不同养护模式下的高速公路沥青路面状况指数预测模型

为了准确、科学地进行沥青路面性能状况评价和养护维修决策,对北京市多条高速公路沥青路面状况指数( PCI)历年检测数据进行了调查和分析,利用分类统计方法,研究了不同养护模式下的高速公路沥青路面状况指数变化规律,提出了考虑不同养护模式的路面状况指数的指数型预测模型. 研究结果表明:路面使用龄期不同,路面养护维修类型和强度也不同. 不同养护模式下,沥青路面状况指数呈现低强度下降和波浪形高强度衰变趋势,在使用寿命末期,路面状况指数呈急剧衰变趋势. 对于北京地区,路面衰变参数a的取值为0. 008~0. 035. 该预测模型具有较高的精度,预测结果符合高速公路沥青路面衰变趋势和养护维修规律.     

山区强降雨环境下沥青路面结构性能预测

为了解决强降雨对沥青路面造成的公路损害问题,在商洛地区路面受损情况调查的基础上,通过建立路面养护应急管理系统,采集历年强降雨环境下路面性能实测数据,针对常用路面性能预测模型对比分析,选择马尔可夫模型与衰变模型组合模型进行改良及组合开发,构建马尔科夫预测模型与衰变模型的组合模型作为路面性能预测模型.研究结果表明:使用该模...     

基于等维灰数递补模型法的路面使用性能预测方法

考虑到目前国内路面使用性能预测方法存在主观性强、综合性差的不足,选取路面损坏状况指数(Pavement Condition Index, PCI)作为分析指标,分别比较了路面性能衰变PPI模型、常规GM(1,1)模型以及等维灰数递补模型的路面使用性能预测方法对PCI指标的预测效果。结果表明,3种模型的预测精度均能满足一级精度。其中,等维灰数递补模型预测结果的后验差比值最小,预测的稳定性和精确度最好,更适用于路面使用性能的预测。     

基于联系数的区域水资源承载力诊断指标组合预测研究

为提高区域水资源承载力诊断指标预测结果的精度和稳定性,在建立区域水资源承载力诊断指标预测的BP神经网络、多元线性回归和支持向量机模型(SVM)的基础上,建立了基于联系数的区域水资源承载力诊断指标组合预测模型(CFCN)。通过对区域水资源承载力水量要素能力表征指标的预测分析,结果表明,CFCN的预测平均误差最小(0.27%)、预测精度最高、稳定性最好,CFCN综合了BP神经网络、多元线性回归和支持向量机这3种预测方法的优势,克服了在区域可利用水量预测中BP神经网络外延性差、多元线性回归模型预测精度低、支持向量机拟合效果差的缺点,预测精度较单一的预测模型有显著提高。上述组合预测方法可为区域水资源承载力诊断指标预测提供有效的方法和技术支持。     

大坝安全监测量的组合预测模型研究

鉴于传统数学模型和神经网络等预测模型在大坝安全监测领域应用中存在预测精度不高的问题，分析探讨了BP神经网络模型和统计预测模型的各自建立方法，在此基础上提出了一种新的组合预测模型，结合实测数据对此组合预测模型进行了检验。通过实例表明，该组合预测模型不仅很好地克服了BP神经网络模型和线性回归模型的缺陷，亦提高了预测精度，在大坝安全监测量预测中具有较强的实用性。     

基于LSTM深度学习模型的羽绒材料价格预测研究

为解决目前羽毛绒材料定价主要依据经验而缺乏理论支撑和预测精度较低的问题,本文提出利用长短期 记忆网络（LSTM）深度学习方法对羽毛绒材料价格进行自定义研究,以 2015 年-2020 年 6 年的羽绒金网数据为 依据,对其构建模型进行训练求解,幵与线性自回归移动平均（ARIMA）数理统计模型和最小二乘支持向量机 (LS-SVM)浅层机器学习模型预测效果进行对比分析。结果表明：在长期预测中,预测精度从高到低依次为 ARIMA 模 型、LS-SVM 模型、LSTM 深度学习预测模型;在短期预测中,预测精度从高到低依次为 LSTM 深度学习预测模型、 LS-SVM 模型、ARIMA 模型。同时还发现：无论长期短期预测中,不同种类的羽毛绒价格预测精度趋势相同,即 预测精度仅与资本属性有关,与资本所述类别无关。研究结论既可为羽毛绒企业进行羽毛绒材料准确定价提供理 论依据,也为人工智能技术广泛应用于量化投资领域提供实践经验     

高速公路短时交通流组合预测研究

为解决单一高速公路短时交通流预测模型预测精度低的问题,提出一种基于门控循环单元神经网络(Gated Recurrent Unit,GRU)和支持向量回归(Support Vector Regression,SVR)的组合预测模型。在对收集到的样本数据进行降噪处理后,分别构建GRU和SVR预测模型并基于最优组合赋权法对二者的预测结果进行赋权以得到最终预测结果。为检验所构建的GRU-SVR预测模型的实践适用性,依托实际高速公路交通流数据进行实例验证,并与单一的GRU、SVR模型预测结果进行对比。结果表明:所构建的预测模型具有较高的预测精度和泛化能力,可为高速公路短时交通流预测提供指导和借鉴。     

基于组合优化算法的短期风电功率预测

针对风电功率的长记忆、大波动性特点,提出了一种短期风电功率组合预测算法。利用集合经验模式分解算法在风电功率序列分解过程中添加成对的正负噪声分量,得到的不同复杂度的子序列,提高信号重构精度和分解速度。风电功率子序列的线性分量应用自回归分数积分移动平均模型进行预测,风电功率子序列的非线性分量利用自回归分数积分移动平均模型的残差序列训练优化后的支持向量机模型来进行预测,最后组合得到风电功率预测结果。通过对国内某风电场风电功率数据进行验证,表明该组合预测模型的预测精度更高,且模型具有更好的适应性。     

季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。     

基于生存分析的城市桥梁使用性能衰变模型

使用上海市城市桥梁的历年常规检测数据,基于生存分析理论建立了桥梁使用性能衰变的概率性预测模型。同时,利用韦伯分布的可靠性函数深入描述了不同等级内桥梁各部位的性能衰变行为,研究表明:当前上海市城市桥梁在状态等级为A级和B级时持续周期相对较短;且相比于下部结构,桥梁的桥面系和上部结构的性能衰变速率更快。最后,根据2016年～2018年网级桥梁衰变预测的实际算例,对比了生存分析与回归分析、马尔科夫链的预测效果差异,验证了生存分析模型具有较高的预测精度。