排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
为了确定公路客运的发展规模和规律,采用改进后的系统动力学模型对公路客运量进行预测。在传统的系统动力学(SD)模型中引入生态学中的种间竞争模型Lotka-Volterra(LV)理论,首先通过定性分析与客运需求相关的经济、社会、交通环境及其他客运方式竞争等方面的影响因素,构建因果回路图对各因素与公路客运量进行因果反馈关系分析,同时引入LV理论判定系统中模糊的动态关系。接着通过交通化改造后的LV判定方程,确定反馈关系因子之间的相互作用系数及系统流图中微分方程,对各影响因素子模型中影响因子与公路客运关系进行量化分析,对传统的系统动力学模型进行改进优化,建立具有时变性的动态LV-SD模型。最后以江西省公路客运量预测为例,根据公路客运量与各影响因素模型中影响因子之间的相关系数,选择地区生产总值、第三产业产值、居民消费水平、公路里程、民航客运量、铁路客运量、人口数量及城市化率等影响因子作为量化指标代入预测模型,用2013~2018年历史数据对模型进行有效性验证。结合城市发展情况,利用Vensim软件分析预测了基于LV-SD模型下江西省2019~2025年经济高、中、低增长3种情景下的公路客运量。结... 相似文献
3.
基于工况法的汽车排放特性试验 总被引:2,自引:1,他引:2
根据汽车理论确同车速、不同档位的有害排放定了试验车的试验速度点及载质量,利用底盘测功机模拟汽车实际道路行驶工况,测量了试验车在不同载质量下不物CO、HC、NOx的排放量。结果表明:在相同载质量不同档位、不同载质量同一档位两种情况下,CO和HC均随速度增大而减少;低档位时,NOx与CO和HC的变化趋势一致;只有在4档高速时,NOx才有所增加;汽车载质量对各种污染物的速度排放特性影响不大。 相似文献
4.
鉴于反向传播(Back Propagation,BP)神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。 相似文献
1