基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。     

广义回归神经网络在交通运输量预测中的应用

因为交通运输、地方经济及企业发展的紧密联系,交通运输量预测成为运输市场和经济发展研究中的一个重要问题。以影响交通运输量的若干重要参数作为样本数据,构建一个广义回归神经网络,经过学习训练后使之达到误差最小,再以此网络外推出未来的交通运输量。结果证明广义回归神经网络用于交通运输量预测的有效性。     

TSP技术在隧道施工超前地质预报中的应用

某隧道施工中采用TSP技术进行超前地质预报,从开挖过程来看,洞身围岩揭示隧道超前地质预报结论符合现场施工实际情况。根据超前地质预报结论,结合掌子面实际开挖情况,随时调整开挖进尺,采取必要措施,保证了隧道的安全、优质贯通。     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性。另外,计算结果表明基于主成分分析（PCA）的BP神经网络法优于BP神经网络法。     

三次指数平滑法预测大连港货物吞吐量

根据大连港近年的货物吞吐量数据分析,发现大连港货物吞吐量与时间呈二次曲线变化趋势,分析各种预测方法的特点及适用范围,选择三次指数平滑法,根据1996～2007年历史数据,对今后三年的大连港货物吞吐量进行预测,得出到2010年,大连港货物吞吐量将达到2．8亿吨,超出规划数值．建议加快大连港基础设施建设,完善集疏运体系,以应对大连港货物吞吐量的快速增长．     

基于ARIMA模型的外汇汇率时间序列预测研究

利用数据挖掘技术分析外汇汇率时间序列,从时间序列中获得正确的、隐含的、潜在的信息对于金融领域研究具有重要的现实意义。通过数据挖掘中的ARIMA模型,以某银行的外汇汇率时间序列为研究对象,采用差分方法和建模规则,对外汇的卖出价进行了建模与预测。通过与逐步自回归预测模型相比较,ARIMA模型对外汇汇率时间序列数据具有很强的预测能力。     

高桩码头岸坡变形对岸坡稳定性影响分析

根据对天津港高桩码头岸坡现状的调查 ,利用REAME程序分析了泥沙淤积对码头岸坡整体稳定性的影响。     

马来西亚科美纳河口地形演变及沉积趋势

在现场勘测及有关资料分析的基础上 ,从地貌特征及沉积特征方面对研究区域的泥沙来源、运移趋势及河口治理问题进行了分析 ,对导堤的布设与所产生的变化进行了深入的论证     

波浪潮流动床泥沙模型在工程泥沙研究中的应用

分析工程海域的自然条件 ,采用波浪潮流动床泥沙模型研究方法 ,研究工程海域泥沙输移规律 ,预报工程方案下引水渠的泥沙淤积。     

庄河近海区沉积特征及泥沙来源研究

通过对现场水体含沙量观测和水文地貌调查资料的分析 ,认为庄河港海区的沉积物主要来源于庄河及小寺河。目前 ,泥沙运动是长期堆积在庄河口外的泥沙 ,在波浪及潮流的共同作用下运动 ,总趋势表现为自东向西运移