探讨预测路外伤亡事故的方法

分析了几种预测路外伤亡事故的方法，其中加权综合预测法考虑了两种或两种以上预测结果的权重，因此可减少预测误差，提高预测的准确性，是一种值得推广的预测方法。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

预测建筑物变形的一种简便方法

介绍一种预测建筑物变形的简便方法，该方法根据建筑物变形的观测资料，运用最小方差预测理论，建立预测模型，对建筑物的变形进行预测，在实际应用中该方法取得较好的预测效果。     

高速铁路线下工程沉降变形组合预测探讨

沉降变形组合预测方法是以适当的加权平均形式组合多种模型，各种模型优势互补，达到有效提高预测精度的目的。介绍了组合预测理论的基本情况，对组合预测的方法进行了简要探讨，同时对与线下工程沉降变形有关的组合预测应用案例进行了概述，最后对组合预测在高速铁路无砟轨道线下工程沉降变形预测中的应用前景作展望。     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

新建拉萨至日喀则铁路客货运量及流向的预测

货运量预测按口岸进出口运量、沿线地方运量分别分析预测．进出口运量按趋势采用增长率法进行预测；沿线地方运量根据经济调查，采用主要品名按产销平衡法和其他品名按弹性系数法、类比分析法、回归法、增长率法等综合进行预测．客运量预测采用“四阶段”法的预测思路预测，转移运量、诱增运量采用重力模型方法，建立模型计算项目建成前后吸引区旅客广义出行费用的变化，通过预测各种交通运输方式市场份额的变化和诱增率，预测项目的转移客运量和诱增客运量．     

基于数据驱动的机车车轮剩余寿命预测技术

为优化机车车轮运维管理，提高机车车轮剩余寿命的预测精度和稳定性，提出基于数据驱动的机车车轮剩余寿命预测模型。依托机车车轮全寿命周期的造修和运维数据，分析影响车轮服役寿命的主要因素，包括轮径、历史和环境影响因素。构建基于数据驱动的机车车轮剩余寿命预测模型，模型以轮径区间作为寿命计算单元，并引入轮径历史和环境损失率，综合考虑3类因素对寿命预测的影响。现场测试中，因某轮径区间的数据不符合计算要求，导致轮径环境损失率存在数据缺失问题，于是采用多层感知机算法对缺失项进行预测和补充。基于测试集中的车轮旋修数据，对比数据驱动预测算法和传统预测算法的预测效果。由结果可知，数据驱动预测算法的预测精度和稳定性均优于传统预测算法。     

浅谈城市轨道交通客流预测方法

本将在分析现有轨道交通客流预测应用实例的基础上，分析了轨道交通客流预测方法的模式，难点，提出了具体预测步骤。     

基于GA-岭回归分析的机车车轮踏面磨耗量预测算法研究

车轮踏面磨耗量是评价机车运行安全的重要参数，但多数车轮运维现场的条件尚不能对踏面磨耗量及时、准确地进行监测。为了解决上述问题，文章提出了基于“GA-岭回归”分析的机车车轮踏面磨耗量预测算法（简称“GA-岭回归”预测算法）。“GA-岭回归”预测算法分为数据前处理和数据预测分析2部分。对于数据前处理，首先依据不同的测量方式对采集到的踏面磨耗量数据进行分类，基于车轮的实际运维情况，分析不同类型数据的特点；随后以镟修周期作为数据划分标准，对分类后的数据进行切片处理；最后采用相关标准和主成分分析法对相应的动态测量数据进行清洗、降噪。对于数据预测分析，首先划分数据集，进行数据整合，创建训练集数据的时间滑动窗口；随后采用岭回归算法对训练集数据进行回归分析训练，并结合遗传算法和验证集数据进行模型参数的调优，以提高预测准确性。基于测试集数据，分别采用传统预测算法、岭回归线性预测算法和“GA-岭回归”预测算法，对3类预测算法的预测效果进行对比分析；随后采用相同的测试方法，扩大车轮样本的数量，继续进行预测效果的对比分析。测试结果表明，采用“GA-岭回归”预测算法的预测误差和误差标准差均相对较低。经分析可知，...     

施工企业工程造价控制

主要从成本费用预测和成本费用控制两方面着手，对施工企业工程造价的控制进行论述。成本费用预测常用的方法为定性预测和定量预测。通过利用原有资料和依靠专业人员的经验，对成本费用进行定性预测；利用数学模型，对成本费用进行定量预测。成本费用控制常用的方法为PDCA管理循环法、价值工程法。此文通过工程实例，采用价值工程法，论述成本费用的控制。     

基于灰色动态模型的铁路客运量预测与分析

对铁路客运量实时准确的预测与分析是铁路部门进行相关决策和判断的重要依据。运用灰色动态GM（1，1）模型，对武昌车站2000～2005年的客运量进行了预测，并结合实际统计数据对预测结果精度做出诊断和修正。基于此，对2006--2020年武昌车站的客运量进行了预测。结果显示，该模型直观，可操作性强，预测数据可靠，可以作为决策判断的依据。     

高速铁路沿线噪声的预测方法

从点声源的理论出发，对列车运动噪声进行预测计算，采用一列车通过时的单发暴露声级、时间特性的最大声压级和一定时间内的等效声级等作为噪声评价量，编制了相应的可视化软件，并将预测结果与日本预测方法进行对比，证明该软件预测计算的准确性及采用点声源理论进行预测评价的可行性。     

京沪高速铁路运量预测

介绍了日本高速铁路运量预测ＭＤ模型的特征，结合ＯＤ分区、预测方案，社会经济参数，技术条件等对京沪高速铁路运量进行了预测。     

铁路货流OD预流方法的选择和实践

本文运用交通工程学理论，对全路货运量ＯＤ预测的有方法进行了分析和选择，并在现有资料的基础上，采用计算机编成的方法，完成了预测年度的货运量预测。     

基于AFC数据的城市轨道交通短期客流预测实时修正研究

短期客流预测数据一般在预测日前1周或1月内生成，但突发疫情、恶劣天气等非预知情况会引起预测量与实际量有较大偏差，因此需要根据AFC数据对预测趋势及预测指标进行实时修正。首先建立基于AFC数据的客流实时清分推演模型，预测当前时刻前已进站但未出站乘客的出站车站、出站时间，出行路径及所乘车次；然后提出趋势修正策略，根据实时AFC刷卡数据及下一时段的预测OD客流量，采用自下而上的策略对下一时段各车站的预测OD客流量及预测出行记录进行修正；进而采用指标修正策略，将趋势修正与实时清分推演结果结合，生成下一时段全维度修正指标；最后以突发疫情为例，通过实验验证实时修正系统的应用效果。短期客流预测的实时修正能够进一步增强路网运营全貌监视能力及实时调度辅助决策支撑力度。     

城市轨道交通客流预测的评估和抗风险设计

客流预测是轨道交通交通的重要基础工作。阐述了客流预测的目标和内容，分析了客流预测难的难度和风险，提出了可信性评价的要点，对客流预测提出了波动范围的要求。采取了面对观实的观点，创建了抗风险设计的理念，对客流预测的风险做了有限性和突破性的分析，提出了抗风险的适应性和转移性的措施，使客观流预测的数据与运营能力设计之间具有较大适应弹性。对于轨道交通的运营组织，采取分散设计很重要，尤其是应分别确定初，近期和远期的车辆编组和行车密度，这有利于抗风险设计。     

岩溶区隧道超前地质预报探测系统与应用

突泥涌水是岩溶地区隧道掘进施工和运营期间最常见的地质灾害，对潜在突泥涌水区域进行超前地质预报至关重要。介绍了6种岩溶区预测方法，总结了其预测距离、适用条件及存在的优缺点。通过分析6种预测方法的特点，结合项目现场试验条件，从宏观到细观、由远及近，建立了岩溶区全面探测的前瞻性系统。利用瞬变电磁和地质雷达对永兴一号隧道DK278+402.7～DK278+482.7段开展超前地质预报，确定了岩溶区的位置和填充状态，利用超前钻孔对预测结果进行了复核，最后通过开挖结果验证了岩溶区预测的准确性。研究结果表明：将不同的预测方法结合起来，可以充分利用每种方法的优点，克服其不足，提高预测精度，有效避免地质灾害对工程的不利影响。     

大直径人工挖孔桩单桩极限承载力的灰色预测探讨

本文建立了预测单桩极限承载力的GM(1，1)模型。结合某工程桩的静载试验结果，利用该模型对该桩的荷载与沉降分别进行了预测，并在只有部分实测结果的情况下，对单桩的极限承载力进行了预测，预测结果的精度能够满足工程需要。     

预测控制在ATO仿真系统中的应用

介绍了预测控制的基本原理和ATO系统的实际运行情况，讨论了如何利用预测控制实现列车自动运行仿真。采用两套控制规则（一套预测数据库，一套实时控制）对控制结果进行比较、择优。仿真结果表明运用预测控制的方法，能用效地完成列车运行控制。     

长大隧道软弱围岩施工大变形智能预测方法

长大隧道软弱围岩段施工大变形预测是保证长大隧道施工安全和工程质量的重要措施。结合宜万铁路堡镇隧道工程，运用BP神经网络和遗传算法进行长大隧道软岩段施工大变形预测。采用遗传算法自动搜索使BP神经网络训练效果最优的网络参数，形成能够反映变形与时程高度非线性和不确定关系的GA-BP算法，建立预测智能模型。将预测时间点输入此智能模型，由BP神经网络优异的泛化性能获得该时间点的变形预测值。堡镇隧道应用结果表明，GA-BP算法具有很高的预测精确度，对连续5d隧道变形预测的最大误差仅为6．68％，完全满足长大隧道软岩段施工大变形预测的需要。