多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

基于小波的短时交通流预测

本文利用小波分析方法对交通流数据进行不同尺度的分解,并对不同尺度的分量建立ARMA预测模型,再由各尺度的预测得到交通流的预测.实验显示,本方法具有较好的预测精度.     

基于ARMA的桥梁监测信息预测技术研究

为解决桥梁结构健康监测中长期累积的海量监测数据处理问题,采用数据挖掘中的时间序列分析方法,利用自回归移动平均(ARMA)技术对桥梁历史静态监测量进行分析,直接得出关于其过去行为的有关结论,进而推断其未来发展趋势。与基于因果关系的结构式模型预测法不同,ARMA无需明确模型结构或边界条件,而是直接从统计学的角度预测变量未来发展情况。采用该技术对西安白蛇峪大桥应变监测数据进行分析,试验结果显示出较高的预测精度;采用该技术对重庆偏岩子大桥的应变、挠度、裂缝、倾斜监测量进行预测,试验统计结果表明,ARMA单步预测误差小于10%的置信度在97%以上,在工程实际中具有可实用性,可为桥梁结构的安全预警提供重要参考依据。     

ARMA模型在预测船价指数中的应用

船价是造船行业中最重要的指标之一,目前市场预测船价指数方法均没有考虑船价的自身长期趋势,为此在预测船价指数中引入ARMA模型,充分考虑了时间序列自身的发展趋势,以得出更准确的船价预期.     

航空电子装备的故障预测法

利用ARMA模型对航空电子装备选定的状态预测量进行估计。实际预测结果表明，当预测状态量选取合适时，用ARMA模型进行预测是比较有效的。     

�ۿ�����Ԥ���о�������TEI@I������

基于TEI@I理论框架,本文提出了适用于港口物流货运复杂系统的TEI@I的综合集成预测模型,并基于青岛港集装箱吞吐量数据,预测和分析了TEI@I的港口物流货运量的集成预测理论框架的各部分.预测结果表明,基于TEI@I集成预测模型的效果远远优于单独模型的预测结果,方向变化统计量(Dstat)的评价结果从66%-77%提高到了100%,对主要决策者方向性的判断更有实际意义.其次,TEI@I方法论中将数据“先分解后集成”的思想,引入了对数据的非线性部分的分析和预测,该方法不仅提供了分析外部冲击对具体数据序列的影响程度,影响周期的分析思路,而且将分析后的序列集成,对不同模型的预测精度有了很大的提高.     

Detection of cylinder pressure in diesel engines using cylinder head vibration and time series methods

This paper investigates the vibration characteristics of diesel engine cylinder heads by means of the time series method. With the concept of "Assumed System",the vibration transfer function of real cylinder head structures is established using the autoregressive-moving average models(ARMA models) of cylinder head surface vibration signals. Then this transfer function is successfully used to reconstruct the gas pressure trace inside the cylinder from measured cylinder head vibration signals. This offers an effective means for diesel engine cylinder pressure detection and condition monitoring.     

基于Elman网络的舰船组合导航系统误差补偿研究

为了提高卡尔曼滤波估计精度，提出了一种基于回归神经网络补偿卡尔曼滤波器估计误差的方法。根据Elman网络与非线性ARMA模型工作原理的相似性，利用Elman网络做误差估计器，补偿卡尔曼滤波器的估计精度。实际舰船航行数据仿真测试表明，该方法有效可行。     

ARMA预测技术在重庆东水门长江大桥中的应用研究

针对重庆东水门长江大桥桥塔上部应变长期监测数据,采用ARMA技术对其进行建模处理并预测其未来发展趋势。试验结果显示,采用ARMA方法对应变量向后外推5步的预测误差小于6%。预测结果在工程应用中具有一定的参考价值,为桥梁结构的安全预警提供了可靠的科学依据。