基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

三轴重复荷载作用下AC-13沥青混合料永久变形试验分析

采用半正弦波间歇荷载,使用MTS( Material Test Systerm)材料试验机对AC - 13沥青混合料进行三轴重复荷载蠕变试验,研究试验温度和应力水平对沥青混合料永久变形特性的影响,得到了AC - 13沥青混合料在不同温度和不同应力水平下的永久变形规律,对永久应变与荷载作用次数、应力水平和温度的关系进行非线性回归分析,提出来能够全面反映沥青混合料永久变形特性的模型,并绘制了不同温度下的三维图形,直观全面地反映沥青混合料变形的特性.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性.     

一种基于社交网络的民航新旅客成长性预测方法

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节．本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测．为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法．首先根据旅客历史出行记录构建旅客同行网络;然后分另lj从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的．在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的．     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

基于GM(1,1)模型的十堰旅游数据预测研究

十堰市旅游人次与旅游收入之间存在着较强的正相关关系。运用GM(1,1)灰色预测模型和Matlab软件,对十堰旅游收入及旅游人次进行了预测。讨论了GM(1,1)生成的预测值,指出存在的问题,并提出促进十堰旅游业平稳健康发展的建议。     

平面交叉口事故预测及突出事故形态鉴别

应用神经网络技术建立了基于三层感知机的平面交叉口事故预测模型,该模型的特点是可预测出具体事故形态的事故数.模型检验结果表明,预测精度达到了89%.在得到分事故形态的事故数预测结果后,基于"突出性"原理建立了一种鉴别事故多发形态的方法.     

基于DNA双链特征的启动子预测方法

真核启动子预测是DNA序列分析的重要问题之一．本文提出一个基于内容的新算法,考虑DNA的双链特征,特征的出现频率用位置权矩阵表示,利用boosting算法进行训练和预测,得出的结果与其他算法相比,有很好的敏感性和特异性．     

隧道施工超前地质预报方法综述

简述了各种超前地质预报方法的特点，提出在复杂地质条件下，运用多种方法进行综合预报，并以韩家岭隧道为例，说明综合预报的有效性。     

基于灰色理论的北京公交客运量的预测和分析

对公交客运量的预测和分析是非常重要的工作,通过预测和分析方法的简单比选,确定应用灰色理论进行北京公交客运量的分析和预测。根据灰色理论,建立灰色预测模型预测公交客运量,并建立灰色关联模型从供给、需求和竞争三个方面分析公交客运量,是公交客运量预测和分析的实际应用方法之一。