基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

基于LS-SVM的世界海运需求量预测

针对世界海运需求量预测中存在的非线性、复杂性和不确定性,提出基于LS-SVM(最小二乘支持向量机)世界海运需求量预测模型,通过预测实验,并与其他几种常见模型预测结果比较,表明该模型具有预测精度高、速度快、容易实现等优点.     

船舶运动的极短期预报试验

利用自回归模型对船舶运动进行了预报试验研究。试验结果表明,对于直升机稳定平台补偿控制系统来说,由于只需要对船舶未来极短时间内的运动进行预报,所以基于自回归模型的预报方法能满足系统的实际要求,是一种简单、可行的方法。     

基于模型预测的主动式减摇水舱约束控制

由于边舱高度有限,减摇水舱中的流体在水舱内运动时会引起饱和非线性,给舱内流体运动的估计与控制带来困难.针对饱和非线性所带来的控制问题,建立船舶-水舱系统模型,同时基于约束条件设计了模型预测控制(MPC)策略.仿真结果表明,该控制策略在减少主动式水舱高能耗的同时,增强了对水舱内流体的控制,有效提高了水舱系统的减摇效果.     

我国海港工程混凝土耐久性技术发展及现状

概述了我国海港工程腐蚀环境及耐久性破坏特点,对我国海港工程混凝土耐久性技术从20世纪80年代至今的历史、耐久性技术的研究及发展应用进行了回顾,阐述了我国水运行业技术标准和科研成果对提高海港工程混凝土结构耐久性所发挥的作用,最后对我国海工混凝土耐久性技术进行了展望.     

模糊数学方法在交通流预测评价中的应用

影响交通流状态预测的因素很多,如何对预测效果作出评价十分重要.过去往往根据一两个指标的简单对比得出结论,或者仅作定性评价,缺乏严密性.本文运用模糊数学方法,建立了一个量化的评价模型,通过模糊变换及其他相关计算得出结论,较常规方法更快、更准确、更科学,更适合多种预测方法同时进行比较.     

Hybrid model for prediction of bus arrival times at next station

Effective prediction of bus arrival times is important to advanced traveler information systems (ATIS). Here a hybrid model, based on support vector machine (SVM) and Kalman filtering technique, is presented to predict bus arrival times. In the model, the SVM model predicts the baseline travel times on the basic of historical trips occurring data at given time‐of‐day, weather conditions, route segment, the travel times on the current segment, and the latest travel times on the predicted segment; the Kalman filtering‐based dynamic algorithm uses the latest bus arrival information, together with estimated baseline travel times, to predict arrival times at the next point. The predicted bus arrival times are examined by data of bus no. 7 in a satellite town of Dalian in China. Results show that the hybrid model proposed in this paper is feasible and applicable in bus arrival time forecasting area, and generally provides better performance than artificial neural network (ANN)–based methods. Copyright © 2010 John Wiley & Sons, Ltd.     

城市轨道交通列车噪声预测模型研究

以已建立的城市轨道交通噪声预测模型为基础,提出改进的噪声预测模型。明确了各预测参数,采用对数回归关系确定了各影响因子与等效声级的关系。运用预测模型对长春轻轨噪声进行了预测。通过与实测结果进行比较,预测值与实际结果的误差<1dB(A),表明所提出的预测模型可精确反映长春轻轨的噪声级。