国高速铁路普遍采用的轨道结构形式,由于无砟轨道质量状态好、不平顺幅值小,应用现行轨道质量指数(TQI)进行轨道平顺状态评价时,难以反映不同线路区间之间的差异,进而不利于无砟轨道的精细化管理。为此,文章提出了基于放大系数和不同权重组合的TQI计算方法。以某高速铁路无砟轨道不平顺检测数据为例,利用变异系数分配各单项分量在TQI中的权重,并通过放大系数将单项分量值根据管理标准进行分级处理;通过新TQI值与原TQI值的对比分析,将新TQI值计算结果分为4个区间:TQI≤600,600TQI≤700,700TQI≤800,TQI800。与现行TQI相比,文章提出的计算方法能够更为有效地识别出现严重轨道不平顺病害的处所,以期对高速铁路无砟轨道线路的平顺性进行更好地评估和管理。     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

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。     

简便实用的最小二乘预测算式

本文推导了在等间隔观测条件下的最小二乘预测的简例实用的预测算式，它可以利用前四点历史数据直接计算出下一观测点的预测值，因此能更加方便地在实时控制及其它领域中直接应用，对各种数据的动态趋势进行预测分析。     

基于灰色系统理论的船闸货运量预测研究

采用灰色系统理论，建立了基于GM（1，1）的船闸货运量预测模型，经检验，预测精度良好，模型为一级．应用所建模型进行了运量预测，通过后期2001～2003年实测值与预测值的对比，发现相对误差很小，预测结果合理可信，且优于常用的线性回归预测，由此可以认为，灰色预测方法是值得在水运界进行推广和探讨的．     

基于极大似然估计的路段交通流量预测

基于对交通流量预测存在的问题的分析，用极大似然估计法对路段交通流量进行预测．这种方法的实质，是将连续的观测时段的上游观测量作为自变量，用极大似然估计法估计出观测量与下游预测量之间的关系，从而预测交通流量．实例结果表明，预测值与实际值的最大误差率为5.76％。     

两种神经网络在混凝土强度预测应用中的探讨

通过建立BP和RBF两种神经网络模型，来对混凝土的强度进行预测。将预测值同Bolomey公式计算结果进行了比较。研究表明。基于Madab的神经网络能够充分考虑影响混凝土强度的各种因素，通过建立非线性模型进行预测。具有一定的精度，在强度预测中具有广泛的应用前景。     

基于ARIMA模型的轨道不平顺状态预测研究

轨道是列车运行的基础,轨道不平顺状态是影响行车安全的关键因素.为保障列车安全、平稳和不间断的运行,轨道必须具有高平顺性.根据轨道不平顺变化特点,文中利用ARIMA（自回整合归移动平均）模型对轨道不平顺状态进行预测,并且采集了京九线下行463.8 km处2008年2月第二次检测至2008年12月第一次检测的TQI历史检测数据对模型的有效性进行了检验,结果表明ARIMA模型能够对两次大修作业之间的轨道的不平顺状态进行较为准确地预测.     

基于BP神经网络的浙江省交通发展预测问题研究

基于BP神经网络研究了多因素的交通预测问题。通过分析影响交通指标预测值的15个因素信息，预测到2015年浙江省公路总里程为94984b，其中高速公路总里程为4533km，对今后浙江省交通发展规划具有一定的指导意义。     

基于小波和Kalman滤波的交叉口流量组合预测

为更准确地预测动态变化的道路交叉口流量，根据城市道路流量分布的特点，提出了在小波分析和离散Kalman滤波的基础上进行组合预测的方法．这种方法将路口的流量数据构造成几个相关序列，对每个序列分别进行小波变换和Kalman预测，然后将各序列的预测值组合成最终结果．这种预测方法可用于其他动态流量预测，如路段流量预测、路口流量分配预测等．实验表明，该方法可以有效地减少预测误差，并具有较好的鲁棒性。