综合运输体系的短时交通流预测方法

对综合运输体系中的热点研究方向即短时交通流的几种主要预测方法:基于混沌时间序列分析、基于L-M算法的BP神经网络、组合预测等方法进行了介绍,并对其原理、优缺点和具体应用分别进行了详细分析,并指出了短时交通流预测研究的发展方向。     

基于小波分析与隐马尔科夫模型的短时交通流预测

鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

基于BP神经网络的油气管道风险分析评估方法

针对油气管道的风险评估主观性强的问题,提出了一种基于BP神经网络训练算法,应用BP神经网络算法对输油管道进行风险分析评估,得出其风险分析评估模型。仿真实验结果与半定量风险评价结果对比,误差率为0.009 6,证明该方法可用于油气管道的风险评估。     

基于K-means与GRNN的高原山区高速公路短时交通流预测

为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络（General Regression Neural Network,GRNN）,构建K均值聚类算法（K-means clustering algorithm,K-means）与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。     

基于BP神经网络的PGIS空车位数预测建模研究

文章采用BP神经网络对城市停车诱导信息系统（PGIS）中的空余车位数进行预测研究,建立了基于BP神经网络的PGIS空车位数预测模型,并介绍了模型预测的过程和方法。     

插电式混合动力汽车绿色路径规划研究

为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网络提出了用时间依赖中继神经网络求解时间依赖车辆路径规划问题。基于可实时获取的道路交通状态量建立PHEV能耗计算模型。采用硬参数共享多任务学习建立道路交通状态量的预测模型。结合两个模型,将时间依赖中继神经网络应用于PHEVGRP的求解。采用真实数据进行试验,结果表明所提出的方法能够求得PHEVGRP的基于预测模型的最优解且求解速度优于启发式算法。     

基于BP神经网络的绿色供应链优化研究

利用BP神经网络算法能够依据输入的参数和网络模型中影响因素的不同而输出不同信息的特性,可以对绿色供应链进行优化。为了提高企业的经济效益和绿色效益,从BP神经网络绿色供应链模型、试验数据验证及模型仿真等视角对基于BP神经网络的绿色供应链优化展开研究,对相关问题有一定的参考意义。     

改进BP神经网络在边坡稳定性分析中的运用

文章基于BP神经网络的传统算法,提出了数据归一化的BP神经网络改进方法,并结合网络应用案例,通过选取影响边坡稳定性的几种自然因素,利用BP神经网络的非线性映射能力计算得出边坡的稳定安全系数,同时与传统分析方法的计算结果进行对比分析。结果表明,该改进方法能够满足一般边坡工程的稳定性评价要求。     

基于时间序列的航路随机交通流复杂度研究

本文参照数学算法复杂度模型并对其作出改进,建立了基于时间序列的航路交通流复杂度模型,给出了算法复杂度和近似熵复杂度两种模型的算法步骤,在短时和长时两个方面,从管制员的角度分析实时交通流并掌握交通流的复杂度,从而为发出正确的管制指令、合理安排航路流量提供参考。通过运用Matlab模拟经过某航路的航空器速度,仿真生成了两种不同状况下复杂度变化的情况。结果表明,该模型对缓解交通拥挤,分析交通流复杂度具有一定的现实意义。