改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

基于水动力—结构模型的VLGC强度和疲劳分析

超大型全冷式液化气船（VLGC）是国际上公认的设计及建造技术难度最大的船型之一,VLGC波浪载荷是船舶设计计算分析的重要载荷,准确的评估波浪载荷对船舶强度的设计非常重要。论文从DNV先进的水动力计算软件HydroD对VLGC船满载和压载工况下的波浪载荷进行了计算,得到了VLGC船相应工况下的运动响应和短期预报、长期预报值,并把计算出的波浪载荷传递到全船结构有限元结构模型中,加载分析得到了VLGC船的应力分布,对相应地方做了适当改进和加强,并对典型节点进行疲劳强度分析,得到了典型节点的疲劳寿命。对VLGC船整个波浪载荷传递到有限元模型的这一套流程做了分析和研究,也为进一步应用水动力方法计算其它船型的结构强度和疲劳寿命打下了良好的基础。     

基于SARIMA模型的城市道路短期交通流预测研究

以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均（SARIMA）模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即预测误差绝对值均值和预测误差百分比绝对值均值,来对模型预测表现进行衡量与比较。研究结果显示,虽然只考虑城市道路短期交通流数据中周周期性的SARIMA模型预测能力比只考虑日周期性特征的SARIMA模型好,但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的SARIMA模型表现差。     

基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测

介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.     

具有峰值识别的神经网络模型对水沙过程的预报

在经典BP神经网络模型的基础上,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值.同时提出了一种计算输入输出向量的归一化公式.在此基础上建立了具有洪峰识别的BP网络预报模型.该模型能根据实测资料模拟和预报不同特征年的流量或含沙量过程.采用建立的模型,对宜昌水文站典型年实测流量过程及含沙量过程进行了预测检验,其结果与实测值吻合较好,对峰值的预报较经典BP模型有所提高.     

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。     

城市轨道交通与市内交通的衔接规划研究

轨道衔接换乘系统规划设计的优劣是轨道交通能否发挥客运系统主体作用的关键因素。在对换乘客流进行预测的基础上,对轨道交通与其它交通方式衔接的原则、模式、存在的问题进行了研究,并提出了相应的解决办法,从而保证轨道交通换乘枢纽与市内其它交通方式的协调衔接。     

原油管道结蜡预测模型研究

利用灰色GM(1,1)模型的全息信息特性,在不需要多因素分析的情况下,建立了输油管道的结蜡速度和结蜡厚度的灰色GM(1,1)模型,实现了部分信息情况下的原油管道结蜡预测。实际计算表明:该模型误差在±2%以内,完全满足工程实际需要。     

基于区位分析和诱增流量的停车需求预测模型研究

静态交通需求与城市停车供应状况直接决定了城市交通秩序和拥挤程度,以往的各种停车预测模型多以建筑规模来求得静态交通需求,笔者在通过大量的调查数据分析得出静态交通需求与土地利用区位以及周边机动车交通流量密切相关,提出了基于区位分析和诱增流量的停车需求预测模型.     

高速公路软土地基沉降预测方法现状探讨

沉降预测是修建在软土地基上的高速公路迫切需要解决的问题.概述了现有的各种传统和新的沉降预测方法,并分析各预测方法的优缺点,指出影响各预测方法精度的主要因素有交通荷载及超载、软土路基沉降变形机理,以及沉降观测数据典型性与采集时间序列长度.通过比较分析表明,有限元方法在沉降计算时的独特优势越来越明显,用有限元方法来预测软土...