模糊化的马尔柯夫链在图书情报管理预测中的应用

马尔柯夫链预测法在图书情报管理系统中的应用有着乐观的前景，但在处理实际问题时常因状态的划分数较少而难以得到满意的结果，运用模糊转移概率的概念，采用梯形分布确定隶属度的计算方法，克服了上述不足，使预测结果和实际情况更加符合。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

用神经网络分析估计斜拉桥的施工控制参数

结合一座三塔四跨预应力混凝土斜拉桥施工过程,进行用神经网络分析估计斜拉桥施工控制参数的研究。用神经网络分析估计斜拉桥施工控制参数的过程主要包括建立神经网络、计算训练样本、训练神经网络和网络仿真四部分。运用神经网络仿真计算进行斜拉桥施工监控的具体方法是,先计算当前施工状态的索力和标高,再预测下一节段的索力和标高。经过往复循环,逐一进行节段预测调整,从而指导斜拉桥顺利施工。通过对比该斜拉桥合拢后部分节段索力及主梁控制点标高的计算值和实测值可知,用神经网络分析进行斜拉桥施工监控的效果达到设计的理想桥梁线型和索力要求。     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

铁路噪声预测计算方法

根据声学基本理论和有关有限长运动线声源指向性、等效时间等声学特性研究成果,结合铁路噪声的特点,总结了比例法和模式法两种主要的噪声预测方法,并给出了相应的计算公式,可供铁路建设项目环境影响评价中预测铁路噪声时参考。     

基于滞回分配的VBR视频流量带宽管理方案

基于VBR视频流量预测提出了一种新的动态带宽分配算法———滞回算法。与Girish提出的门限算法和Youssef提出的基于GOP场景检测的带宽分配方案相比,对缓存尺寸的需求、信元丢失率等性能有明显提高。大量的仿真表明,该算法能够以较低的开销(带宽重分配次数百分比≤2%)同时兼顾了CLR和带宽利用率,而且只有在缓存队长超过迂回门限时才触发带宽重分配过程,有利于在线实现。     

铁路局OD运量预测分析系统

通过对传统货流图存在的缺点进行分析,结合全面预算管理提出建立铁路局OD运量预测分析系统,同时对在铁路局范围内进行OD运量预测的方法及编制铁路局运输营销预算及财务收支预算的可行性进行分析,对系统功能、系统结构提出初步设想.     

基于神经网络的我国货运市场分析

采用BP神经网络方法建立了我国货运市场的预测模型，并从宏观经济发展角度出发．系统地探讨了我国货运市场发展变化的内外在因素并提出了相关政策建议。     

深基坑支护结构变形预测研究与应用

利用现场监测的深基坑支护结构变形信息资料 ,结合参数优化反分析土体m值 ,根据现场地质资料和优化后的参数 ,通过有限元计算对深基坑支护系统进行变形预测 ,及时调整开挖方案和支护参数 ,此方法可以有效的指导基坑施工 ,确保施工安全     

基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。