基于BP神经网络的公路规费征收量预测方法

文中简要地介绍了人工神经网络方法，并将其应用于公路规费征收量的预测，最后通过实例说明了该模型的应用。     

船舶运动惯导实测数据的非线性混沌特性的判定

利用基于关联维数的相位随机化的替代数据法，给出了对船舶运动惯导实测时间序列进行非线性判定和混沌判定的方法，计算结果表明船舶运动纵摇和横摇时间序列中含有非线性成份，指出船舶运动的建模和预报须用非线性时间序列的原因，研究了使用混沌时间序列S判据对船舶运动进行混沌判定的方法。     

人β-干扰素核基质结合区序列的克隆与分析

采用酚/氯仿抽提、乙醇沉淀提取人基因组DNA,根据GenBank报道的序列设计引物,PCR扩增人β-干扰素核基质结合区(matix at tachment region,MAR),琼脂糖凝胶电泳鉴定,连接T-载体,测序,分析其序列特征。结果显示PCR扩增出800bp条带,与预期片段大小相符。测序结果显示克隆的片段序列和报道的序列同源性为97%,克隆的DNA片段具备典型的MAR特征。结果显示我们成功从人基因组克隆了人β-干扰素MAR序列。     

基于RBF的混沌序列产生的新方法

介绍了利用RBF（Radial Basis Function）网络产生混沌序列的方法，即利用RBF网络跟踪混沌序列的模型，分析RBF神经网络对混沌序列的学习能力。最后利用最大Lyapunov指数判别法检验其序列，结果表明其序列具有较好的保密性能。     

柴油机气阀间隙识别的研究

通过模拟柴油机气阀间隙的异常进行试验,采集缸盖表面的振动信号.利用时间序列分析方法对振动信号进行分析,并建立相应的AR(Auto Regressive)模型,从中提取不同气阀间隙下的敏感参数.最后,基于这些敏感参数,利用神经网络进行气阀间隙的识别.分析结果表明,将两种方法的融合,能够实现优势互补,达到更好的识别效果.     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

公路景观系统设计综述

从保护生态环境,与自然环境相协调的角度出发,提出了以景观序列为主轴的公路景观系统设计方法.从系统的角度分析了公路景观设计的各项要点,并结合大量实际图例加以说明,为更深入地研究公路景观问题奠定了一定基础.     

基于统计参数的隧道贯通测量误差预计分析

针对贯通测量中采用规程参数进行误差预计不能完全反映实际测量误差的问题,提出了采用测量实际统计参数对贯通测量误差进行预计,并在实际工程中将用统计参数和规程参数预计的误差与实际测量偏差值进行对比。得出：在贯通测量误差预计中,采用实际统计参数比用规程参数进行贯通测量误差预计更能提高测量误差预计精度。     

快速路交通流时间序列聚类预测方法与模型

针对快速路路段日交通流曲线的相似特性,提出根据天气好、坏,工作日、非工作日作为特性向量,设计一种时间序列聚类算法对不同时间尺度下快速路交通流进行预测.结果显示:此聚类算法与预测模型充分利用了历史数据,30 min时间尺度下预测精度较高,平均绝对相对误差最低为3.34%.