灰色BP网络串联式组合模型在铁路客货运输量预测中的应用

针对铁路客货运输量发展趋势的研究,建立一种基于灰色理论和BP神经网络的串联式组合预测模型。该模型首先用同一组数据序列建立不同参数的灰色方程,然后用各灰色方程分别预测,最后将各灰色方程预测的结果进行BP神经网络非线性组合,形成串联式组合预测模型。对湖南省铁路客货运量进行分析预测,结果表明:该组合模型预测的准确性高于单独使用灰色模型的准确性,是一种可靠有效的预测方法。     

基于非等间距GM(1,1)模型群对深井巷道围岩变形的预测

针对时间间距不同的深井巷道围岩变形问题,文章建立了全数据非等间距GM(1,1)模型和不同维数的部分数据非等间距GM(1,1)模型,通过误差比较分析,得到了相对误差最小的模型为5维部分数据非等间距GM(1,1)模型,并对巷道顶底板和两帮位移量做出了预测。结果表明:在一定范围内,维数越小,非等间距GM(1,1)模型的平均相对误差越小,为预测巷道围岩变形提供了一种良好的方法。     

运用MathCAD预测分析公路远景交通量的研究

文章利用MathCAD软件解决了远景交通量推算时曲线方程多样性的问题,提高了计算效率和预测精度。     

基于积分求导还原思想的新型边坡变形预测UGM(1,1)建模方法

文章通过研究传统预测模型的误差来源和传统UGM(1,1)灰色预测模型建模原理,提出一种基于积分求导还原思想构建的新UGM(1,1)模型,并以某高速公路一段路基边坡实测数据为依据,验证新型UGM(1,1)灰色预测模型的可行性及其预测结果的可靠性。算例预测结果表明:新UGM(1,1)模型的拟合和预测精度误差均达到合理范围5%以内,对非等时距灰色预测模型数值预测具有一定的参考价值。     

交通噪声对高校环境的影响

文章提出运用噪声测量基本方法,测量了合肥工业大学南区周围四条交通路段的交通噪声值并统计出不同类型的机动车流量数据。利用SoundPlan噪声预测软件,建立交通噪声模型,文章分析了交通噪声对学校的现状影响,对马鞍山路高架桥的修建和未来黄山路的打通对学校可能造成的影响进行预测,并绘制了噪声网格分布图。     

基于小波分析与隐马尔科夫模型的短时交通流预测

鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。     

基于K-means与GRNN的高原山区高速公路短时交通流预测

为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络（General Regression Neural Network,GRNN）,构建K均值聚类算法（K-means clustering algorithm,K-means）与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。     

基于AFC数据的城市轨道交通OD客流动态预测

路网客流实时状态是城市轨道交通系统进行日常运营及关键决策的重要基础，针对目前城市轨道交通客流预测中站点层次预测方法较成熟，而客流分布预测较少的情况，提出基于时序神经网络的量测方程OD客流动态预测方法。利用地铁AFC数据，确定时序神经网络预测的最优数据粒度为15mins和最优时间序列阶数为4，以此构建时序神经网络框架，对站点进站量进行预测；对于站点进站客流与OD客流间的时空关联性，主要体现在进站客流的不同去向以及相同去向下不同的到达时间，建立量测方程反应这一联系，将进站客流转化为OD客流，并以成都地铁为例，对路网条件下不同分布特征OD客流进行预测验证，加权相对误差为14.08%，验证了模型的有效性。     

基于变权重组合模型的高速公路路基沉降量预测分析

现有高速公路路基沉降预测方法多是基于单一权重组合模型,在预测结果上存在误差较大的问题。基于此,文章采用变权重组合方法建立高速公路路基沉降量预测模型,通过对预测量对应权重系数的动态优化,使其变为以时间发展为依据的表达模型,进而获得更加准确、稳定的预测模型。经湖城高速公路某沉降路段实际测试,并与另外三种预测模型的实例路段路基沉降数据进行对比,结果表明：基于变权重组合模型的预测结果与实际公路路基沉降测量值之间的误差最小,其误差值为0.871 2,数据曲线表现出来的测量因素的拟合程度更好,整体性能较另外三种权重组合模型提升效果明显,收敛性更好。     

基于GM(1,N)及神经网络的崇左铁路货运量预测

运量的预测是崇左地区铁路及物流业规划极其重要的依据。文章基于对崇左地区铁路运量影响因素的分析,利用灰度GM(1,N)预测模型对铁路运量上限进行预测,并建立BP神经网络预测模型对近年来崇左地区的铁路货运发生量进行预测,得到2014年铁路货运预测发生量及货运量上限。预测模型与实际数据拟合程度极高,且模型稳定,可根据模型及2015年规划基础数据对崇左地区铁路运量进行稳定预测。     

利用人工神经网络预测再生沥青混合料的动态模量分析

回收沥青瓦混合料在组成和性能上与原混合料有很大的不同,因此很难对回收沥青瓦混合料的性能进行预测。文章旨在说明人工神经网络在预测含回收沥青瓦的沥青混合料的动态模量(E~*)方面的可行性,整理了1 701组数据用于人工神经网络模型的构建、训练和测试,将所建立的人工神经网络模型与现有的基于多元回归的Witczak E~*模型进行比较分析。结果表明,人工神经网络模型的预测性能优于Witczak模型,人工神经网络作为预测再生沥青混合料动态模量的工具具有很大的潜力。     

基于注意力机制和时空卷积网络的客流预测方法

客流预测方法可以帮助城市轨道交通运营部门根据客流动态变化调配列车资源,是实现精准列车动态控制的基础。研究提出基于注意力机制和时空卷积网络模型的客流预测方法,融合不同功能的网络单元,使得网络可同时捕获客流数据的时间相关性、空间相关性和时空相关性,并采用注意力机制以提高模型预测的准确性,能够同时实现城市轨道交通多站客流的动态预测。基于北京地铁的实际客流数据对该方法和模型进行数值试验,结果表明该模型性能优于其他基线模型。     

基于灰色模型及月度比例系数法的铁路客流预测方法

文章针对铁路客流变化的影响因素及特点,提出了基于灰色模型及月度比例系数法的铁路客流预测方法,并通过实例分析,证明了该方法预测误差小、精度高、计算简便、可操作性强,可为铁路车站客运计划的制定及日常客运工作组织提供准确、可靠的数据。     

沥青再生过程中新旧混合沥青力学性能研究

随着我国的公路建设事业进入建养并重阶段,热再生技术作为一种重要的沥青路面养护技术受到工程界广泛关注。本文通过实验方法测试了沥青路面再生过程中新旧沥青融合后的混合沥青的高温粘度和服役温度区间内的粘弹性指标,并对实验结果进行数值拟合,得到混合沥青高温粘度的预测方程,可以指导再生沥青混合料的配合比设计及工程应用,从而完善沥青路面热再生技术体系。     

基于BP神经网络算法的共享单车需求预测

文章选取某地区不同时段的共享单车需求数据,采用BP神经网络算法构建了基于Tanh函数、Logistic函数、Relu函数、Identiey函数四种不同激活函数下的需求预测模型,并应用RMSE、MSE、MAE、R2四种模型评估指标对模型进行评估,从而选出最优需求预测模型进行共享单车的需求预测。结果表明:无论在检验训练数据下还是检验测试数据下,精度最高的模型为Tanh函数下的BP神经网络模型,其测试集下的标准误差(RMSE)比训练集下的标准误差(RMSE)略有上升,测试集下的拟合优度(R2)比训练集下的拟合优度(R2)略有下降,说明该模型具有强泛化性能。     

混合动力节能汽车研究现状及发展趋势

文章重点介绍了混合动力汽车的基本构成和结构方案;详细阐述了混合动力汽车的工作过程和节能原理,并用具体试验数据说明了混合动力汽车的节能效果;对目前国内外混合动力汽车相关的研究动态进行简要的介绍;最后对混合动力汽车未来研究动向进行了预测。     

基于神经网络的纳米SiO2改性陶粒混凝土性能预测

为实现对纳米SiO₂改性陶粒混凝土抗压强度和干缩值两项技术指标的预测,基于大量试验数据,以水胶比、纳米SiO₂掺量、陶粒用量为模型输入参数,提出了一种基于遗传算法优化改进的神经网络模型。结果表明,相比较于传统的回归分析法,经遗传算法优化的神经网络预测模型的拟合优度值(R²)超过了0.9,也可以更准确和稳定地预测纳米SiO₂改性陶粒混凝土的各项性能,该方法为解决绿色混凝土材料的配合比优化与性能调控问题提供了新思路。     

基于非齐次指数函数灰色模型的隧道围岩变形预测

准确地测量、预测围岩变形是保证隧道施工安全的重要措施之一。围岩变形具有时间序列的单调增长性和随机性等特点,针对其特点,文章采用常规GM(1,1)模型、齐次指数函数灰色模型、非齐次指数函数灰色模型,对隧道的围岩变形进行了预测与对比分析。结果表明,常规GM(1,1)模型、齐次指数函数灰色模型、非齐次指数函数灰色模型三种模型的中误差分别为7.16%、5.01%、2.99%,最终沉降预测值相对误差分别为-8%、-5.52%、-3.05%。非齐次指数函数灰色模型具有较高的精度,在隧道围岩变形预测中具有广泛推广的应用价值。     

基于约束随机场理论的隧道围岩参数空间变异性优化分析

针对传统随机场模拟围岩参数空间变异性中存在的地勘数据使用效能不充分问题,文章通过将Kar?hunen-Loève级数展开法与克里金插值法有机结合,发展了基于采样数据的约束随机场生成方法,并与蒙特卡洛模拟、非侵入式随机有限差分分析和地层结构模型相结合,实现了基于约束随机场理论的围岩参数空间变异性优化分析模型.运用该模型对...     

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的。有效的交通状态预测能优化交通状态,减少交通阻塞。贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一。文章在综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的。