基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

综合小波分解和BP神经网络的交通小区生成交通短时预测

针对交通小区生成交通的短时预测需求,提出了综合小波分析和BP神经网络的短时预测方法.预测方法主要利用dbN小波函数对交通小区生成交通进行小波分解,利用BP神经网络对分解后的多频段波形进行短时预测,最后通过波形重构获得交通小区生成交通的短时预测结果.在构建综合小波分析和BP神经网络短时预测模型基础上,采集交通小区的实际交通生成数据,并构建短时预测的对比模型,检验构建模型的预测精度.检验结果表明:在交通小区的生成交通短时预测方面,综合小波分析和BP神经网络的组合预测模型比单独采用BP神经网络进行预测的精度更高.     

高速路交通流短时预测方法

针对短时交通流变化的复杂性与非线性特点,分析了分类回归树模型的建立,包括模型的生长、分裂与剪枝,研究了模型在高速路交通流短时预测中的应用,并对美国波特兰州高速路网的真实交通流量数据进行分析建模.采用RMSE与MAPE误差分析法,将试验结果与传统的交通流预测方法ARIMA模型与Kalman滤波预测模型进行比较.对比结果表明:分类回归树预测模型的RMSE比ARIMA模型与Kalman滤波预测模型分别降低了42.1％、13.1％.     

基于FFOS-ELM和PF的短时交通流自适应预测模型

为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.     

基于车牌照数据的城市快速路行程时间短时预测方法研究

为了深入研究基于路段与基于路径两种不同的建模方法在城市快速路行程时间短时预测中的预测效果,以车牌识别系统采集的行程时间数据为研究对象,分别采用历史平均法、神经网络模型、支持向量机回归模型、非参数回归模型4种典型的预测算法,对快速路的行程时间进行预测。研究结果表明,考虑交通特征的支持向量机模型会显著提高基于路段的行程时间预测效果,同时基于路径的非参数回归建模方法优于基于路段的组合建模方法,更适合城市快速路行程时间预测。     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.     

基于改进遗传卡尔曼算法的短时路段行程时间估计

为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法。利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数。实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度。根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息。     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

基于小波神经网络的短时交通流预测

针对现阶段城市道路交通短时交通流预测精度不高的局限性,将小波变换引入到城市道路交通预测过程中,提出一种基于小波神经网络的预测方法。运用美国加州高速公路通行能力度量系统数据作为数据来源,应用小波变换和BP神经网络相结合对其进行预测,然后对预测结果数据进行分析,并对短时交通流进行综合评价。实验表明,该方法与传统的BP神经网络相比较,在短时交通流预测方面具有较好的有效性和优越性。     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

为部队训练研发浮动目标靶等新装具的回忆

在内陆地区借助专用装具模拟海上浮动目标进行射击训练,从而有效地提高现役部队官兵和预备役指战员的实战技能。浮动靶标的研发成功地实现了这一预想。     

王繁高速公路太安岭隧道涌水量预测与评价

以太安岭隧道为例,利用地下水动力学方法对隧道开挖的涌水量进行了预测,预测结果表明,隧道全线属于弱富水段,根据预测结果提出了隧道施工建议。     

水泥稳定冷再生材料路用性能试验研究

通过室内试验对水泥稳定冷再生混合料的无侧限抗压强度、抗压回弹模量、劈裂强度、抗冻性能进行了系统的研究,同时研究了水泥剂量、旧料掺加比例、温度对水泥稳定再生混合料的影响.研究表明,水泥剂量为5%时,冷再生材料的强度和其他路用性能指标均满足规范的要求.     

高沁高速公路郑庄至里必段路线方案研究

结合山区地形,按照"以人为本"和"安全、环保、舒适、和谐"的新理念,对典型路段的路线方案进行优化设计、比选分析,最终选择最佳路线方案。     

含硫酸盐半刚性基层材料的无侧限抗压强度试验研究

具体介绍了掺加硫酸钠的几种半刚性基层材料的选择和试件成型的方法,以及室内无侧限抗压强度试验的方法和步骤,得出了在最佳含水量下的几种含硫酸盐的半刚性基层材料无侧限抗压强度的回归方程。从试验结果可以得出掺加硫酸钠能显著增强半刚性基层材料的无侧限抗压强度,且含盐量不宜过大;在硫酸盐渍土中,在一定温度条件下,石灰含量、粉煤灰含量、初始干密度、冻融循环次数、含盐量等会对无侧限抗压强度的大小产生影响。     

水泥混凝土面板裂缝处治施工技术

分析了旧水泥混凝土路面板产生裂缝的原因及破坏类型,对实体工程裂缝进行调查分析,介绍了在旧路加铺改造中采用的针对轻、中、重裂缝的处治方法与施工工艺,通过实体工程应用对其使用效果进行了评价。     

仁义河大桥桥墩刚度与结构体系适应性分析

阐述了刚构—连续组合体系桥梁桥墩的刚度对结构变形和内力状态的影响,结合高薄壁墩的特点,对仁义河特大桥桥墩刚度设计和结构体系的适应性进行分析研究,为同类型桥梁的设计提供借鉴。     

隧道喷锚及二衬空洞的成因、预防及处理办法

通过对已有隧道经常发生二衬空洞形成的原因进行分析,探讨解决这一难题的方法以及如何处理。     

基于公路建设质量行为评价的监督方式初探

基于质量行为与实体质量有着较好的相关性,提出了公路建设质量行为评价指标,并鉴于质量行为评价的模糊性,采用层次分析和模糊综合评价方法对建设过程中的质量行为进行了分析,实现了建设质量行为的科学准确评价,最后依据评价结果对工程建设的监督方式做了初探,从而实现公路工程政府监督的差别化和动态化。     

五盂高速公路上跨石太高铁太行山隧道安全性分析

通过对五盂高速公路上跨石太高铁太行山隧道安全性进行分析,提出一些对计算跨越隧道的思路和想法,供大家参考和探讨。