����OLAM�ĸ��ٹ�·��ͨ����άԤ���о�

OLAM是联机分析处理与数据挖掘的有机结合,本文以高速公路收费数据为基础,提出一种基于OLAM实现高速公路交通量多维预测的方法.该方法构建了多维数据雪花模型,建立起收费数据的数据仓库并得到交通量多维统计结果;在构建季节ARIMA预测模型过程中,检测出因节假日、恶劣天气导致的交通量异常值并对模型进行修正;最后利用修正后的模型实现了交通量的预测.与一般季节ARIMA模型相比,修正后模型的白噪声方差和AIC值显著降低,数据拟合程度明显提高.实验结果表明,该方法具有较高的预测精度,其中MAE和MAPE分别为50.43和1.59%,能够满足高速公路管理部门利用收费数据分析、预测交通量时空变化趋势的要求,从而为制定各项政策提供理论依据和决策参考.     

基于Gompertz模型的公路交通量分析与预测

低等级公路特别是县乡公路的交通量预测宜采用时间序列模型,有三种预测模型:二次多项式曲线、指数曲线和Gompertz曲线.实例分析表明,Gompertz曲线的预测模型能够较真实地反映交通量的发展,较为准确地预测交通量.     

基于MATLAB的土工击实试验数据处理的探讨

因现有的室内标准击实试验的数据处理大部分采用手绘法、样条曲线法或二次、三次多项式拟合法,手绘法和样条曲线法所绘出的曲线很难直接找到最值,对于二次、三次多项式拟合法常采用Excel,但Excel计算较粗略。针对以上问题,文中运用MATLAB中曲线拟合的功能,对工程中击实试验数据进行分析,以拟合曲线的残差图为依据,较准确地得到了最大干密度,并得出如下结论:击实曲线多项式的次数越高,所拟合的效果越好;另外击实数据的分布情况也将影响曲线拟合效果。     

莱州港扩建工程方案泥沙淤积分析计算

对莱州港所在海区的自然条件进行了分析,对莱州港扩建方案的泥沙淤积进行计算和分析。     

海河河口挡潮闸的泥沙问题

本文根据辽河河口西水道、海河河口建闸前后与套尔河河口的实测资料,总结出淤泥质河口的河床演变,除纳潮量而外,还有三个重要的动力参变数:a.年径流量/年纳潮量即Qr/Qt的比值,b.纳潮量沿程递减率(涨潮)及递增率(落潮)即ΔQt/Δx,c.时段年输沙量减少/时段年径流量减少即ΔG/ΔQr。对于海河河口闸下减淤问题,根据上述与河床演变有关因素,作出了建议:a.把河口段改建成半潮汐通道,及b.提出修建闸下防沙导流堤的原则。     

区域交通流的时空预测与分析

论述了短时交通流预测模型的分类、特点和适用条件。通过历史交通流量记录运用最优抽样间隔数据分析发现,在城市道路网络中,路口自身和近邻路口的交通流数据之间存在紧密的时空关系。利用时空自回归移动平均模型来建立路口间交通流的时空关联关系,用于区域交通流的短时预测和时空分析,并详细介绍了该模型的数学描述和建模过程。采用长安街及其沿线路口的区域交通流量作为试验数据,验证了该模型在交通流的短时预测和时空分析中的可行性。该模型在考虑预测值所在位置时间序列的同时,也考虑到了空间上相邻位置的时间序列,大大提高了短时交通流预测的准确性。     

基于灰色马尔可夫模型的近期公交客流量预测

为了科学准确地预测近期公交客流量,提出了应用灰色马尔可夫模型进行预测的方法。利用历史数据建立灰色GM(1,1)模型,通过确定系数可获得公交客流量的时间响应序列及还原值的表达式,从而可获得未来年公交客流量的发展序列值,结合马尔可夫链过程将随机序列状态划分为3类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。通过铜陵市公交客流的历史数据,预测了近3年的公交客流。实例证明该预测模型具有较高的精度,能够指导公交经营管理者近期的决策行为。     

沥青喷洒系统驱动方式研究

沥青洒布量是沥青洒布车的重要控制指标,采用合适的驱动方式对于提高洒布精度具有重要意义。对沥青洒布车沥青喷洒系统驱动方式进行研究,通过数学分析和对比,充分肯定了上装采用独立发动机的独立式沥青洒布车在沥青洒布量范围和控制性能方面的优势。     

复杂动力作用下加筋土挡墙内部稳定性分析

从加筋土挡土墙的特殊受力机理出发,对水平和竖向地震同时作用下加筋土挡墙进行了内部稳定性分析;研究了挡墙破裂面形状与位置,结合国内外一系列室内和现场足尺试验资料而确立了地震作用下加筋土挡墙的分析模型;通过挡墙的筋带拉断破坏和筋土粘着破坏分析,分别推导了加筋带的界限配筋率和临界长度计算公式,这两个公式能适用于多种实际的荷载工况(静力荷载和地震荷载),公式计算结果与试验结果吻合良好,可为加筋土挡土墙工程抗震设计及动力分析提供一定参考。     

短时交通量时间序列智能复合预测方法概述

短时交通量预测是智能运输系统的核心研究内容之一,已成为交通工程领域重点研究课题。对国内外短时交通量时间序列的预测方法尤其是智能复合预测方法进行概述和总结,重点介绍灰色预测模型、模糊预测、遗传算法、神经网络、灰色神经网络、神经网络集成、统计学习理论、混沌预测、小波分解与重构的方法、以及由上述模型互相组合构成的各种智能组合预测模型等,并指出智能复合预测方法是解决短时交通量时间序列预测问题的有效途径和发展趋势。