船舶交通流组合预测方法研究

船舶交通流预测的研究能为港口设计及船舶通航安全管理提供基础性数据.基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足.以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性.     

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.     

基于最小二乘支持向量机的船舶水下焊接质量在线监测

以径向基函数(radial basis function,RBF)为核函数,将最小二乘支持向量机(least squares support vector machines,LSSVM)预测模型应用于船舶水下焊接质量在线监测.提出了一种自适应优化方法确定该模型中的可调超参数和核宽度参数,并建立了实时显示和报警系统.实验结果表明,该方法预测误差较小,建模耗时少,适合于船舶水下焊接质量在线监测.     

人工神经网络在软土地基沉降预测中的应用

人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后,用某高速公路软基沉降的实测数据进行网络的训练和学习,再用建立的预测模型预测出了最终的沉降量。所得的结果与实测值达到了较好的一致性,与用其它理论计算方法所得结果相比较具有较高精度。     

公路货运量预测的系统动力学模型构建

用系统工程的观点对公路货运系统进行了综合、动态的分析,在具体分析公路货物运输系统主要影响因素的基础上,分别构建了道路运输需求及供给的子系统动力学模型,该模型可以通过计算机进行模拟,进行公路货运量的预测。     

高速公路养护成本预测模型

为了降低高速公路养护成本,运用边际成本管理原理,建立高速公路交通流量、道路长度与养护成本之间的多元回归分析数学模型,针对预防养护和专项工程养护方式,运用统计方法,推导了各项因素的边际成本表达式,提出高速公路养护作业成本的预测模型及成本管理的边际成本和弹性指数的概念,计算了交通流量、道路长度与养护成本相关的弹性指数,分析了与交通流量相关的高速公路养护费用经济指标。计算结果表明:交通流量和高速公路长度对养护维修成本起决定作用,维修费用随交通流量和道路长度成对数关系变化,而高速公路养护维修平均费用随着交通流量增加而降低。     

基于用地和交通特征的停车需求预测模型

为了解决城市停车难问题,对停车需求进行合理预测,考虑目前日益紧张的土地资源和快速增长的交通流量,分析了用地与交通影响预测模型建立的基本原理,采用用地特征函数描述了土地使用性质与停车生成率之间的关系,采用交通影响函数分析了路网流量增长率和停车率对停车需求的影响,在此基础上建立了停车需求预测模型。利用开发的软件系统,根据典型区域的土地资源规划和道路交通调查数据,进行了城市停车需求预测。预测结果表明:随着时间的变化,在各种因素影响下,停车需求近5 a增长较缓慢,而在随后的5 a中停车需求快速增长,且日停车需求量的增长速度明显高于高峰小时的增长速度。     

浅谈运行速度与道路线形的连续性

《公路工程技术标准》(JTG B01-2003)中引入了运行速度的概念,故设计人员在设计速度变化路段、爬坡车道、超高等受限制路段时应进行运行速度的验算.公路几何构成参数,例如平、纵曲线半径、纵坡、超高、加宽、停车视距以及指示道路标志等等都是影响汽车运行速度的主要因素.因此,要解决好线形的连续性问题,就要解决运行速度的连续性问题,也就是要解决好公路几何要素之间的组合问题.     

新疆兵团道路运输业发展趋势分析

在对新疆生产建设兵团道路运输业现状分析的基础上,通过利用一元线性回归模型、平均增长率法以及灰色预测法三种方法分别对兵团2011～2015年的道路旅客运输量、道路货物运输量、道路旅客运输周转量、道路货物运输周转量等进行预测。结果显示,在未来5年当中道路旅客运输以年均7.7%增长,道路货物运输以年均9.2%增长,道路旅客周转量以年均10.6%增长,道路运输货物周转量以年均12.6%增长。     

基于多种群竞争进化的车辆超载网络检测

针对车辆超载检测中复杂的数据处理,提出了基于BP( Back Program)网络的非线性检测模型.为了克服神经网络在梯度学习中存在的收敛速度慢,容易陷入局部极小等不足,将多种群竞争机制引入到免疫进化中,提出了一种新的基于实数编码的多种群竞争免疫算法,并基于车辆轴重检测数据实现了BP网络的权值和阈值优化.实验结果验证了...