汽车道路随机不平顺的时序模型重构

汽车道路时域模型是基础性道路数据库的主体部分．基于道路频域统计数字特征或基于道路测量数据序列，用时间序列方法建立道路时域模型是一种有效且普适的时域道路建模方法．在对道路描述特征进行分析的基础上．给出了标准道路在指定功率谱密度下和非标道路在实测子样数据下两类不同道路模拟的技术路线．对时序道路建模过程、原理和应用进行了分析．得到了道路时域重构的AR和ARMA模型．仿真实例表明了时序道路模型重构的合理性和高效性．     

基于遗传神经网络的道路交通量预测

通过建立遗传神经网络的模型，综合考虑各种影响因素，对道路交通量作较准确的预测，实验比较发现，预测结果优于常规时间序列模型ARMA的预测结果，是一种智能化程度较高的预测方法，该方法具有很强的学习能力和自适应性，因而具有很好的应用价值。     

面向桥梁结构状态预测的ARMA-GM组合时序模型研究

桥梁健康监测数据中蕴含引起桥梁结构状态变化的信息,通过分析其特征变化而实现结构状态预测的方法已得到工程界和学术界的重视。为了克服单一时间序列模型ARMA和灰色关联模型GM(1,1)在桥梁结构状态预测中的不足,提出一种ARMA-GM组合时序预测模型,以描述监测数据序列前后之间的数学关系,并对未来某一时间段内的监测值进行预测。实验结果表明:组合模型在预测步长增大时预测的平稳性好,而且比单一模型的预测精度更高,能够为桥梁结构安全状态评估提供宝贵的预测数据。     

基于改进ARMA模型在地铁基坑变形预测的应用研究

在基坑施工过程中为保证地铁及其周边建筑物的安全,地铁基坑的变形预测变得越来越重要。ARMA模型作为一种时间序列分析模型,在地铁基坑监测序列中常常表现出较大的趋势项,降低了ARMA的预测精度。基于BP神经网络良好的拟合能力,提取基坑监测序列的趋势项,将剩余项建立ARMA模型,对基坑监测序列进行高精度的变形预测。改进ARMA模型提高了原有ARMA模型的预测精度,为地铁基坑的预测分析提供了较好的技术参考。     

应用时间序列对高速路面性能评价指标的预测研究

探讨应用ARMA模型拟合时间序列的方法,并将其应用于路面性能预测,为路面养护管理部门提供决策依据.利用SPSS软件对某高速2001年～2008年的路面性能评价指标PCI的调查数据进行建模,并利用所建模型对2009年PCI进行预测,将预测值与实际值进行比较.ARMA(2,2)模型较好地拟合了既往时间的PCI序列,其对20...     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列的难以预测和控制的问题，提出了基于趋势的混沌预测模型，利用混沌系统的初值、参数敏感性来微调和控制系统扰动，并用改进的最优化方法来估计模型的参数，在其相空间中对时序的未来值进行预测．算例表明，选取最佳的模型阶数能增加预测的准确程度，它不仅克服了仅用延迟嵌入技术的弊端，也降低了直接使用预测误差决定输入模式的盲目性．预测效果比其他时序方法要好。     

基于ARMA的滚动轴承振动数据预测

为实现对滚动轴承的振动数据预测,本文提出一种基于自回归滑动平均(ARMA)模型的预测方法。首先截取滚动轴承全寿命周期的早期无故障数据作为样本,计算截取样本序列的自相关系数和偏相关系数,然后采用最小信息准则(AIC)对ARMA定阶,运用最小二乘法估计参数建立ARMA模型,将轴承同工况与类工况下的数据输入到已建立的ARMA模型中,得到的轴承预测数据与实际故障数据进行对比,计算预测的准确率。结果表明:该方法可以准确预测轴承的实际状态,且同工况相对于类工况下的预测效果更优。     

基于近似熵的交通流序列趋势变化检测

交通流趋势变化特征分析是交通流预测的基础．为了提取交通流序列随时间推移所呈现出来的宏观变化规律,提出了一种用于检测交通流序列趋势变化的滑动移除近似熵方法．通过对交通流序列趋势规律进行研究,首先将其细分为上升趋势、平稳波动趋势、下降趋势,然后根据不同趋势变化的时间序列复杂程度不同,建立了滑动移除近似熵方法求解其滑动移除近似熵的值,并根据得到的时间序列提取交通流序列趋势变化．最后以北京市四环路某一断面交通流序列为例,用建立的模型对交通流序列趋势变化进行检测,并与滑动t检验方法结果对比．研究结果表明本文提出的方法能够对交通流序列趋势变化进行检测,且检测结果与实际交通流序列趋势变化比较吻合,研究结论可为短时交通流预测建模提供拳者依据．