基于LIBSVM的PM2.5浓度预测模型

建立基于LIBSVM的PM2.5浓度预测模型,对合肥市5个监测点的PM2.5小时平均浓度值进行预测,分析了不同污染物浓度和不同天气状况下的预测误差。结果表明:LIBSVM模型对5个监测点的PM2.5预测结果稳定,平均绝对误差为4.763 1 ug/m~3;在输入参数污染物浓度较低和不利于污染物扩散的条件下预测误差较小,在输入参数污染物浓度较大和有利于污染物扩散的条件下预测误差较大。LIBSVM模型能够很好地对PM2.5浓度进行预测,且输入参数对于模型的预测效果具有较大影响。     

深圳市交通排放污染物浓度特征与影响因素

随着机动车保有量不断增加,尾气污染问题日趋严重.为掌握中国深圳市交通排放所带来的路边空气污染状况,探索交通与空气污染之间的关系,设计了典型道路交通排放的路边监测实验,以研究空气污染中的交通排放规律和关键影响因素.实验监测了典型道路的交通流、气象数据和空气污染物质量浓度,通过对比监测点与空气质量监测国家控制点的数据,分析道路移动源对空气质量的影响:当交通流量较小时,路边监测点与空气质量监测国家控制点数据一致;当交通流量(特别是货运量)大时,路边监测点的数据显著高于空气质量监测国家控制点的;通过对NO_x和CO的质量浓度与主要影响因素的关联分析,揭示了交通流量和气象对交通排放污染物质量浓度的影响,排放污染物质量浓度整体趋势与总交通量较为一致.结果表明,深圳市各区NO_x和CO质量浓度主要受到机动车(尤其是货车)排放的影响,光照强度、风向和风速对污染物的排放扩散有明显作用.     

路侧干扰对运行速度的影响

通过行车实验,调查了3条典型双车道共108个路段上的行车速度,得到了单个路侧干扰因素影响时的实验车连续变化速度,分析认为在经过有路侧干扰存在的路段,实验车的初速度与横向间距是影响车速变化的主要因素.采用统计回归方法建立了单个路侧干扰因素对实验车速度的影响模型.在此基础上,通过理论分析,对路侧干扰数量与运行速度之间的关系进行了研究,提出了路侧干扰系数模型,并求出了不同横断面尺寸和路侧干扰数量的路侧干扰系数.     

高速公路护栏端部设计及其碰撞仿真分析

交通安全问题是全社会关注的一个热点问题,路侧交通事故占交通事故总数中相当大的比例.路侧护栏作为高速公路上防护事故车辆的有效手段,其端部设计与道路交通安全息息相关.结合我国路侧半刚性安全护栏端部的设计现状,提出解体消能优化设计方案,采用计算机仿真模拟软件和有限元结构分析软件进行碰撞仿真,模拟显示了端部解体消能结构在碰撞仿真过程中的运动状态,结果显示此设计具有很好的吸能效果及优越的可靠性和安全性.设计方案及仿真结果在陕蒙高速公路上进行了试验段施工,取得了成功.     

自行车干扰下的城市干路路段通行能力与服务水平

为给城市道路规划与设计提供参考依据,通过开展路侧自行车干扰条件下城市干路路段交通调查分析,给出了路侧自行车数量对其邻近机动车道平均行程车速、小客车饱和车头时距的影响规律,采用回归分析方法分别构建了相应的关系模型.基于所建理论模型,给出了城市干路路段实际通行能力计算的路侧自行车数量修正系数建议,并进行了实例验证;提出了路侧自行车干扰下的城市干路路段服务水平评价指标与分级建议,基于服务水平分析给出了设置机非分隔设施的路侧自行车数量阈值建议.研究表明:随着自行车数量的增加,平均行程车速降低,而饱和车头时距增加,均满足二次函数关系;路侧自行车数量越多、设计速度越高、实际通行能力的路侧自行行车数量修正系数越小,说明其对通行能力的影响越大;在服务水平相同的情况下,设计速度越高,对应的路侧自行车数量阈值越小,说明设计速度高的城市道路路段交通运行受路侧自行车干扰的影响更大.     

河流突发污染的污染物浓度动态校正方法

为降低河流突发污染事故的影响,提高下游污染物预测精度、提高预测实时性,结合一维水质模型、卡尔曼滤波及改进的网格寻优算法,综合考虑支流的影响,研究河流突发污染事件中污染物扩散情况的动态预测方法.分析一种改进的网格寻优算法并利用历史数据校正模型参数;借助水质模型构造状态方程引入污染物浓度观测值;运用卡尔曼滤波动态校正预测结果,并在预测过程中考虑支流的影响.在理论研究的基础上,设计基于风浪水槽的污染物模拟扩散实验,对比分析采用不同预测方法的污染物峰现时间、峰值浓度及相对误差.实验结果表明,不同的预测方法所求得的峰现时间相对误差总体相当;采用多步动态校正预测和考虑了支流影响的校正预测方法预测峰值浓度得到的相对误差明显降低.     

洁净室典型气流组织特性模拟

为了研究洁净室典型气流组织特性,现选取人走动扬尘/门侵入污染物分别作为室内散发污染源和室外侵入污染源的典型污染源,以尘埃为室内污染物,建立了洁净室人走动扬尘/门侵入污染物的数学模型和物理模型。采用ANSYS/Fluent软件模拟的方法,对动态洁净室两种典型气流组织形式工作面的速度场特性、污染物浓度场分布特性以及人走动扬尘/门侵入污染物对浓度场的影响特性进行模拟。模拟结果表明,侧送侧回气流组织形式优于上送侧回气流组织形式。     

公路货运通道路侧事故多发路段判别与线形设计

为了优化公路货运通道线形设计,降低货车事故概率,将车速、圆曲线半径、纵坡坡度、超高横坡度、硬路肩宽度、圆曲线加宽、路面附着系数、车型(载重货车、铰接列车)作为风险因素,利用PC-Crash软件开展事故模拟试验;通过二元Logistic回归分析筛选显著性风险因素,构建货运通道路侧事故概率预测模型;根据概率模型预测结果,借助“累计频率曲线法”思想,给出路侧事故潜在多发点和路侧事故多发点概率阈值,提出了货运通道路侧事故多发路段判别方法;针对路侧事故多发路段,利用分类树CART(classification and regression tree)算法,开展货运通道线形优化设计研究。结果表明：显著性风险因素对路侧事故影响的重要度由大到小依次为车速、圆曲线半径、路面附着系数、车型、硬路肩宽度、纵坡坡度和超高横坡度;对于圆曲线半径R≤400 m、运行速度60 km/h相似文献   

非稳态情况下潜流湿地数学模型的求解及分析

对潜流湿地污水处理数学模型传递问题,在非稳态情况下利用拉普拉斯变换对污染物浓度进行了求解,并分析了模型中各参数对污染物浓度的影响,为潜流人工湿地污水处理系统除污效果的研究提供了可靠的理论依据.     

设有过滤器的空调系统新风量的计算

为了提高空气的品质，空调系统中设置一些过滤器，然而对设置的过滤器后系统的计算上还存在着一定的问题，本文首先对新风侧设置过滤器，回风侧设置过滤器和新回风侧的均疫有过滤器的几种情况下，室内污染物浓度和新风量的多少进行数学上的推导，得出三种情况下室内污染物的浓度和新风量的计算公式，从而得出了很清晰的概念和结论，并通过进一步的讨论，对目前民用空调设计采用的室内污染物浓度控制标准的修改原理提出不同的看法。     

居民出行产生量BP神经网络预测方法

居民出行产生量预测是交通需求分析的重要内容之一,预测结果是确定各类城市交通设施发展规模及布局规划的重要依据.通过分析人工神经网络的作用机理和居民出行产生量的影响因素,建立了居民出行产生量预测的四层BP神经网络模型,以土地利用作为输入神经元,以交通区居民出行产生量作为输出单元,以赣州市城市综合交通规划交通调查数据对模型进行了标定与检验,并与出行次数法和回归分析法进行了比较,结果表明BP神经网络模型具有较高的预测精度.     

信号控制交叉路口车辆排队长度

建立了一个能够估计市内信号交叉路口车辆实时排队长度的模型。分析了路段交通流之间的流向关系,根据流向关系建立了两种路段交通流影响模型:神经网络模型和贝叶斯网络模型,并描述了模型的结构。为了方便模型的实际应用,分别用主成份对输入变量降维,用EM算法和高斯混合分布函数来表达模型和训练模型参数。基于实际路网设计了一个仿真路网,并用不同的实验场景对模型进行有效性验证。仿真实验的结果表明,由于城市路网中存在的随机性,贝叶斯网络模型能够更好地把握交通流变化的趋势。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

短时交通流智能混合预测技术

为了克服现有单项预测技术对不同交通流状况的局限性,提出一种新的短时交通流智能混合预测模型.该智能混合预测模型包括3个子模型:历史平均模型、人工神经网络模型和模糊综合模型.历史平均模型以历史数据为基础,利用一次指数平滑法良好的静态稳定特性,对交通流量进行预测.人工神经网络模型采用常见的由S函数神经元组成的1.5层前馈神经网络,由于人工神经网络具有强大的动态非线性映射能力,该模型对动态交通流量的预测具有较高的精度和满意度.根据上述2个单项模型的特点,为了充分利用它们对不同交通状况的适应性,进一步提高整体预测效果,采用模糊逻辑来综合这2个单项模型的输出,并把模糊综合模型的输出作为整个智能混合模型的最终交通流量预测值.实际应用结果表明,该混合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了2种模型各自的优势,是短时交通流预测的一种有效方法.     

基于Matlab的人工神经网络在交通量预测中的应用

交通量预测在道路交通规划与建设中占有重要的地位 ,是道路交通规划与建设中重要的技术指标 ,因此为了更科学地对其进行预测 ,本文在对交通量数据进行处理后 ,利用人工神经网络加以模拟 ,建立了基于Matlab编程技术的交通量预测模型 ,并以实际道路为例 ,对模型进行了理论验证 ,经验证模型精度较高、具有可行性     

基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

磨料水射流切割可视化BP神经网络模型研究

针对磨料水射流切割性能与影响因素间存在复杂的非线性关系,无法用传统数学方法建模的问题,基于BP人工神经网络理论,结合典型材料的切割实验结果,在考虑射流压力、磨料流量、切割靶距、工件厚度、磨料喷嘴直径与切割速度6个因素情况下,建立了磨料水射流切割BP神经网络模型.同时,基于Delphi开发出了可移植的磨料水射流切割速度人工神经网络预测单元,实现了所建网络模型的可视化,为实现网络模型与数控系统的集成提供条件.研究结果表明,该网络模型能快速、准确、可靠地预测切割速度,与数控系统相集成可实现对磨料水射流切割质量的有效控制.     

基于RBF神经网络的交通生成预测模型

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源,以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值,导致预测结果精度不理想的问题,建立了基于RBF神经网络的交通生成预测模型,该模型将以行为基础为前提的离散数据作为数据源,模型的建立不需要进行数学推导,利用输入和输出数据自动建立,再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点,对交通生成进行预测。通过实例进行仿真和分析,结果表明,该模型最终获得的交通生成预测结果与实际值误差在允许范围内,RBF神经网络交通生成预测效果好,能在实际中应用。     

基于人工神经网络的桩基础选型研究

将人工神经网络引入桩基础选型中，分析影响桩基础选型的重要因素和BP神经网络的特点，确定网络结构。利用Matlab 6．5人工神经网络工具箱构建桩基础选型模型，并利用Matlab语言编制人机交互式界面，使选型过程简单明了。将典型工程项目工程地质资料数据作为网络学习训练样本输入建立的神经网络模型，对其进行训练、优化。经检验。训练好的网络模型性能良好，达到了智能预测的目的。     

基于BP神经网络的交通影响预测模型

对建设项目进行交通影响分析越来越受到交通工程专家和规划管理部门的重视,如何科学预测项目建成后对周围路网的交通影响一直是交通影响分析理论和实践中的重要问题.根据人工神经网络的基本原理,利用三层BP网络,建立了输入变量是建设项目产生的交通量、路网中各路段的背景饱和度、离开建设项目的距离,输出变量是项目建成后路段饱和度的交通影响预测模型,并以哈尔滨国际会展体育中心为例,详细介绍模型的建立过程.模型预测值与实际值之间的相对误差<5%,拟合度达到0.99.