Hybrid model for prediction of bus arrival times at next station

Effective prediction of bus arrival times is important to advanced traveler information systems (ATIS). Here a hybrid model, based on support vector machine (SVM) and Kalman filtering technique, is presented to predict bus arrival times. In the model, the SVM model predicts the baseline travel times on the basic of historical trips occurring data at given time‐of‐day, weather conditions, route segment, the travel times on the current segment, and the latest travel times on the predicted segment; the Kalman filtering‐based dynamic algorithm uses the latest bus arrival information, together with estimated baseline travel times, to predict arrival times at the next point. The predicted bus arrival times are examined by data of bus no. 7 in a satellite town of Dalian in China. Results show that the hybrid model proposed in this paper is feasible and applicable in bus arrival time forecasting area, and generally provides better performance than artificial neural network (ANN)–based methods. Copyright © 2010 John Wiley & Sons, Ltd.     

公轨双层高架中道路桥梁形式对轨道噪声分布影响研究

高架独立轨道交通具有建设、运营成本低的优势,但其对周边居民产生的环境噪声污染问题突出,道路与轨道双层合建高架的上层道路桥梁可起到屏蔽作用,减小由轨道交通引起的道路上部区域噪声。为分析不同道路桥梁形式对轨道噪声传播规律的影响,根据实测钢轨振动加速度,建立二维声学模型进行轨道噪声传播规律预测研究。首先采用现场噪声实测结果验证方法的准确性,然后对比分析独立双U梁轨道、空心板梁道路桥+双U梁轨道、小箱梁道路桥+双U梁轨道的噪声传播与分布规律,揭示双层高架桥梁的降噪机理。结果表明,上层道路桥改变了噪声的传播途径,在增大桥下噪声的同时可以使得一部分区域(道路桥侧上方)的噪声减小;进而,在道路以上区域,小箱梁道路桥+双U梁轨道形式相比空心板梁道路桥+双U梁轨道显著降低了噪声级,大部分降幅在6～11 dB(A)之间,最大降幅约21 dB(A);与空心板梁结构形式相比,底面凹凸不平的小箱梁结构能将声能量更好地限制在道路桥梁以下范围内,从而对道路上方区域取得更大的降噪效果。提出的噪声预测方法可为公轨合建双层高架的轨道噪声快速预测与评估提供参考,计算结果可为双层高架的道路桥梁选型提供声学性能依据。     

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

船舶运动的极短期预报试验

利用自回归模型对船舶运动进行了预报试验研究。试验结果表明,对于直升机稳定平台补偿控制系统来说,由于只需要对船舶未来极短时间内的运动进行预报,所以基于自回归模型的预报方法能满足系统的实际要求,是一种简单、可行的方法。     

基于LS-SVM的世界海运需求量预测

针对世界海运需求量预测中存在的非线性、复杂性和不确定性,提出基于LS-SVM(最小二乘支持向量机)世界海运需求量预测模型,通过预测实验,并与其他几种常见模型预测结果比较,表明该模型具有预测精度高、速度快、容易实现等优点.     

基于免疫克隆算法的航母编队配置研究

现代航母编队运行成本昂贵,合理编队能降低运行成本,达到效益最大化。本文提出了采用免疫克隆算法（ICA）的航母编队方法,该方法使用层次分析法确定航母编队各候选舰只各项作战性能的权重,然后采用免疫克隆算法进行航母编队配置,以达到编队配置效益最大化的目的。实验结果表明,与使用传统的线性规划方法相比,采用免疫克隆算法进行航母编队配置能获得相同的效果,但比线性规划更有计算和解决复杂问题的优势,是一种高效的航母编队配置方法。     

双断级滑行艇的阻力回归公式

本文以5艘双断级滑行艇模型的试验数据为基础,采用多元线性回归的方法对试验数据进行回归分析,从而导出在不同断级参数情况下双断级滑行艇的阻力回归公式。通过相对误差分析法验证了回归公式的精确性,并根据回归的结果绘制成图以供设计参考。     

岩质边坡稳定性 SVM 预测模型的新型核函数应用

导致岩体破坏的影响因素复杂多样,一般分为几何因素和物理因素。目前针对均质体的岩质边坡物理参数取值方面的研究较多,而关于改进的二折线岩质边坡模型的影响因素分析还处于起步阶段,且寻找能够解决各因素之间非线性关系的分析方法是十分必要的。基于二折线边坡计算模型,引入能够解决高维非线性问题的支持向量机方法,通过重要参数的敏感性分析,提出一种新型的综合核函数,论证该方法在岩质边坡稳定性预测分析中的可行性。通过各因素的敏感性分析可知,关于边坡的几何因素,采用RBF核函数所建预测模型精度较高,Sigmoid核函数适用性较差;关于边坡的物理力学因素,采用Linear核函数所建预测模型精度较高,Polynomial核函数和Sigmoid核函数适用性较差。经核函数矩阵组合得到一种新型综合核函数,并与4种常规核函数进行预测效果对比,结果表明,采用新型综合核函数所得岩质边坡稳定性预测精度最高,绝对误差不超过0.010 3,相对误差不超过2.83%。研究结论可为岩质边坡稳定性分析提供一种新思路。