基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

车辆参数随机的车桥竖向随机振动分析

车辆参数的随机性对车桥耦合随机振动的影响不可忽略。基于车-桥竖向耦合模型,考虑车辆荷载及一系、二系竖向弹簧刚度与弹簧阻尼的随机性,采用数论选点法对多维随机变量选取离散代表点,并基于正态分布利用Voronoi区域对代表点集进行剖分赋得初始概率;建立概率密度演化随机动力方程,基于MATLAB编制车桥耦合随机振动分析程序;采用newmark-β积分法及带TVD格式的双边差分法计算车桥振动响应均值、标准差及时变概率密度演化分布。结果表明:与随机模拟法相比,概率密度演化法分析车桥随机振动精度更高,计算效率提高1~2个数量级;车辆载重随机荷载是车桥竖向耦合随机响应的主因之一;不可忽略二系竖向弹簧随机刚度及随机阻尼对列车竖向振动的影响;桥梁挠度均值整体随车速先增大后减小,其变异系数受车速的影响。     

城市轨道交通的牵引能耗估算方法

为解决目前城市轨道交通面临的能源消耗总量过大的问题,以北京轨道交通运营线路能耗数据为基础,分析影响城市轨道交通能耗的主要因素,并通过多元线性回归的方法,建立基于运营数据的牵引能耗估算模型,通过测算与实际运营数据的误差为1.6%;同时将不同城市轨道交通的能耗测算方法进行对比,包括列车单位能耗测算法、电力机车耗电量测算法和单位指标测算法,前两者与估算模型的结果误差不超过5%,验证了模型的可行性;通过单位指标测算法的对比分析,反映出估算指标的不合理性。结果表明,相关对比为既有线路能耗的估算和新建线路能耗的预测提供了参考的方法。     

金温线横向振幅超限桥梁的列车走行性分析

金温线部分桥梁横向振幅超过<检规>规定的行车安全限值,运营部门担心存在脱轨危险,急需对这些桥梁列车走行性进行评估,以便采取适当的处理措施.建立列车-桥梁系统振动计算模型,运用列车脱轨能量随机分析理论,分析了金温线4座预应力混凝土梁桥的列车走行性.分析结果表明:在现行行车条件下,武义江桥、岭下桥与好溪桥列车走行安全性、平...     

铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型.结果表明:组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠.与单一模型相比,该法具有较好的实用价值.     

退耕还林政策及可持续性的经济学分析

依据产权理论，本文提出了资产价值特征概念，以分析树木的资产价值特征为基础，分析了政府和个体面对退耕还林的理性选择，阐述了退耕还林制度出台的内在逻辑及实质。在此基础之上本文还通过分析双方的行为，对退耕还林的可持续性进行了思考，并提出了相应的政策建议。     

改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

����������ͨ�����㷽���о�

诱增交通量是交通需求预测与交通建设项目评价中的重要组成部分.本文从诱增交通量概念出发，从宏观和微观两个角度阐述了区域诱增交通量产生的机理，分析了现行单个建设项目诱增交通量计算思路的局限性，研究提出了基于区域的诱增交通量计算的多元线性回归模型.论文结合我国的国情，对该模型参数进行了标定，提出了符合中国实际的基于区域诱增交通量计算方法.利用北京地区改革开放之后(1978年至2003年)的数据进行了实例分析，得到了道路建设对交通量的近期影响弹性系数0.17,远期影响弹性系数0.29的结果.     

SPSS在拱桥轴线变形观测回归拟合中应用

根据实测获取的桥拱轴线的观测数据,通过应用SPSS程序软件,对桥拱轴线的设计线形进行了拟合,确定了其有关参数和理论数据,使桥梁及其他建筑物的曲线回归、变形分析和精度评定更规律化简单化和高效率,为旧危建筑加固维护,新建筑物施工质量评价,提供了翔实可靠的依据.     

Comparing prediction methods for maritime accidents

ABSTRACT

The purpose of maritime accident prediction is to reasonably forecast an accident occurring in the future. In determining the level of maritime traffic management safety, it is important to analyze development trends of existing traffic conditions. Common prediction methods for maritime accidents include regression analysis, grey system models (GM) and exponential smoothing. In this study, a brief introduction is provided that discusses the aforementioned prediction models, including the associated methods and characteristics of each analysis, which form the basis for an attempt to apply a residual error correction model designed to optimize the grey system model. Based on the results, in which the model is verified using two different types of maritime accident data (linear smooth type and random-fluctuation type, respectively), the prediction accuracy and the applicability were validated. A discussion is then presented on how to apply the Markov model as a way to optimize the grey system model. This method, which proved to be correct in terms of prediction accuracy and applicability, is explored through empirical analysis. Although the accuracy of the residual error correction model is usually higher than the accuracy of the original GM (1,1), the effect of the Markov correction model is not always superior to the original GM (1,1). In addition, the accuracy of the former model depends on the characteristics of the original data, the status partition and the determination method for the status transition matrix.