基于遗传算法的BP神经网络模型在道路交通事故宏观预测中的应用

采用遗传算法优化BP神经网络来建立一个道路交通事故宏观预测的模型.该模型结合遗传算法和神经网络两者的优点,具有更好的运算性能、更快的收敛速度和更高的精度.模型以交通事故死亡人数为输出变量,以机动车保有量、公路里程、人均GDP为输入变量,利用1978年至2006年的道路交通事故数据进行训练及检验.实例计算表明,建立的基于遗传算法的BP神经网络模型可以很好的适用于道路交通事故宏观预测,为制定交通安全对策提供理论依据.     

组合模型在中期电力负荷预测中的应用

为了对中期电力负荷进行合理预测,结合三次指数平滑法和GM(1,1)预测模型,建立了新的组合模型,并以预测偏差平方和最小为准则优化了各单一模型的权重.通过MATLAB编程并以某市全年用电量为例对3种方法的预测精度进行了仿真验证.结果表明,组合模型具有更高的预测精度和更低的预测误差,能避免各单一预测模型的局限性.因此,用组合模型对未来用电量进行预测的结果更可靠.     

基于灰色关联分析和熵权法的山区干线公路事故影响因素研究

山区干线公路受地形条件限制,道路线形指标变化明显,在山区干线公路总里程与交通量高速增长情况下,交通安全问题日益凸显。结合山区干线公路系统的复杂性及灰色特点,从人、车、路、环境4方面对山区干线公路交通事故的影响因素进行分析,选择山区干线公路交通事故的影响因素为因素行为序列,事故数、死亡人数,受伤人数等3项指标为特征行为序列,以山区干线公路事故数据为例,结合灰色关联度法与熵权法计算交通事故影响因素的综合关联度,进行关联系数差值分析得出交通事故主要影响因素为超速行驶、纵坡坡度、弯坡组合、小半径路段、坡长、视距不良及速度差大等。以期为山区干线公路交通事故防治工作提供资料。     

城市日用水量预测模型比较研究

目的 为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法 应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果 单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论 BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

生态文明建设评价模型的构建与预测

选取东、中、西部的不同发展程度的10个省市,基于主客观综合赋权法的指标权重确定,建立生态文明建设综合评价模型。构建综合评价值隶属度函数,根据最大隶属度原则将这些省市进行等级划分。在指数平滑预测模型和灰色预测模型的基础上,构建偏差平方和达到最小的组合预测模型,对等级较差的山西、新疆的生态文明建设进行更合理预测,分析山西、新疆生态文明建设较差的原因并提出建议。     

山东省公路机动车货运量及运力组合预测

本利用山东省公路机动车货运量、运力及国内生产总值时间序列信息,根据灰色系统及回归理论,建立山东省公路机动车货运量及运力灰色预测模型和回归模型,并利用组合预测方法进行预测,为控制山东省运力发展提供依据。     

一种自适应指数平滑动态预测模型

针对传统指数平滑预测模型的不足,设计了一种自适应指数平滑动态预测模型。该模型实现了对时间序列数据的自适应动态预测,且保留了原方法公式简单、易实现的特点,可用于在线动态预测,具有工程实用性。利用实际数据对该预测模型进行了数据验证,并与传统指数平滑模型进行了对比。结果表明,该自适应动态预测模型的预测效果较好。     

建筑工程施工项目成本预测方法研究

在分析各种施工项目成本预测方法优缺点的基础上,结合施工项目成本的特点,建立了利用工程造价指数修正的指数平滑成本预测模型,并将其与灰色预测模型相结合,提出了最优化成本组合预测模型.     

灰色理论及节季变动指数在原煤生产量预测中的应用研究

应用灰色预测理论及可变季节指数法,建立了灰色预测模型及可变季节指数预测模型,并对我田2006年各季度原煤产量进行了预测.经检验其结果是令人满意的.又对这两种预测结果进行了组合预测,这种方法在原煤生产量预测方面具有一定的实用价值.     

基于一维元胞自动机的可变时距跟车模型

依据不间断车流的车头时距分布规律和一维元胞自动机建模理论，提出了一种可变时距跟车模型.该模型假定行驶车辆都趋向于保持一个期望的车头时距，通过对前车速度和车头间距的估计，并考虑随机减速的影响对车速进行同步更新.基于该模型建立的仿真系统，凭借两个简单的参数来调节不同车速的期望车头间距，使车头时距分布规律符合交通未饱和时车头时距的具体分布情况，从而能够描述多车道公路上比较复杂的交通状况，表示不同道路等级的通行能力     

类比法在公路大气环境影响预测中的应用

通过类比法与扩散模型法预测公路大气环境影响的对比分析,对类比法在公路机动车排气污染方面的应用进行了深入研究,采用工程特征、污染物排放特征、环境特征相似的原型公路监测值的类比修正结果作为新建公路机动车尾气环境空气影响的预测值。计算实例表明:类比法预测结果误差小于扩散模型计算结果,类比预测结果更接近于验证结果。     

Optimum Driving System Design for Dual-Motor Pure Electric Vehicles

A pure electric vehicle driven by dual motors is taken as the research object and the driving scheme of the driving motor is improved to increase the transmission efficiency of existing electric vehicles. Based on the architecture of the transmission system, we propose vehicle performance parameters and performance indexes of a pure electric vehicle, a time-sharing driving strategy of dual motors. First, the parameters of the battery, motor, and transmission system are matched. Then, the electric vehicle transmission model is built in Amesim and the control strategy is designed in Simulink. With the optimization goal of improving the vehicle’s dynamic performance and driving range, the optimal parameters are determined through analysis. Finally, the characteristics of the motor are tested on the bench. The results show that the energy-saving potential of the time-sharing driven double motor is higher, and the driving mileage of the double motor drive is increased by 4%.     

基于时间序列关系的GBRT交通事故预测模型

道路交通事故是道路交通安全水平的具体表现。在当前交通事故预测工作中,存在对数据中时间序列关系的挖掘不充分、预测的周期宏观、交通事故相关的影响因素考虑不全等问题。该文提出一种基于时间序列关系的梯度提升回归树(GBRT)交通事故模型。该模型对英国Leicester的2005?2015年每天的交通事故数、死亡人数、涉事的车辆数进行预测。实验结果显示,引入时间序列关系有助于提升模型预测精度。预测结果为交通管理部门的决策起到参考作用,建模方式为同类型预测问题的建模工作带来了积极的参考意义。     

信号交叉口机动车-电动车交通流建模及仿真

为研究城市信号交叉口电动自行车在行驶过程中侵入机动车道时对机动车交通流产生的影响,建立一个适用于机动车-电动车的异质交通流模型来描述电动车侵入机动车道的场景.新建模型在原始社会力模型的基础上,引入了间隙力、跟驰力和排斥力,更加精确地描述异质交通流的特征,利用真实数据对模型进行标定和验证.在搭建真实案例仿真平台后,分析电动车的排队数量及到达率对机动车的流量及通行速度的影响.模型标定结果显示:车流量、平均速度的eMAE、eMARE和U值均小于12%,证明新建模型能较大程度还原真实交通流特征.仿真发现当电动车排队数量大于20辆时,需要采取合适的交通组织和控制方法来减少电动车和机动车的冲突.最后提出让电动车提前2~3 s的时间行驶或提前非机动车停车线等建议来提高交叉口机动车的通行能力.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。     

小波消噪和优化支持向量机的网络流量预测

为了提高对网络流量的预测精度,提出了一种小波消噪和改进黏菌算法优化支持向量机的网络流量预测模型。 首先应用小波消噪对网络流量进行消噪处理,采用支持向量机作为预测模型。 由于支持向量机预测结果受模型参数影响较大,采用带有随机惯性权重机制的改进黏菌算法来优化支持向量机模型中惩罚因子以及核函数参数。 对所提模型使用最佳参数进行仿真实验,并利用实际采集的网络流量数据进行验证。 实验结果表明,所提模型在评估指标上均优于对比模型。     

商用车产业发展非政策影响因素的相关性研究

以商用车销售量作为商用车产业的评价指标,建立线性回归模型,运用主成分分析法,通过定量分析,研究GDP、固定投资额、公路里程、城镇化率和石油消费量等因素与商用车销售量的关系。结果表明,以上各因素均与商用车销量有很强的正相关性,影响程度十分接近,这5个影响因素同时具有高度的相关性,并且相互影响。     

一种网络流量预测算法的研究与实现

网络流量预测是网络QoS管理的一个重要部分,较好的流量预测效果,能有效地提高网络QoS管理的工作效率,提高网络带宽的利用率,所以高效的网络流量预测是非常必要的.本文是在现有的小型专用网络中,根据指数平滑预测模型,提出一种改进的指数平滑预测法,对收集到的实际网络流量数据在小时间片内进行预测,从而达到对网络流量的控制,提高了网络服务的质量.     

车载移动执法中违规车辆智能检测研究

提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测,以及车道线检测、车辆目标及跟踪等专项测试以表征其对车辆违规行为的检测能力。测试结果表明,该系统模型具备在一定的复杂交通环境中车辆违规行为辨识能力。相关专项测试表明,该模型可以快速及准确地检测记录违规车辆。