基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

基于MPSO-RBF的公路货运量预测方法研究

在分析公路货运量的影响因素和预测特点的基础上,将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,建立了基于改进PSO算法和RBF神经网络的公路货运量预测模型(MPSO-RBF).利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、BP神经网络和RBF神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性.     

基于组合预测的RBF神经网络货运量预测方法研究

为有效进行交通货运量预测，通过对货运量影响因素的分析，建立了关于货运量影响因素的层次分析模型，根据该模型构建了基于RBF神经网络的货运量预测方法。用我国1985-2004年的货运量统计数据对该神经网络进行训练和检验，并对2005-2006两年间的货运量进行预测。预测时设定了2005-2006年2a间货运量各影响因素值，再运用RBF神经网络预测这两年的货运量。结果表明，2005年的预测值与国家统计局最近公布的实际数值有很好的一致性，表明这一方法的可行性。     

基于广义回归神经网络的磁流变减振器模型辨识

根据磁流变减振器的非线性特性,提出磁流变减振器广义回归神经网络(GRNN)模型辨识方法,利用台架试验获取的力学特性数据,建立磁流变减振器广义回归神经网络正、逆模型,并与反向传播神经网络(BPNN)模型进行比较.结果表明:通过合理选取网络变量并优化光滑因子,GRNN模型能准确预测磁流变减振器的阻尼力和控制电流,其正、逆模型辨识精度优于BPNN模型.此外,GRNN还具有结构简单、快速收敛等特点,为磁流变减振器的准确建模与控制提供了重要手段.     

基于运力均衡与价格弹性的公路货运量预测方法研究

针对传统公路货运量预测中不考虑货运供给特征和货运需求量结构性变化的不足,提出了通过分轮轴类型的交通量调查和轴载谱调查,获取基年车辆装载量概率密度分布函数,使用主流车型的短期平均运输成本拟合得到车辆长期平均运输成本函数,根据运力均衡的思想和货运需求价格弹性模型对计划年分批量的公路货运需求量进行修正,在此基础上建立外部环境变化时计划年公路货运量的预测模型.     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.     

基于投影寻踪神经网络模型的短时交通量预测研究

准确有效地预测短时交通流量是实施交通诱导及控制的前提与关键,但由于短时交通流量具有高度复杂性、随机性、非线性和不确定性等特性,导致预测难度高、准确度低、实时性差。基于此,文中综合利用投影寻踪技术和BP神经网络的优点,提出了运用投影寻踪回归模型和BP神经网络技术相结合建立组合模型的预测方法,并编写出模型的算法程序。将该组合模型应用于路段短时交通量的实时预测实例,实验结果证实该组合模型具有较好的预测能力和较强的时效性。     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

基于支持向量机的交通事故组合预测方法研究

对灰色理论、神经网络和支持向量机的预测模型进行了研究,对灰色理论、神经网络和支持向量机3种预测方法进行了线性组合、神经网络组合和支持向量机的组合预测.以1995～2004年某公路路段的交通事故次数为例,与单一预测方法结果、线性组合预测和神经网络组合预测进行对比,认为支持向量机组合预测方法比较精确.     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明：组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

基于组合方法的公路货运站合理规模

针对公路货运站合理规模范围的确定,提出运用会计法、工程法和适者生存法3种方法综合测算公路货运站合理规模的思路并进行实际测算.在分析会计法、工程法和适者生存法用于公路货运站合理规模测算的原理基础上,选择年货物处理能力和占地面积2项指标分别运用3种方法对收集到的180个典型公路货运站成本及其他相关数据进行规模测算.通过对3种方法分别测算得到的结果取均值得到的最终结果表明:公路货运站合理规模范围为年货物处理能力106～6×106 t,占地面积6.7～40 hm2.     

公路货运枢纽选址方法的研究

在利用经验比选确定枢纽备选点的基础上,以总费用最小为目标,建立公路货运枢纽选址的理论模型,探讨计算步骤,提出该模型可以对枢纽选址进行优化。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于STELLA的公路货运系统仿真研究

公路货运系统是一个具有耗散结构的开放巨系统,具有高阶次、多变量、多回路和非线性的反馈结构.为研究社会经济环境对公路货物运输的影响,基于系统动力学理论建立了公路货运系统的仿真评价模型,通过STELLA仿真软件分析了各种影响因素对货运需求、车辆使用决策、车型演化、车辆运输成本以及路面性能的长期动态作用.基于安徽数据的仿真结果表明,在货运车辆普遍重载的条件下,油价的变动和路面厚度的提升均不会对车流轴载水平乃至公路货运系统的运行产生根本性影响,公路货运系统显示出较强的稳定性.     

基于车辆轴型分类的公路货运车辆运营成本研究

针对目前公路货运车辆运营成本分析中车型分类与装载量确定方法的不足,提出了基于车辆轴型分类的运营成本研究模式,在按轴型划分的交通量和轴载调查的基础上通过建立轴载分布模型确定分析车型与其装载量,并根据政府政策和车辆装载量的影响程度分类统计分析车型的单位运营成本。使用安徽省调查数据推导出了公路货运车辆运营成本与装载量之间的经验公式。结果表明:该省公路货运车辆的平均单位运营成本在0.253-0.756元/t·km之间,与市场运价基本一致。     

基于运力均衡与运量转移的公路货运运力结构预测

针对传统公路货运运力结构趋势预测以及区域车辆结构均衡预测中不考虑总运量和单件重型货物运量分辟的预测方法存在的不足,提出了通过对分轮轴类型的公路货运车辆载质量谱的调查,获取基年车辆吨位的累积概率函数,并使用Logit模型对计划年公路货物总运量以及计划年载质量法规和超限严格管制力度改变情景下的单件重型货物运量进行转移预测,建立计划年单件货物质量概率分布函数,在此基础上基于运力均衡的理论建立计划年不同吨位车辆运力的求解模型。     

基于耗散结构理论的公路快速货运系统演化机理

针对公路快速货运系统复杂的人因社会经济系统特性,利用耗散结构理论探讨了公路快速货运系统的开放性、非平衡性、涨落和非线性特征;分析了在公路快速货运系统这样一个非平衡的开放系统中,系统组成要素在非线性作用下产生的“巨涨落”是产生稳定、有序结构的内在机制。应用非线性方程,依据系统耗散机理,以公路快运货物量为系统支配变量,外部经济条件为系统控制参数,基础设施条件为系统影响参数,建立单区域和整个区域条件下的公路快速货运系统演化模型,并分析其演化机理与演化条件,揭示了单区域和整个区域公路快速货运系统的演化特点,为按照客观规律制定保障系统快速发展的相应政策或措施提供参考。     

基于共同配送策略的公路货运网络优化问题

为取得公路货运网络的规模经济,提出采用共同配送模式来优化公路货运网络。针对已有运输网络设计模型中对运费函数和路径选择分析的不足,提出包含分段费用函数和最短运输路径选择的公路货运枢纽网络设计模型。通过实例计算,采用共同配送模式的公路货运网络中的货物周转量比采用传统的"点-点"网络模式中的货物周转量增加38.07%;而前者的干线公路运输费用却比后者下降了26.48%。结果表明,采用共同配送模式有利于实现公路货运网络的规模经济,文中提出的运输网络设计模型能较好用于公路货运网络优化中。