信息融合技术在交通流量预测中的应用

交通流量预测是智能运输系统的一个重要组成内容，但传统的数学方法一直未能取得令人满意的预测效果。信息融合技术是最近十多年来新兴的技术。它通过合理协调多源数据，充分综合有用信息，在较短的时间内，以较小的代价获得对未来交通流量的预测。实验证明，借助信息融合理论建立的聚类分析模型和神经网络模型对未来交通流量的预测比较准确，有实际意义。     

半序F-型拓扑空间中一类算子方程的可解性

在引入-辅助序的F-型拓扑空间中,利用其相关性质,采用半序方法研究了一类算子方程Lx=Nx的可解性,证明了其解的存在性。     

�Ǽ���ģ���ڽ�ͨ��ʽ�ṹԤ���е�Ӧ��

建立出行者基本属性与交通方式选择的关系模型,研究影响和引导城市交通方式结构的有效措施。采用非集计模型建立出行者个人属性、家庭属性和出行属性与个体出行方式选择的函数关系,从城市统计资料中获取城市居民个人属性、家庭属性和出行属性数据,应用非集计模型来推算和预测交通方式结构。居民出行交通方式选择与个人属性、家庭属性和出行属性之间有较稳定的关系,其随着时间的推移变化甚微。非集计模型所推算的交通方式结构较为精确,用于交通方式结构的预测是可行的。所建立的模型亦用于研究影响交通方式选择的关键因素。非集计模型可用于交通方式结构的调整和优化,通过对可控影响因素的引导和调整,达到优化交通方式结构的目的。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

矩阵方程AX=B的自反解与反自反解及最佳逼近

给定两个广义反射矩阵P,Q,通常对于矩阵方程AX=B关于P,Q的自反解和反自反解的研究大多是通过矩阵分解或广义奇异值分解来进行的。采用广义逆,建立该方程存在自反解和反自反解的充要条件以及解的一般表达式,并研究与之相关的矩阵最佳逼近问题。     

交互式识别在SAR图像目标识别中的应用

由于SAR成像机理、强斑点噪声等特点及受分辨率影响，导致SAR图像不直观，特别是对复杂形体小目标的解译相当困难．基于此，文中提供了基于“3S”技术的交互式识别，该方法利用构像方程原理，在“3S”技术（GPS，RS，GIS）和图像数据库的支持下，借助直观的光学图像来识别SAR图上的小目标，以及一些难以判读的大型目标，取得了比较好的识别效果．     

三次指数平滑法在港口吞吐量预测中的应用研究

以某港口近15年的货物吞吐量作为原始数据,建立三次指数平滑法预测模型,利用VB语言编写计算机程序,运行求出最佳平滑系数,输入预测年份得到相应的吞吐量预测结果。     

组合预测模型在上海内河港口吞吐量预测中的应用

建立时间序列和二元线性回归的组合预测模型,对上海内河港口2010年、2015年和2020年的货物吞吐量水平进行了预测。研究发现,组合预测模型相比单个预测方法具有较高的精度,能够较准确地预测上海内河港口货物吞吐量。     

浅谈公路项目诱增和转移交通量的预测方法

公路变通量一般包括趋势交通量、诱增交通量、转移交通量三部分。目前趋势交通量预测大部采用国际通用的以OD调查为基础的“四阶段”法，但诱增交通量和转移交通量却没有比较成熟的预测方法，故对此进行探讨和研究，对于改进和提高公路建设项目可行性研究的方法和水平具有重要意义。