Short-term forecasting of high-speed rail demand: A hybrid approach combining ensemble empirical mode decomposition and gray support vector machine with real-world applications in China

Short-term forecasting of high-speed rail (HSR) passenger flow provides daily ridership estimates that account for day-to-day demand variations in the near future (e.g., next week, next month). It is one of the most critical tasks in high-speed passenger rail planning, operational decision-making and dynamic operation adjustment. An accurate short-term HSR demand prediction provides a basis for effective rail revenue management. In this paper, a hybrid short-term demand forecasting approach is developed by combining the ensemble empirical mode decomposition (EEMD) and grey support vector machine (GSVM) models. There are three steps in this hybrid forecasting approach: (i) decompose short-term passenger flow data with noises into a number of intrinsic mode functions (IMFs) and a trend term; (ii) predict each IMF using GSVM calibrated by the particle swarm optimization (PSO); (iii) reconstruct the refined IMF components to produce the final predicted daily HSR passenger flow, where the PSO is also applied to achieve the optimal refactoring combination. This innovative hybrid approach is demonstrated with three typical origin–destination pairs along the Wuhan-Guangzhou HSR in China. Mean absolute percentage errors of the EEMD-GSVM predictions using testing sets are 6.7%, 5.1% and 6.5%, respectively, which are much lower than those of two existing forecasting approaches (support vector machine and autoregressive integrated moving average). Application results indicate that the proposed hybrid forecasting approach performs well in terms of prediction accuracy and is especially suitable for short-term HSR passenger flow forecasting.     

基于支持向量机的装载机齿轮箱故障智能诊断研究

在分析现有齿轮箱故障诊断方法的基础上,提出了采用多分类器支持向量机齿轮箱故障智能诊断方法,简介了该方法的系统结构、实现原理、特征提取与故障类别,重点讨论了齿轮箱故障多分类器支持向量机智能诊断模型与算法。仿真试验结果说明了采用多分类器支持向量机智能方法进行齿轮箱故障智能诊断的可行性与正确性。     

移动荷载下路面结构应力响应分析

实际中汽车总是以一定的速度行驶在路面上,首先将汽车荷载简化为移动的均布荷载,借助大型有限元软件ABAQUS,利用三维动力有限元方法,分析了移动荷载下车辆正常行驶状态、慢速行驶及刹车情况时路面结构内部应力响应规律。分析结果表明,较低的速度将会使路面结构内部产生更大的应力,各应力分量与速度变化基本呈线性关系;刹车过程中在路表面产生的水平荷载对路表面层附近的水平剪应力影响相当大,在刹车较频繁区域,提高面层及其层间接触面的抗剪强度,可减少或防止推挤、拥包等病害的出现。分析结果可为路面结构设计和路面施工提供理论参考。     

水平隧道火灾通风纵向控制风速的合理确定

针对2种等宽度、不等高度的水平隧道模型,借助CFD技术分析了环境温度、火灾热释放强度、断面形状对临界风速的影响。选择断面水力高度为特征尺寸,获得2种隧道模型对应的量纲一的临界风速随热释放强度的变化关系,且其与缩尺模型试验及全尺度试验结果相比均具有较好的一致性;并基于CFD模拟结果,分析了Kennedy公式的不足。结果表明,大型隧道火灾通风纵向控制风速的确定过程中应避免使用Kennedy公式计算临界风速。     

基于Takens理论和SVM的滑坡位移预测

针对滑坡变形时序非线性,数据量少的特点,引入Takens理论,采用支持向量机(SVM)建立其预测模型,建模过程中,比较了由不同核函数获得的SVM模型的性能,同时将SVM与RBF、El-man神经网络模型进行外推7步预测试验比较。结果表明:RBF核函数具有更好的工程实用价值;在有限样本情况下,SVM预测模型具有更好的准确性和泛化性,其7步预测平均误差率控制在5%以内,可见该方法在滑坡变形预测方面极具潜力。     

高速公路互通立交安全性设计研究

实现立交线形指标与交通流量、车辆行驶速度及司乘人员自然舒适感受三者之间的协调统一,是立交安全性设计的3大评价指标。以广州市北三环高速公路石滩立交的设计为例,研究分析了立交安全性设计应注意的若干问题。     

8XC196KC用于ABS轮速测量方法的改进研究

对ABS中速度测量的过程进行仔细的分析,提出了一种能够将精度和实时性相结合的速度测量方案,该方案能够较为有效地平衡精度和实时性之间的矛盾,并通过实际程序的执行验证了这一结论。这一测量方法不仅可用于ABS的速度测量,也可推广用于其他的速度或周期测量方案中。     

预应力曲线箱梁和异形箱梁的研究

近年来 ,国内外学者对曲线箱梁和异形箱梁的静力分析理论和计算方法作过大量的研究 ,但这些理论和方法在某种程度上都存在着一定的局限性 ,特别是在实际设计工作中 ,运用起来不能得心应手。为此本文在综合前人已取得经验下 ,针对桥梁结构设计中分析曲线箱梁、异形箱梁 ,经常遇到的难题进行了研究 ,建立一个较为完善的理论和方法 ,编制了等参元空间分析程序。在实际工程中进行实桥试验 ,验证了本文理论和方法的正确性。本文的研究工作更准确描述了箱梁的荷载响应 ,为设计人员提供直观的设计依据。对曲线箱梁和异形箱梁受力特性有了更一步的理解 ,并提出了新的见解     

水工模型试验的流速测量方法与数据处理程序

在水工模型试验中,基础数据的准确度与精确度直接关系到科研成果的质量。流速是模型试验中观测的主要数据之一。模型流速的测量方法有许多种,如示踪物法、光电法、声学多普勒法等。光电法是目前水工模型试验中应用最多的流速测量方法。文章所述的模型测杆流速处理程序实现的功能就是计算流速测杆采集流速的平均值并直观地以流速过程线图显示。通过应用于上海国际航运中心洋山港区整体物理模型试验的实践表明,程序采用微调方法,解决了判断涨落潮时存在的问题,提高了水工模型试验工作的精度和效率,为科学决策提供了依据。