两种算法结合的公交到站时间预测

随着临港地区经济高速发展,人口规模与机动车拥有量急剧增加,公交优先战略对于缓解城市交通压力起着举足轻重的作用。在临港智能公交体系大背景下,尝试对公交到站时间进行算法分析研究,具体提供了一种结合非参数回归与卡尔曼滤波的公交车到站时间预测算法。通过非参数回归方法得到基于历史数据的公交车到站时间预测值,进而根据预测值和当前公交车实时运行结果的误差,通过不断更新最优到站时间估计和卡尔曼增益,实现对预测运行时间的修正。研究结果表明,基于非参数回归和卡尔曼滤波混合后的模型预测误差减小,预测效果良好。     

交通排放强度与道路特征关联分析

为了寻求更加精确的道路车辆排放模型的建立方法,对道路车辆排放关键因素受路段参数的影响进行探索。通过实验方法测算机动车排放因子,并获取路段平均速度、路段平均加速度、路段平均VSP三个动态特征参数,路段长度和道路等级两个路段静态特征参数,通过回归分析的方法量化不同因素与机动车排放因子的关联关系。结果表明:道路特征参数对机动车各类污染物的排放因子均有一定程度的影响,但单一因素对道路排放因子的影响程度有限。     

山区公路沿线地震滑坡易发性区划研究

基于地理信息系统（GIS）技术,建立逻辑回归评价模型,对汶川县和芦山县公路周边8 km范围的地震滑坡开展易发性区划研究。在研究过程中,首先,从地震诱发滑坡灾害的触发机理出发,参考现场工程地质勘察资料及现有的研究成果,选取包括高程、坡度、坡位、坡向、曲率、微地貌、岩性、距断层距离、距水系距离、归一化植被指数（NDVI）、地震峰值加速度（PGA）、距离道路距离、年平均降雨量在内的13个地震诱发滑坡的影响因子;然后,以汶川县地理空间数据库为基础,通过10组样本在R软件中的训练,建立逻辑回归评价模型;最后,应用上述建立的模型,在ARCGIS平台下将汶川县公路沿线地震滑坡的易发性划分为极低、低、中、高、极高5个级别。为了进一步检验所建立评价模型的稳定性,将上述模型仿真到芦山县公路沿线,形成芦山县公路沿线地震滑坡易发性区划图。通过2个研究区域的ROC曲线,可以得到AUC值分别为0.912和0.783。研究结果表明：预测结果与实际地震滑坡分布吻合度较高,建立的评价模型稳定性较好,可以推广用于地形、地质环境相似山区公路沿线地震滑坡易发性区划评价。     

秦皇岛港10万t级航道的潮汐变化

对秦皇岛港10万t级航道处的潮汐变化与秦港3号码头验潮站潮汐变化进行了同步观测,并对所获得的2组观测数据进行了整点潮高及高、低潮潮时潮高对比,计算了相关系数,建立了线性回归方程。证明两处的潮汐变化基本相同。在10万t级航道水深测量中,可用验潮站的潮位进行订正。     

系统误差及一元线性回归异常点的计算机诊断程序

一元线性回归广泛应用于各个领域。制做回归直线时,某一实验点的响应值可能会异常地高或低,影响直线的准确性。分析测试中常用一元线性回归拟合标准曲线,测定样品中组份含量。制成的标准曲线中可能存在由截距异常产生的系统误差(系统误差简称为系差)。标定标准溶液时也可能产生由空白值引起的系差。另外,常需检验两个不同分析方法或分析者(即两个总体)间的系差。本文根据文献提供的对上述误差的检验方法,用BASIC语言编制了计算机检验程序,在长城0520A型计算机上调试通过。本程序可免除大量     

压气机叶片的静强度模糊可靠性分析

压气机叶片的应力分布与很多因素有关 ,它往往很难用一解析式表达。模糊可靠性分析以有限元分析程序为“抽样工具” ,得到叶片应力与其相关因素的一系列抽样值 ,并利用模糊线性回归方法得到了叶片应力的模糊回归方程。基于模糊应力—随机强度干涉模型 ,求得了压气机叶片的模糊可靠度 ,给出了实例。     

AUDI盘式制动器的幂函数乘积模型

本文采用正交及回归试验设计技术，以制动压力与制动初速度为试验因素，以制动力矩为试验指标，在JF－132型汽车制动器试验台上进行了AUDI盘式制动器摩擦特性的回归实验，根据实验结果，建立了AUDI盘式制器的幂函数乘积模型并进行了统计检验。     

粗集料表面特征对混凝土强度的影响

通过室内试验和回归分析的方法研究了粗集料表面特征对混凝土强度(主要是抗折强度)的影响，可为混凝土的配合比设计和混凝土路面施工提供参考。     

青海省公路交通量与其主要社会经济指标的回归分析

通过对青海省1990～2001年干线公路交通量及国内生产总值等主要社会经济指标历年统计数据的整理汇总,并运用适当的数学方法,筛选建立了多个关于全省公路交通量、社会经济发展水平的关系模型,这些公式较为准确地拟合了相应指标12年来的发展变化情况,并可作为今后预测工作的依据.文中结论系建立在大量来自权威部门的原始调查数据之上,分析过程以科学和实事求是为原则,旨在为现阶段本地区公路工程可行性研究等前期工作提供有力的帮助.