交通流量的混沌特性分析及预测模型研究

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,分析交通流量的混沌特性,研究了一种交通流量的自适应预测模型。在合理选取嵌入维数和延滞时间实现交通流量时间序列相空间重构的基础上,应用小数据量法计算重构交通流量时间序列的最大Lyapunov指数,根据该指数值对交通流量的混沌特性进行分析,并采用庞卡莱截面法对分析结果进行验证;构建交通流量的Volterra预测模型,并采用LMS自适应算法对模型系数进行调整。通过对实际采集的高速公路交通流量数据的仿真研究表明,小数据量法能对交通流混沌特性进行准确判别,构建的二阶Volterra自适应预测模型能够有效地预测交通流量的变化。因此,在判定交通流量存在混沌特性时,可以应用论文构建的二阶Volterra自适应预测模型对其进行准确的预测。     

基于小波变换的神经网络空调负荷预测研究

基于小波变换的思想建立了递归BP网络模型来预测空调负荷,改进了网络权值、闽值的修改算法,引入了折扣系数法以提高近期预测精度,结合一实例进行了空调逐时冷负荷预测,结果表明该方法预测精度高,适用于空调负荷预测。     

高速公路的交通流量构成与增长分析

阐述了新(改)建高速公路交通流量的形成机理。指出其由趋势交通流量、诱增和转移交通流量三部分组成；同时利用均衡配流原理对其进行了预测分析和计算。     

混凝土氯离子扩散系数的RBF神经网络预测模型

提出了一种基于RBF神经网络的氯离子扩散系数预测模型,将RBF网络模型预测的结果与另外三种不同输入的RBF模型、BP网络模型的预测结果以及实测结果进行了对比分析,结果表明,RBF神经网络模型相对其他输入指标体系模型的预测精度有所提高,且能满足工程的需要,可以作为氯离子扩散系数预测的一种新的有效的方法。     

高速公路路面养护技术运用

高速公路路面承载的交通流量不断增加,这对高速公路承受能力提出了更高的要求。为了能更好地提升道路交通的承受能力,需要通过对高速公路路面综合性能进行分析,依照分析结果对路面采取合理的养护技术。本文以甘肃省河西走廊段的高速公路为例,提出适合高速公路路面的养护技术。     

基于粒子群与Markov优化的PMIGM（1,1）模型预测路基沉降方法研究

高速公路路基沉降的准确预测对高速公路病害预防和治理有着极其重要的指导意义。以往的路基沉降预测模型多为单一模型或简单改进模型,提出了一种基于粒子群与Markov优化的PMIGM（1,1）预测模型。首先,基于灰色理论,提出了改进的IGM（1,1）预测模型;然后,利用Markov理论对IGM(1,1)预测模型的相对残差序列进行修正,使得该模型能反映数据的波动特征,得到了MIGM（1,1）预测模型;在此基础上,采用粒子群算法对残差序列参数进行白化,建立了PMIGM（1,1）预测模型。将该预测模型应用于云南保施高速公路高填方路基,分析结果表明该模型可提高预测模型的精度。     

高速公路改扩建工程施工交通组织研究

当前,我国交通流量较大,很多高速公路车辆通行能力不足,因此,高速公路改扩建工程得到了社会的广泛关注。在具体的改扩建过程中,交通组织占据着重要的地位,相关单位必须对其进行合理研究,以提高施工能力和高速公路的通行能力。基于上述背景,论文简要探讨了高速公路改扩建工程施工交通组织的重要性及要求,并结合具体施工实例分析了相关措施,以期为建立安全畅通的高速公路网络提供经验。     

省域高速公路网络信息安全动态防御体系研究

为解决高速公路网络信息安全问题,本文构建了基于数据驱动的主动与被动相结合的防御体系,通过汇聚分散在各安全域的探针收集安全运行流数据,测试记录、日志数据、原始网络数据、攻击数据,为机器学习构建网络完全特征的数据维度,采用有监督的深度学习的神经网络等模型等,进行网络安全风险预测与评估,为高速公路构建实时动态的网络信息安全大数据分析平台,为高速公路网络信息安全保驾护航。     

基于周期相似性和LSSVM的交通流量多步预测

在对交通流量进行短期预测时,历史数据的选取至关重要.定义了相似系数和波动系数,分别对每周交通流量相似性和不同周同一工作日的交通流量相似性进行分析,在对周期相似性判定的基础上,选取相似的交通流量数据作为训练数据.利用LSSVM模型,以1d为1步,进行连续5步的交通流量预测,实践结果表明LSSVM在交通流预测领域具有良好的适应性及应用前景.     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。