2008年北京地铁1、2号线最短2．5min一趟车

根据地铁客流预测，2008年奥运会期间，北京地铁1、2线需要达到最小发车间隔2．5min的行车规模才能满足客流大幅攀升的需求。     

基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

浅谈永九快速线永龙隧道涌水量预测

该文通过永龙隧道工程实例,根据其水文地质条件,详细介绍了隧道涌水量预测方法,其中对水文地质参数的选择、计算公式的选择与推导作了详细论述,最后总结了经验和体会。     

无信号十字交叉口交通流冲突模型研究

无信号十字交叉口的交通流冲突,不仅体现在机动车与机动车之间,行人和机动车之间的冲突也很明显.建立了一个能体现机动车流之间,以及和行人流之间的冲突特性的模型,并运用较排队论和概率论更准确、形象的图形法对模型进行分析计算.     

铁路物流园区及货运量预测问题分析

<正>现代物流给铁路货运带来了难得的发展机遇,也使其面临严峻挑战。在物流已成为国民经济重要组成和新的经济增长点时,如何寻找铁路传统货运融入现代物流,加速货运发展的突破口,是一个值得思索也必须思索的问题。物流园区在我国发展不足十年,国内一些城市将其与铁路货运相结合,依托铁路货运站开始规划专业性较强的铁路物流园区便是利用现代物流理念发展铁路货运     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。     

基于神经网络的桥梁施工控制研究

将神经网络方法结合Matlab用于处理大跨度预应力混凝土连续梁挢施工控制中的箱粱线形控制的误差预测和调整。由于受诸多因素影响,标高的实测值与理论计算值有一定的差异,只有通过前期预测和后期调整相结合,才能保证成桥实际状态同设计要求一致。神经网络可利用实测样本的自学习达到到此目的。应用实例表明神经网络法的预测精度高,这对同类桥梁的施工控制具有一定指导意义。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

北京地铁4号线盾构施工地表沉降的曲线拟合分析及预测

本文以北京地铁4号线盾构施工项目为例,对隧道盾构法施工引起地表沉降进行分析研究。提出地表沉降的预测公式,并对实测数据进行曲线拟合分析及预测。