基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测

介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.     

具有峰值识别的神经网络模型对水沙过程的预报

在经典BP神经网络模型的基础上,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值.同时提出了一种计算输入输出向量的归一化公式.在此基础上建立了具有洪峰识别的BP网络预报模型.该模型能根据实测资料模拟和预报不同特征年的流量或含沙量过程.采用建立的模型,对宜昌水文站典型年实测流量过程及含沙量过程进行了预测检验,其结果与实测值吻合较好,对峰值的预报较经典BP模型有所提高.     

特大城市交通出行预测:中国面临的挑战与机遇

作为城市交通规划的一个重要组成部分,城市交通出行预测的发展已经走过了60年。最初的研究工作于20世纪50年代在北美展开,随后延伸到欧洲、澳大利亚、新西兰和南美洲以及中国等发展中国家。作为一个相对成熟的领域,交通规划依然包含着许多新的研究方向,同时专业人员在正确合理的使用商业软件方面还有一定的困难。中国正在经历高速的城市化进程,这意味着对道路、公交系统,机场以及城际间高速公路建设有大量的投资。合理的投资决策需要对未来中国交通拥挤的都市进行出行预测。为了更好的了解中国交通出行预测的发展现状,笔者和几个大城市的交通规划部门以及大学的相关院系进行了探讨和交流。此文的初衷是记录下从会谈中所获得的有普遍意义的发现与印象,以及提供给参加讨论者的意见。     

诱增交通量特点、发展阶段及计算模型分析

分析了诱增交通量的特点和发展阶段，根据交通需求预测理论对诱发交通量预测方法进行了初步探讨，提出了诱增交通量的计算模型。结合实例分析了诱增交通量的定量计算。     

城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

基于区位分析和诱增流量的停车需求预测模型研究

静态交通需求与城市停车供应状况直接决定了城市交通秩序和拥挤程度,以往的各种停车预测模型多以建筑规模来求得静态交通需求,笔者在通过大量的调查数据分析得出静态交通需求与土地利用区位以及周边机动车交通流量密切相关,提出了基于区位分析和诱增流量的停车需求预测模型.     

���ڷ������۵Ķ�ʱ��ͨ��Ԥ���㷨

城市交通诱导与控制需要短时交通流预测作为依据,当预测时间小于5 min时,常用的短时交通流预测方法往往难以满足精度要求. 为了提高短时交通流预测的精度,针对短时交通流的非线性特征,采用基于分形的方法可以缩短预测时间、提高预测精度. 在G-P算法基础上,本文利用欧式模定义相空间任意两点间的欧式距离,并采用筛选法计算备选点的欧式距离,以此提高计算速度,使预测2 min内的交通流成为可能. 以北京西直门至阜成门段一天的断面交通量为实例,应用基于分形的短时交通量预测算法,对712个有效数据点的后30点进行预测,预测精度达到92％以上.     

山区库岸塌岸预测方法综述

库岸坍塌是一种地质灾害,极大地威胁着库岸人民财产和生命的安全,同时也影响着水库库容。介绍了现有常用的一些塌岸预测方法,并对各种方法的特点及适宜性做出了总结。总结的塌岸预测方法有:佐洛塔廖夫为代表的条件类比图解法、康德拉捷夫为代表的数学分析法、平衡剖面法、动力法、徐瑞春的塌岸预测图解的若干修正、超前信息法、数值模拟法等。在工程具体应用中,结合山区水库的特点,坚持理论与实践相结合的原则,根据实际选用合理的方法。     

居民出行分布预测的改进模型研究

出行分布量与小区间现状出行有关,也与连接两小区间的道路网络及起终点的用地性质有关,传统出行分布预测模型都只考虑了这些因素的某一方面,因而在预测中经常会出现与实际明显不符的预测结果。按照出行个体在选择出行目的地时的行为,将影响出行目的地选择的几个重要因素：现状OD、小区用地性质、出行成本综合考虑,并按照影响方式不同,建立出行分布预测模型。计算实例表明,该模型的预测结果优于传统模型。