基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

舰船物资转运方案计算机辅助决策算法研究

瞬息万变的现代战场对大中型水面战斗舰船甲板物资转运的效率提出越来越高的要求。引入计算机辅助决策技术,在考虑多种牵制因素的情况下,快速获得最优的物资转运方案。详细分析和阐述舰船物资转运线路规划、时间计算、作业排序以及资源配班等4个主要问题的计算机解决方法,为利用计算机辅助制定最优物资转运方案提供可行途径。     

基于GRNN的GSM-R场强覆盖预测算法

在比较Hata模型修正方法和GRNN算法场强覆盖预测效果的基础上,仿真分析了训练集构成和平滑因子选择对GRNN算法预测效果的影响,给出了训练集构成和平滑因子选择的方法;提出了电波传播环境相似系数来表征GRNN模型在不同环境下的适用性。仿真结果表明,两种传播环境的相似系数越大,由一种环境下测试数据确定的GRNN在另一环境下的预测精度越高。     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

集对分析的灰数决策法在交通规划中的应用

用灰数表示决策信息是合理的.通过构造灰数意义上的决策值与比较域,利用集对分析的相对性,在与同一、对立(最优、最劣)目标接近程度意义上构造了决策值与比较域间的集对联系数.引入了集对联系数中同一度和对立度间相互关联的集对势的概念,利用集对势的大小对方案的优劣进行排序.作为集对分析和灰数的结合,建立了基于集对分析的灰数多指标决策模型.最后,以实例验证了该模型的有效性与实用性.     

城市干道系统交通事故预测模型研究

以哈尔滨市干道路网为研究对象,收集到了该路网上468个路段和163个平面交叉口的道路交通数据,以及1999年至2004年所发生的8510起交通事故数据.分析了事故数据的统计分布特性,应用聚类分析技术确定了路段和交叉口的类别 ,并在此基础上分别建立了事故总体和分事故形态的预测模型.论文探讨了高峰时段的事故次数、事故率与路段v/c之间的定量关系.标定出了24个模型,并形成干道系统事故预测模型库.最后,运用所建立的事故预测模型选取了2010年哈尔滨规划路网的一部分进行实例分析,结果表明了预测模型是有效的.     

增压器涡轮性能试验与CFD计算方法的研究

建立了蜗壳与整周叶轮合并的增压器涡轮整机计算模型,在较少的网格数量下,用CFD方法对涡轮内部的流动进行了模拟,得到了涡轮的运行特性,如流量特性、转速特性、效率等。将计算结果与相同条件下的试验结果进行比较,可以看到计算结果基本符合增压器设计阶段性能考核的要求,具有工程化应用的意义。     

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。     

公路交通安全评价系统1．0版本的开发与应用

实践证明,公路交通安全评价是提高公路安全水平的有效手段。尽管其在我国还是一个较新的课题,但已经引起相关部门的重视,国内也开展了很多安全评价方法的研究。《西部地区公路安全评价》是系统研究公路安全评价方法的一个课题。而公路交通安全评价系统1.0版本是在该课题成果基础上开发的一套实用化的工具,它包括交通基础数据的管理和事故多发段判别、规范符合性分析、事故预测、速度一致性分析、路侧危险度分级等分析模块。本文对该系统各个模块的功能进行了阐述。