基于支持向量机回归树的内燃机振动信号趋势预测

针对标准回归树建立在统计分析基础上所存在的缺陷,提出一种基于支持向量机的回归树预测模型。首先,根据原始振动信号趋势序列构建回归树;然后,针对回归树上包含样本数过少的节点,利用支持向量机,建立能够反映重要变量与响应变量之间映射关系的回归模型。仿真结果表明:即便由于设备出现异常,导致振动信号趋势序列出现非平稳、突变情况,该方法也能准确地预测,性能优于标准分析方法,具有一定的工程实用性。     

海港工程施工项目成本控制研究

近年来我国的港口建设行业规模不断扩大和快速发展。但在进行港口码头的建设过程中,资金投入量大,建设要求高,建设周期长,施工成本控制难。针对这些问题,文章研究了海港工程施工项目成本控制的现状和问题,并提出了一种基于风险管理的成本控制策略。该方法从多个方面入手,全面分析了海港工程施工项目的成本构成和风险因素,提出了相应的成本控制措施。     

特大城市交通出行预测:中国面临的挑战与机遇

作为城市交通规划的一个重要组成部分,城市交通出行预测的发展已经走过了60年。最初的研究工作于20世纪50年代在北美展开,随后延伸到欧洲、澳大利亚、新西兰和南美洲以及中国等发展中国家。作为一个相对成熟的领域,交通规划依然包含着许多新的研究方向,同时专业人员在正确合理的使用商业软件方面还有一定的困难。中国正在经历高速的城市化进程,这意味着对道路、公交系统,机场以及城际间高速公路建设有大量的投资。合理的投资决策需要对未来中国交通拥挤的都市进行出行预测。为了更好的了解中国交通出行预测的发展现状,笔者和几个大城市的交通规划部门以及大学的相关院系进行了探讨和交流。此文的初衷是记录下从会谈中所获得的有普遍意义的发现与印象,以及提供给参加讨论者的意见。     

指数平滑法在滑坡抢险工程中的应用

指数平滑技术是进行预测决策的有效方法,文章首先对指数平滑模型作了简单的介绍,然后根据某滑坡的实际情况,对部分监测点位移进行了建模和预测,预测结果表明,预测值与实际观测值之间的误差很小,说明此模型可很好地应用于滑坡位移预测,可为施工决策提供可靠的依据.     

模糊数学方法在交通流预测评价中的应用

影响交通流状态预测的因素很多,如何对预测效果作出评价十分重要.过去往往根据一两个指标的简单对比得出结论,或者仅作定性评价,缺乏严密性.本文运用模糊数学方法,建立了一个量化的评价模型,通过模糊变换及其他相关计算得出结论,较常规方法更快、更准确、更科学,更适合多种预测方法同时进行比较.     

不同规划期内桥梁养护技术优选评价

以桥梁养护技术成本、有效寿命和适用指数建立指标体系,采用简单线性加权法,得到桥梁养护技术的综合评估值,得出不同养护规划期内桥梁典型病害对应养护技术的优选评价结果,可辅助桥梁养护管理者进行决策,实现资金的合理分配和养护效益最大化。     

基于模糊聚类分析的高速公路全寿命周期成本预测研究

推行全生命周期成本管理与建管养一体化有利于提升高速公路投资效益和社会效益,成本预测是设计与养护方案优化的基础。在大中修样本数量有限的情形下,应用模糊聚类分析法,结合高速公路专项项目特征指标预测高速公路路基、路面及结构物大中修费用;建立寿命周期成本模型,根据建设成本、养护成本、用户成本、环境成本等寿命周期成本对设计方案进行比选,并进行实例分析,避免根据单纯建设成本最低和定性分析进行方案选择带来的后期维护及运营成本偏高的缺陷,研究成果对设计方案优化和建管养一体化有指导作用。     

项目成本管理在汽车企业的研究

在当今竞争激烈的汽车市场环境中,成本是决定汽车厂能否盈利及盈利多少的最重要的因素之一,如何有效控制项目成本,成为当今汽车企业,尤其是自主品牌汽车企业急需解决的问题.本文通过将项目成本管理方法与相应的控制机制相结合,达到控制项目成本的目的.最终以实现提高我国自主品牌汽车公司在当前国内外汽车市场上的竞争力和生存能力.     

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制（MPC）算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波（EKF）和递推最小二乘法（RLS）分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环（HIL）仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明：与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。     

基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.