优化广西铁路建设项目顺序研究

在综合分析国家及区域十二五经济社会发展规划、中长期铁路网规划等规划基础上,预测研究年度区域各铁路客货运量、构成及其未来发展趋势;分析各铁路项目的功能定位及其在区域路网中发挥的运输效益;综合考虑经济效益、社会效益及国家宏观经济政策,提出优化广西铁路建设项目顺序和提高运能的方案,达到提前发挥投资效益的目的。     

基于Logistic和S曲线的交通量预测方法

分析了Logistic曲线和定标模型S曲线的特征和参数标定,提出了将这2种曲线模型结合起来的交通量预测模型,并应用于广东省国省道“十一五”规划公路网路段的交通量预测,取得了较好的预测结果。     

铁路客运专线的客运量预测

铁路客运专线建成后，其运量主要由趋势客运量、转移客运量和诱增客运量3部分组成。以陇海线郑州西安客运专线为例，指出在转移和诱增客运量预测中应注意OD调查的准确性、服务特性的拟定和模型参数的标定。同时提出客运量分配时应注意的几个原则，以及有待进一步研究的主要问题。     

预测分析的混合模型法

通过分析国民经济中实际数据序列的特点，提出一种预测分析的混合模型方法，对这种模型方法进行了分析和论证，并将其用于数据序列的分析预测。这种模型是根据统计数据本身的规律性和特点来预测分析的一种方法，需要考虑的因素少，具有方法简明、计算复杂性低和便于使用等特点。     

系统论与摩擦学

分析了摩擦学研究人和社会方面的影响因素；用系统论的观点探讨了摩擦学系统的层次性、整体性、结构性和开放性，最后应用系统方法对摩擦学局长趋势进行了预测。     

模糊化的马尔柯夫链在图书情报管理预测中的应用

马尔柯夫链预测法在图书情报管理系统中的应用有着乐观的前景，但在处理实际问题时常因状态的划分数较少而难以得到满意的结果，运用模糊转移概率的概念，采用梯形分布确定隶属度的计算方法，克服了上述不足，使预测结果和实际情况更加符合。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

用神经网络分析估计斜拉桥的施工控制参数

结合一座三塔四跨预应力混凝土斜拉桥施工过程,进行用神经网络分析估计斜拉桥施工控制参数的研究。用神经网络分析估计斜拉桥施工控制参数的过程主要包括建立神经网络、计算训练样本、训练神经网络和网络仿真四部分。运用神经网络仿真计算进行斜拉桥施工监控的具体方法是,先计算当前施工状态的索力和标高,再预测下一节段的索力和标高。经过往复循环,逐一进行节段预测调整,从而指导斜拉桥顺利施工。通过对比该斜拉桥合拢后部分节段索力及主梁控制点标高的计算值和实测值可知,用神经网络分析进行斜拉桥施工监控的效果达到设计的理想桥梁线型和索力要求。     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

铁路噪声预测计算方法

根据声学基本理论和有关有限长运动线声源指向性、等效时间等声学特性研究成果,结合铁路噪声的特点,总结了比例法和模式法两种主要的噪声预测方法,并给出了相应的计算公式,可供铁路建设项目环境影响评价中预测铁路噪声时参考。