基于MATLAB的ANFIS网络在水运货运量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network—based Fuzzy Inference System，ANFIS)网络，提出了水运货运量预测的ANFIS网络预测模型．以MATLAB为工具，以1985～2001年我国水运货运量为训练样本；2002年我国水运货运量为校验样本，对网络进行训练后，预测了2003～2010年我国水运货运量．估算结果表明，同BP神经网络模型相比，此模型具有更高的准确性．     

运行速度方法在高速公路设计中的应用

运行速度考虑了大多数驾驶员的交通心理需求,相对于设计速度更能反映车辆在路段中的运行状态.近年来国内开始引入运行速度的概念,文中对基于运行速度的设计方法进行探讨,在宁武高速公路设计中加以运用.     

灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用

在日常工作中运用灰色理论对数据进行预测吋,往往由于实际情况的复杂性,遇到很多困难。本文结合实际情况和预测经验,提出了一种基于灰色预测理论和趋势曲线预测理论的灰色-趋势曲线组合预测模型,给出了该模型的基本思想和预测过程,并运用该模型对安徽某港口未来的吞吐量进行了预测,表明该模型在实际问题中是可以借鉴和应用的。     

BP算法的改进及其在公路工程主材价格预测中的应用

在利用相关分析法对主材价格影响因素进行筛选的基础上,建立了基于改进BP神经网络算法的公路工程主材价格预测模型.结合郑州市石屑价格预测的实例,分别采用3种BP改进算法进行预测,并对结果进行了对比分析.证明了使用改进BP神经网络进行公路工程主材价格预测是可行和有效的.     

城市道路交通噪声的预测及评价

运用噪声测量基本方法,测量了大连市西南路某路段交通噪声值并统计出不同类型的机动车流量数据.在比较国内外各种道路交通噪声预测模型特点的基础上,选择了一种修正预测模型,预测出理论噪声值.计算预测值与实际测量值的误差,分析误差产生的原因.利用噪声测量值计算出噪声污染的各种评价指标,最后根据有关的噪声标准进行差别,得到该路段的交通噪声已超过规定限值,对城市居民的日常生活带来了不良影响的结论.     

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的.有效的交通状态预测能从很大程度上优化交通状态,减少交通阻塞.贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一.提出了一种基于贝叶斯网络模型理论的交通状态预测方法.综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的.     

灰色预测模型GM(1,1)在集装箱

文章主要探讨了灰色模型在集装箱运量预测中的应用.首先建立了基于灰色预测理论的GM(1,1)模型,并用其分别对两岸经香港集装箱运量、两岸定点直航集装箱运量和两岸直航集装箱运量进行了预测,预测结果是可信的.      

基于RBM-GASA-BPNN 的潜在高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

高速公路上坡路段6轴铰接列车运行速度预测模型

为确保车辆在上坡路段的行驶安全，针对高速公路6轴铰接列车在上坡路段运行速度预测误差大、安全运营管理难的问题，提出了面向上坡路段6轴铰接列车的运行速度预测模型。采用雷达测速仪和AxleLight路侧激光仪采集西南某山区高速公路5处连续上坡路段的6轴铰接列车的交通流数据，并对实际运行速度与现有规范预测模型进行对比分析。以纵坡坡度、纵坡长度、车辆比功率、初始运行速度4个参数为变量，构建上坡路段运行速度预测模型。提出了预测模型误差修正方法，并分析了模型的有效性。结果表明:现有规范运行速度模型对6轴铰接列车运行速度的预测平均误差率达到了25.37%，模型误差较为显著；上坡路段6轴铰接列车的运行速度与坡度、坡长呈负相关，与车辆比功率呈正相关；构建的多元线性回归模型拟合优度R2为0.978，且满足相关检验指标；模型预测速度与实际速度差在2~4 km/h之间、相对误差平均值为8.86%，其结果较规范模型降低了16.51%；考虑交通密度因素修正后，模型预测速度与实际速度差在1 km/h以内、相对误差平均值为1.08%，其结果较未经修正的预测模型降低了7.78%，较规范模型降低了24.29%。由此可见，该速度预测模型对长上坡路段6轴铰接列车运行速度预测的准确性提升明显。      

船舶障碍避让系统中模糊神经网络多步预测模型设计

水路运输自古以来就是一种非常重要的商品流通途径,对促进经济发展和贸易往来有重要的意义,特别是近年来,经济全球化的趋势不断加强,远洋海上运输成为世界范围内商品贸易的主要途径。在船舶的正常航行过程中,障碍避让是非常重要的性能,是保障船舶安全航行的重要条件。由于船舶在航线航行时,受到许多未知环境的干扰条件因素影响,比如其他船舶、暗礁等,因此,研究船舶的避障技术有重要意义。本文充分利用神经网络算法和模糊算法,对船舶的障碍避让系统进行开发,设计了基于模糊神经网络的船舶障碍避让预测模型。