基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法)。采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用PSO算法,确保短时交通流预测的精确度和可靠性。实例分析结果表明,该方法可有效提高短时交通流的预测精度和可靠性,其预测误差较小。     

基于改进蝙蝠算法优化LSTM网络的短时客流预测

准确地预测地铁站短时客流量,对地铁站通风空调系统的节能优化具有重要意义.充分考虑地铁客流量非线性、随机性、周期性等特点,提出一种基于改进蝙蝠算法(IBA)优化长短期记忆(LSTM)神经网络的短时客流量预测模型(IBA-LSTM).引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力,克服标准蝙蝠算法易早熟、易陷入局部最优值的问题;利用改进的蝙蝠算法对LSTM网络的隐含层节点数、迭代次数、初始学习率、学习率下降因子4个参数进行优化;利用西安某地铁站自动检票系统(AFC)采集的客流数据,对模型的有效性进行检验.实验结果表明:该预测模型在均方误差、均方根误差、平均绝对百分比误差等方面均优于标准蝙蝠-LSTM模型、LSTM预测模型、BP预测模型及BP-Adaboost预测模型,所提出的方法可有效应用于短时客流量预测.     

高速公路短时交通流预测方法对比分析

高速公路短时交通流预测对于高速公路智能管控具有重要意义。通过总结不同文献中关于高速公路短时交通流预测的研究内容，发现了目前高速公路短时交通流预测研究存在的不足，给出了高速公路短时交通流预测的流程，对高速公路短时交通流预测模型进行了分类比较，明确了不同模型的适用场景和优缺点，通过具体案例数据分析比较了KNN模型、SVM模型、LSTM模型的预测精度，研究发现KNN模型的预测精度最高，明确了数据质量和算法精度是交通流预测的关键。本研究可以为高速公路短时交通流预测发展提供借鉴。     

高速动车组转向架端部悬挂件对构架应力的影响

为了探究高速动车组转向架端部悬挂件对构架应力的影响规律,依据UIC 615-4标准,对转向架构架与端部悬挂件进行了有限元仿真,校核了构架疲劳强度;开展了实际运营条件下的跟踪测试试验,分析了不同位置测点应力的时、频域特征,计算了等效损伤;结合模态计算探讨了转向架端部悬挂件对构架侧梁端部应力状态产生较大影响的成因。分析结果表明:依据标准计算的弹簧帽筒区域的疲劳强度满足要求;远离辅助安装座区域的弹簧帽筒测点,实测最大等效损伤为0.01,靠近辅助安装座区域的弹簧帽筒测点,实测最大等效损伤为0.45,明显高于远离辅助安装座区域的测点;对于靠近辅助安装座区域的弹簧帽筒测点中,弹簧帽筒外侧测点即更靠近辅助安装座区域测点的等效损伤均高于内侧测点,二者等效损伤最大相差84.16%;实测数据存在38 Hz的主频,与辅助安装座和构架连接整体的第4阶模态接近,结合实测数据时频分析结果证明,车辆行驶与轨道不平顺波长共同作用产生的激扰,激起了辅助安装座和构架连接整体的第4阶模态,发生P₂共振导致弹簧帽筒区域产生过大应力。      

基于最小二乘向量机的公交站点短时客流预测

考虑上下游公交站点、历史同期客流和相邻间隔输入因子β三者的影响,采用最小二乘支持向量机回归算法建立预测模型,并利用粒子群算法优化模型参数.实例验证结果表明:三者均会对预测精度产生影响;当β=3并在多输入变量中设有上下游站点、历史同期客流维度时,该预测模型相比预测性能最好,平均绝对误差为0.625 0,均方误差为0.914 5.     

短时交通流量预测方法

短时交通流量是短时交通参数的基础参数之一,其变化规律可直观反映调查路段或区域的交通变化趋势,可为交通出行提供有效的路径选择信息。基于对统计分析模型、人工智能模型、非线性理论、交通模拟、组合预测模型等短时交通流量预测方法特点和应用的分析,鉴于短时交通流量自身的随机波动特性,指出单一的交通参数预测方法很难有效提高预测的精度和效果,而基于组合预测模型的预测方法具有广阔的应用前景和实践意义,并指出短时交通流量预测方法研究领域今后可能的发展趋势。     

钢管漏磁检测信号的时频分析

介绍了时频分析中的短时傅立叶变换和小波变换的基本概念和特性。对钢管缺陷的漏磁信号分别进行短时傅立叶变换和小波变换分析与处理，比较它们的优缺点，得出时频分析是解决钢管漏磁突变异常信号的一种有效方法，尤其小波分析方法在解决漏磁信号干扰剔除、数据压缩、特征提取方面更具优点。     

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

一种基于混沌序列的短时猝发水声通信方法

传统的水声通信发射信号持续时间长,隐蔽性差和抗干扰能力差。文中设计了一种短时猝发的扩频通信方法,用优选后的混沌序列作为多进制扩频通信的伪随机序列,并将同步信号和数据信息分别放置在不同的子通道上,极大地压缩了发射信号时长。仿真结果表明该方法能大大提高水声通信的抗扰和隐蔽性能。     

基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.