沥青路面温度模型及分析方法比较

介绍国内外典型的路面温度模型,并对其进行简要的分析。通过这些模型的分析,对路面温度预估方法进行比较,提出统计分析法将成为路面温度预测方法中主要的方法。     

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。     

Energy-Efficient Deterministic Fault-Tolerant Scheduling for Embedded Real-Time Systems

By combining fault-tolerance with power management, this paper developed a new method for aperiodic task set for the problem of task scheduling and voltage allocation in embedded real-time systems. The schedulability of the system was analyzed through checkpointing and the energy saving was considered via dynamic voltage and frequency scaling. Simulation results showed that the proposed algorithm had better performance compared with the existing voltage allocation techniques. The proposed technique saves 51.5% energy over FT-Only and 19.9% over FT+EC on average. Therefore, the proposed method was more appropriate for aperiodic tasks in embedded real-time systems.     

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。     

实时数据库中基于时间戳的事务处理探讨

实时数据库系统中,事务的执行受到时间期限的约束。在分析原有理论的基础上,对实时数据库系统中的事务处理进行了研究,重点探讨了提交处理和并发控制两方面,并结合时间戳技术的思想,提出了一种新的设计构思。     

Error and optimism bias in toll road traffic forecasts

Traffic forecasts are employed in the toll road sector, inter alia, by private sector investors to gauge the bankability of candidate investment projects. Although much is written in the literature about the theory and practice of traffic forecasting, surprisingly little attention has been paid to the predictive accuracy of traffic forecasting models. This paper addresses that shortcoming by reporting the results from the largest study of toll road forecasting performance ever conducted. The author had access to commercial-in-confidence documentation released to project financiers and, over a 4-year period, compiled a database of predicted and actual traffic usage for over 100 international, privately financed toll road projects. The findings suggest that toll road traffic forecasts are characterised by large errors and considerable optimism bias. As a result, financial engineers need to ensure that transaction structuring remains flexible and retains liquidity such that material departures from traffic expectations can be accommodated.