基于混沌时序最小二乘支持向量机的汽油机瞬态空燃比预测模型研究

针对由氧传感器构成的瞬态空燃比反馈控制系统无法满足实时性要求的问题,提出了基于混沌时序最小二乘支持向量机(LS-SVM)的瞬态空燃比预测模型。对试验采集到的一维空燃比数据利用相空间重构技术构造多维空间数据,恢复空燃比时间序列的多维非线性特性,然后采用LS-SVM对重构后的数据进行训练及预测,得出预测结果。仿真结果表明:与Elman神经网络预测模型及前馈BP神经网络预测模型相比较,混沌时序LS-SVM预测模型具有更强的非线性预测能力,能够有效地提高瞬态空燃比的预测精度。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

城市轨道交通车站客流吸引范围重叠区域划分模型

现有城市轨道交通车站客流吸引范围划分方法大多未考虑相邻车站间的重叠区域,导致车站客流预测值偏大。为了提高车站客流预测的准确性,考虑中间站、首末站、换乘站,针对不同相邻车站类型提出客流分配量计算公式。基于此构建轨道交通车站客流吸引范围重叠区域划分模型,并采用日本东京都城市轨道交通车站的相关数据标定模型参数。最后,以上海市轨道交通11号线安亭站及相邻的兆丰路站和汽车城站为例进行模型验证,结果显示精确度为78.6%。指出产生误差的原因可能在于上海市与东京都的差异以及交通小区数量过少。     

二次指数平滑在交通信息短期预测中的应用

通过对当前交通道路信息的实际情况的分析并结合指数平滑预测模型,提出了符合当前交通信息的分段二次指数平滑模型,该模型主要根据某城市一天各时段的拥堵情况计算平滑系数表,在通过二次指数平滑模型对交通信息进行短期预测。该方法充分考虑到了交通道路信息的实际情况,提高了交通信息短期预测的合理性。经过实际交通信息数据验证,结果表明基于该方法预测未来短期交通信息准确率满足使用需求,并为其他交通信息短期预测提供一种新的方法。     

路基沉降预测与计算方法综述

在路堤施工中,为了控制施工进度,指导后期的施工组织和安排,同时保证路堤的稳定与使用,需对路堤不同时刻的沉降及最终沉降量进行预测和计算。对于天然地基,其沉降预测和计算方法较多,且有各自的适用性。阐述了天然地基沉降预测和计算方法,以及各种方法的优缺点,可为类似路基工程设计提供参考。     

改进的三点法在高铁路基沉降中的应用

对高速铁路路基沉降预测分析的固结度三点法(对数配合法)已在众多工程实践中得到应用并取得了较为理想的效果,但方法仍存在缺陷,使其在工程应用中有一定的局限性。利用序列二次规划法(SQPM算法)对传统的三点法进行改进并结合工程实例进行了应用探索,结果表明,改进后的固结度三点法对原始数据初值的选取精度要求较低,扩大了它的应用范围。     

京新高速公路旗下营隧道防寒抗冻对策及监控量测

旗下营隧道是京新高速公路重要的控制性工程,文章阐述了该隧道防寒抗冻设计、隧道监控量测、超前地质预报设计及隧道安全风险评估等关键环节,为内蒙古自治区寒冷地区隧道的防寒抗冻设计、隧道监控量测、超前地质预报设计及隧道安全风险评估提供一定的参考。     

基于支持向量机模型的深基坑变形预测研究

支持向量机是近年来在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.将支持向量机用于基坑变形预测,根据基坑位移的实测时间序列资料,建立基坑位移与时间的关系模型.将实际基坑工程监测资料作为学习训练样本和测试样本,将模型计算结果与实际监测值进行对比分析、研究....     

空域扇区流量与拥塞预测的概率方法

为了提高扇区流量预测准确度、减小扇区拥塞预测的虚警率,分析了影响空中交通的随机因素,建立了航空器进入扇区时刻、穿越扇区飞行时间和离开扇区时刻的概率分布模型.利用进入、离开扇区时刻的累积分布函数,计算航空器占用扇区的概率,并在此基础上,提出了基于Monte Carlo仿真的扇区拥塞预测概率方法.算例仿真结果表明:与确定型拥塞预测方法相比,采用概率预测方法可将拥塞时段比例的平均值从42%减少到33%.     

哈大客运专线长大段趋势客运量预测

为了确定车站等级,配置设施,布置列车运行图.趋势预测是客运专线的运量预测的重要组成部分,也是其它预测阶段的基础.本文选择灰色预测法,根据2003-2008年的客运量数据建立灰色预测模型,通过预测可知长大段主要车站的趋势运量呈显著性增长.建议加大主要车站基础设施建设,完善服务体系,以满足客运量的快速增长.