探讨回归分析在交通工程应用中的若干问题

叙述回归分析用于交通工程建模中的一般流程，即模型设计和模型试验。着重讨论若干易被忽视的问题，如非线性回归、变量选择和多重共线性等。     

沥青玛蹄脂性能试验研究

采用均匀设计方法安排了多水平的试验方案，利用DSR，BBR对沥青玛蹄脂的高，低温流变特性进行了试验研究。结果表明：纤维含量与粉油比对沥青玛蹄脂的高温性能有强烈的交互作用；增加纤维含量和粉油比对沥青玛蹄脂的低温抗裂性能不利。     

道路交通事故预测方法比较研究

通过对道路交通事故特点的分析，对不确定随机问题的分析方法进行了分析，介绍了灰色系统理论及其在交通事故分析中的运用，计算机分析比较结果表明，该方法的运用精度良好，并与实际数据相吻合。     

一种基于车形轮廓的特征抽取方法

提出了一种基于车形轮廓的特征抽取方法，并采用回归模型进行分析，进而给出分类判决规则。     

基于Chebyshev多项式的自适应偏最小二乘回归建模

把Chebyshev多项式和偏最小二乘法有机地结合起来，提出一种基于Chebyshev多项式的自适应偏最小二乘回归建模算法。它自动建立一个预测误差较小的基于Chebyshev多项式的多元多项式模型，它的预测效果优于传统多元多项式模型。本文算法是偏最小乘法的推广，也是偏最小二乘法在非线性领域里的应用。     

粗集料间隙率试验研究

为了研究四级粗集料（19．00～4．75mm）用量对粗集料间隙率（VCV）的影响，采用配方均匀设计方法安排了多水平的试验方案，并利用加配重的振实试验方法测试了VCV，对试验数据进行了回归分析。结果表明，对VCV起决定作用的是集料本身的性质（如表面纹理，颗粒形状等）；粗集料中的最细粒径组（9．50～4.75mm）所占比例对VCV的影响比其他粒径组大。     

基于机器学习的超大跨度悬索桥健康状态评估

随着桥梁健康监测系统及其应用的不断完善,采用机器学习进行桥梁健康状态评估成为必要趋势。以超大跨度悬索桥为研究对象,基于桥梁监测数据与机器学习算法,建立了一种以提取结构损伤特征为目标的回归网络,并以峰值系数法和连续小波变换法作为对比,采用密度聚类法对桥梁结构的健康状态进行评估。结果表明:采用改进四分位距法可有效消除监测数据中的异常跳点,回归网络提取的损伤特征与密度聚类法在桥梁健康状态评估中的适用性良好。研究成果为机器学习下的超大跨桥梁健康状态评估提供了理论借鉴和方法参考。     

异于NTP协议的诊断机时钟同步方案

针对主机与诊断机时钟不同步以致长期积累的时间记录误差不能容忍的问题。提出一种异于NTP协议的方法,于诊断机软件中嵌入基于线性回归分析之算法,用回归直线的斜率作因子在诊断机界面修正时间记录误差(但主机时钟没有改变)。如此得到准确的时间记录以后,才有可能依据诊断信息正确推理控制过程故障原因。文中给出了DELPHI核心源代码,经实例证明效果良好。     

自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。     

自主回归谶试驾东南汽画V3菱悦

首先我们要祝贺东南汽车终于再度回归到自主研发的道路上来。尽管此前我们在这个工厂里看到了太多的三菱和克莱斯勒的车标，但是当我在武夷山再次在V3菱悦的车头上看到东南汽车的LOGO的时候，V3菱悦的推出适时地证明了东南依然没有从自主研发的道路上偏移。