基于神经网络的桩基完整性预测分析

反射波法进行桩基完整性检测时,常规理论分析结果与实际状态存在一定的差异。文中以反射波法检测基本数据为基础,分析影响桩基质量的主要因素,针对桩土共同作用的动静力学特征,选择了5个方面的重要因素,建立神经网络评价系统的影响因子,根据这些影响因素对桩基质量检验的影响规律,给出它们的影响系数。通过建立神经网络预测系统,对桩身缺陷的位置、类型和程度给予合理准确的解释。     

基于神经网络的停车需求预测模型及应用

结合停车需求特点分析了停车需求影响因素,提出了基于主成分分析的BP神经网络停车需求预测模型,该模型主要是通过对城市中心区停车需求的经济、土地、交通的特征分析,利用主成分分析法,明确了影响停车需求的主成分,简化了神经网络的输入样本,消除了网络输入之间的相关性,提高了网络的性能,实现了公共停车需求的准确预测。     

基于粗糙集的特征值优化及柴油机故障诊断

为提高故障诊断的效率,给出了一种基于粗糙集理论的柴油机故障诊断系统。以某大功率柴油机为例,采用时域频域分析和小波包能量谱分析两种方法提取特征值,通过对比优选,将敏感性和稳定性较好的小波包能量谱特征值应用粗糙集理论进行优化,最后通过神经网络进行故障模式分类。试验表明,小波包能量谱分析方法可以提取敏感性和稳定性较好的特征值,粗糙集理论的特征属性约简能有效地减少神经网络的输入节点数,提高故障分类的准确率。     

电子扭矩测量仪采样保持电路初探（1）

采用分段检测法,给扭矩仪施加恒定力矩信号,从信号输入级开始分段检测,检查检测级的输出信号是否正常。通过检测,前面的电路均正常。考虑到峰值电容的峰值保持作用,用万用表检查保持电容,果然是坏的,更换保持电容,仪器恢复正常。     

紧急事件下疏散元胞传输宏观模型研究

作者通过建立元胞传输模型研究了紧急事件下网络动态交通流应急疏散问题,将车流离散化处理成单个车辆可以有效的克服网络规模较大时运算效率低的缺点。模型采用时间步长法进行模拟,紧急疏散车辆路径的确定与各路段的走行时间密切相关。仿真结果说明模型和算法提高了紧急事件下网络动态交通配流的应用效果。     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

�շ峵����ŵĶ�̬���ڶ���ģ���о�

从编组站驼峰解体作业中出现的问题出发,在深入分析重载大轴重货车车场内超速连挂和轻载车辆逆向大风条件下溜放不到位这一矛盾问题的基础上,指出其根本原因是驼峰自动化系统的出口定速模型在车组溜放出口定速中单位基本阻力取值不合理,和没有考虑车组溜放时环境条件变化. 基于此,提出了单位合阻力的概念,根据车组溜放过程中的能量守恒定律,建立了间隔制动出口动态定速模型. 利用模糊逻辑的不确定信息处理能力,兼以神经网络的自学习能力,建立了基于模糊神经网络的目的制动出口定速模型. 最后,通过驼峰仿真实验,验证了模型的有效性,为驼峰车组溜放速度控制提供了理论参考.     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

交叉口右转机动车穿越决策BP仿真模型及灵敏度分析

机非相互穿越模型是信号交叉口混合交通微观仿真系统中反映机动车和自行车相互影响的核心模型. 为了描述交叉口处机动车穿越自行车流的决策行为,分析了两相位信号交叉口右转机动车穿越邻道直行自行车的微观行为,提出了基于BP神经网络的机动车穿越决策模型. 以北京2个交叉口调查数据为基础,对该模型验证并与Logistic模型比较,结果表明BP模型优于Logistic模型且具有较好的预测精度. 根据所建模型的映射关系计算出系统输出对输入参数的一阶灵敏度矩阵,灵敏度分析结果表明,自行车提供给机动车的穿越间隙是影响机动车穿越决策行为的决定性因素,且间隙在2.76s～2.96s变动时对机动车穿越决策行为影响最大.     

基于状态空间神经网络的短期公交调度模型

本文从公交线路状态时空变化规律的角度出发,讨论了应用状态空间神经网络模型解决短期公交调度问题的方法。采用能描述实际公交线路状态（包括客流状态以及车辆运行速度等）的网络拓扑结构,结合前一时段的公交线路状态,预测下一时段的状态并选择与其相适应的调度方案。本文以南京市某公交线路的数据作为实例进行模型应用,与BP神经网络和AMRA模型的对比结果显示状态空间神经网络模型能在短期内更好地针对客流空间、时间变化对公交发车间隔进行调整,模型预测精度高,自适应性强,值得推广应用。