基于模糊线性回归分析的编组站运营指标预测方法

运用模糊线性回归分析方法,建立编组站运营指标的模糊预测模型。利用该模型,对向塘西编组站中时进行了预测。在对中时影响因素分析的基础上,选取办理车数、有调中转车数、无调中转车数、折角车流量、货物列车到发列数和到发均衡程度等6个影响因素,结合车站近几年相关历史数据,确定了中时与6个影响因素之间的模糊函数关系。依据此函数关系对未来时期的中时进行了预测,预测结果表明所提出的运营指标预测方法有较好的适用性。     

大型沟埋式管道侧向土压力的研究

本文利用现场实测资料，采用回归分析方法，在考虑了填土高度、密度，管道和槽壁间的胸腔大小，侧压力计算点距管底的高度，填土内部的摩擦力等影响管道侧向土压力的因素后，对沟埋式管道侧向土压力的计算提出了新的公式。     

离群模糊切换回归模型研究

模糊切换回归模型被广泛地应用于经济领域和数据挖掘技术中.本文在传统的模糊切换回归模型的基础上,通过为每一个数据样本分配一个动态的权值,得到了一个新的离群模糊切换回归模型,提出了FCWSRM(Fuzzy C Weighted Switching Regression Model)算法,最终得到的权重是数据分布的一种代表,将被用来发现数据集中的离群点.实验表明,离群模糊切换回归模型比传统的模糊切换回归模型具有更强的鲁棒性,并且能通过权值发现数据集中的离群点.     

旧路改造平面线形拟合方法及拟合精度评价

对旧路平面线形的拟合方法及拟合精度进行了分析,在原始的拟合方法上提出了改进意见。在直线段利用一元线性模型进行拟合,结合Excel求出直线段坐标点的线性方程;在进行曲线段的拟合时利用公路测设软件来调配圆曲线的半径及缓和曲线的长度,使其拟合效果达到最佳;对于其拟合后的精度评价采用法线偏差的均方差作为评价指标。     

基于约束卡尔曼滤波的短时交通流量组合预测模型

为了克服单一的交通流预测模型性能不稳定的问题,提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量,交通流量为观测变量,预测结果是单一预测模型的加权和,加权系数由约束卡尔曼滤波方程递推动态确定,最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明,在不同预测步长情况下,约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平,并且不受某一较差的预测模型影响,具有较高的鲁棒性。     

新疆公路运输量发展预测

在分析新疆经济、交通运输发展的基础上,采用回归分析法、三次指数平滑法、灰色预测方法和弹性系数法等多种方法预测新疆2010年、2015年、2020年的公路运输需求,并结合这些方法,采用了基于误差权重因子的多种方法组合预测的新方法,对新疆公路运输需求量进行了优化组合预测。对新疆未来3个特征年预测结果的分析表明,该预测方法是合理而有效的。     

高速铁路隧道支护参数的计算研究

为探索隧道初期支护安全系数的计算问题,并为高速铁路隧道支护参数优化提供理论依据,根据喷锚支护的性能与特点以及现代隧道力学的基本理论,建立初期支护荷载结构模型和对应的安全系数计算方法; 针对时速350 km高速铁路双线隧道提出的3种不同的初期支护方案（无系统锚杆支护、喷锚结合支护和以锚为主的支护方案）展开适应性研究,计算分析不同埋深（400 m和800 m）条件下初期支护的优化参数以及优化后的二次衬砌承载能力,在此基础上提出优化后的高铁隧道支护参数建议值,并对优化前后的安全系数进行计算与对比。主要结论如下： 1）提出了采用围岩压力代表值作为荷载结构模型设计荷载的方法,为解决设计中围岩压力不确定的问题提供了思路,且所推荐的围岩压力代表值计算方法具有安全性与经济性; 2）提出了3种初期支护计算模型,可以为初期支护构件的选择与量化设计提供一定的理论基础; 3）提出了时速350 km高速铁路双线隧道初期支护方案及优化后的复合式衬砌设计参数,并明确了不同围岩级别、不同埋深时的承载主体; 4）提出了按照不同埋深进行支护结构参数设计的建议。     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

城市老年人群就医出行方式研究——以西安市为例

运用主成份分析法首先确定与老年人群就医出行方式选择高度相关的影响因素,进而通过计算多值logistics回归模型参数得到各种交通方式的分担率,从而达到找出老年人就医出行主要交通方式的研究目的。基于对西安市的问卷调查数据,进一步实证了研究方法的有效性。     

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。