基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

灰色预测在高铁路基沉降预测中的应用

以在建某高速铁路为背景,通过对路基沉降实测数据的汇总,根据沉降曲线形态及沉降速率的差异将其分为3类.对观测数据进行等时距变换,采用灰色理论GM(1,1)模型、双曲线法、三点法对工后沉降进行预测,并对灰色理论预测模型进行精度检验.选取堆载预压期的数据作为模型原始数据,通过与实测最后一期数据的对比,发现灰色理论预测结果更接...     

GM（1,1）预测模型在路基沉降中的应用

为了控制老路拓宽中的差异沉降,需要对新路基进行沉降预测.取沉降观测点在相同观测时段内的沉降量为原始序列,将其作1次累加生成1次累加序列,根据GM（1,1）模型建立灰色微分方程,解微分方程可得方程的时间响应序列,并采用后验差法对模型的可靠性进行了检验.通过对贺家坪连接线新路基的实测沉降数据的分析,证明将灰色预测模型GM（1,1）应用于预测路基的沉降量是可行的.在实际运用过程中,应不断代入新近的实测数据,以获得更准确的结果.     

非等时距GM(1,1)灰色模型在路基沉降预测中的应用

灰色理论现已普遍运用于路基沉降的预测中,以某高速公路为例,运用灰色理论建立路基沉降的非等时距GM(1,1)预测模型,并采用后验差法进行精度检验。以工程实测沉降数据为基础,对模型的预测结果进行了分析。结果表明,预测值与实测值之间误差较小,从而证实该方法的可行性。     

城市轨道交通客流灰色预测法应用

在介绍灰色系统理论的基础上,叙述运用GM(1,1)预测模型进行预测的详细步骤,讨论灰色预测模型在城市轨道交通客流量预测中的应用。并通过具体数据对未来时期的客流量进行预测,通过精度检验证明预测结果是可信的,从而证明GM(1,1)预测模型应用于城市轨道交通客流预测是完全可行的。     

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.     

基于非等时序灰色模型的路基沉降预测

结合高速公路路基施工沉降观测数据,讨论了灰色系统理论和双曲线模型在公路路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行了改进,建立了任意时间间隔的非等时序改进灰色模型。通过具体工程实践,给出了灰色模型和双曲线模型对公路路基沉降量预测结果与实测结果的比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

GM（1，1）模型在路基沉降预测中的应用

灰色模型法计算工作量小,精度高,基于灰色理论的灰色模型在公路路基沉降预测中得到了普遍的应用。以工程实际沉降观测数据为基础,建立GM（1,1）灰色模型,对模型的预测结果进行了分析,由此证实GM（1,1）灰色模型在路基沉降预测中具有可行性。     

高路堤沉降分析的灰色预测

运用灰色理论建立了高路堤沉降的非等时距等维新息预测模型，同时为了预测路基在下一级填土后的沉降，建立了考虑路堤填土过程的GM（1，1）模型。通过实例计算表明，该法预测精度高，在高路堤沉降监测中具有较大的实用价值。     

高速公路软土地基沉降灰色预测方法研究

根据高速公路软土地基沉降的特点,探讨了灰色预测模型G(1,1)的基本原理,并将其运用于沉降预测中,通过编程实现了该方法,并且获得了很好的效果.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。     

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。     

基于组合模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量的历史数据,分别利用三次指数平滑法、灰色CM（1,1）模型以及组合预测方法对集装箱吞吐量进行探讨,有益于预测未来几年港口集装箱吞吐量。结果证明：组合预测模型融合了前两种预测方法的优点．其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM（1,1）模型时的平均绝对误差、平均相对误差绝对值,达到最优的精度等级。     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

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。     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

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.