相空间重构与RBF结合的短时交通流预测研究

针对短时交通流的混沌特性,提出将相空间重构与神经网络相结合的预测算法,并采用某高速公路实时交通流数据进行了仿真验证,取得了较好的预测效果。     

基于神经网络的短时道路交通流预测研究综述

短时交通流预测是可以为交通流诱导提供理论支撑,能够有效缓解交通拥挤,节约出行成本。神经网络在目前已有几十种不同的模型,每个模型都有其不同的优缺点。本文主要综述了常用的BP神经网络模型、小波神经网络、RBF神经网络、广义回归神经网络研究现状,为后续开展更深入的短时道路交通预测研究工作提供一定的借鉴意义。     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

基于小波变换遗传过程神经元网络的交通流预测

针对短时交通流时间序列的缺点,应用小波变换理论,将含有综合信息的时间序列分离为低频确定信号和高频干扰信号,用遗传过程神经元网络分别进行预测,得到了原时间序列的实际预测结果,通过实测数据验证表明,该预测方法具有较好的预测精度。     

基于Att-CNN-BiGRU的高速公路短时交通流预测方法研究

消除高速公路交通流数据随机噪声和确定深度神经网络框架以及超参数是短时交通流组合预测模型的关键环节。为了提高高速公路交通流管理水平,针对交通流的时空特征和长时间序列依赖问题,利用CNN框架提取了交通流的空间特征,融合了注意力机制加权分配各时间节点对交通流预测的关注度,并结合Bi GRU提取了时间特征,从而消除了噪声并加强了对时间序列问题的解析,构建了Att-CNN-Bi GRU组合模型从而预测出高速公路短时交通流。在以江西省高速公路数据集为例的试验中获得的结果表明：该模型的平均绝对误差（MAE）达到了6.88,均方根误差（RMSE）达到了9.90,平均百分比误差（MAPE）达到了30.81%;模型预测精度优于基线模型,且模型可用于高速公路交通流的精确预测。该研究成果可为高速公路交通组织与缓解交通压力提供基础数据支撑。     

小波神经网络在高铁沉降预测中的应用研究

通过试验研究,成功将小波神经网络模型应用到高铁沉降预测当中,并通过实测数据比较了当前主流使用的几种模型,结果表明小波神经网络模型具有良好的拟合精度和预测效果。通过编写高铁沉降预测软件,证明了小波神经网络模型的可行性,并得出了一些有益的结论,供同行参考。     

多小波神经网络在变形预测中的应用

将多小波与神经网络结合提出一种新的变形预测方法——多小波神经网络预测法,通过理论分析和它在变形预测中的应用分析表明,该方法较其他预测方法具有更高的精度,更快的速度,值得推广。     

基于SA—BP算法的小波神经网络在喷射器性能预测中应用

以现有的喷射器实验结果数据集作为样本,用三种小波神经网络分别预测喷射器的性能,网络的训练分别采用模拟退火BP算法和BP算法,得出了最适合本模型的小波函数.数值实验结果显示,这种小波神经网络预测喷射器性能的精度能够满足实际工程的要求,而采用模拟退火BP算法比采用BP算法训练的效果略好.     

小波神经网络在隧道围岩位移预测中的研究

对张杖子隧道围岩拱顶下降位移数据进行了预测分析,经过研究表明,小波神经网络具有较高的预测精度,能够较好的揭示围岩位移的变化规律,为合理判断隧道围岩的稳定性提供可靠的理论依据。     

基于EKF的小波神经网络在变形预测中的应用

提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。     

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。     

小波神经网络在水库流量预测中的应用

针对河南省某水库监测点实测的1991~2013年每月的平均流量样本进行归一化处理作为训练样本,构建了使用Morlet、Mexican hat以及高斯一阶导数小波基函数小波神经网络的预测模型实现对2014年的月平均流量的预测,并通过均方误差(MSE)和平均绝对误差(MAE)两项指标对每种网络的预测结果进行评价,从而选择较好的小波基函数作为小波神经网络的隐含层传递函数。研究表明,采用Morlet小波作为神经网络的隐含层基函数对该水库的月平均流量的预测效果要好于其他两种神经网络。     

基于小波神经网络冰蓄冷空调负荷预测

为了节省冰蓄冷中央空调系统的运行费用,准确地预测空调冷负荷是必不可少的。采用db1小波对冰蓄冷空调冷负荷序列进行分解,分别对低频和高频序列采用BP网络进行预测,将预测结果进行叠加得到最终预测值。结合实例进行了空调逐时冷负荷预测,通过小波-BP网络与BP网络预测结果的对比,可知小波-BP网络预测的效果更好。     

小波神经网络在软基沉降组合预测中的应用

将小波神经网络组合预测模型引入软土路基沉降预测中。把5组不同形式的s型增长模型单项预测结果作为小波网络的输入向量,将代表相应时刻的实际值作为小波网络的输出,对软基沉降序列进行非线性组合预测。预测结果表明,小波网络组合预测的结果比各单项模型预测的结果都好,与BP神经网络相比,小波网络的收敛速度更快,预测精度更高,模型的泛化能力更强。     

人工BP神经网络在交通量预测中的应用

充分利用人工神经网络对非线性系统很强的模拟能力及Matlab的人工神经网络工具箱Web技术,使未来交通量预测在网上进行得以实现预测,并以国道及主要实际道路为例,对模型进行了理论验证。     

基于小波神经网络的CPI数据预测计算模型

针对影响CPI经济序列数据预测的各因素之间的非线性问题,探讨利用神经网络的自学习能力和小波变换的局部化性质,采用了MATLAB强大的运算功能,建立了基于小波神经网络的CPI预测模型。对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列,仿真结果表明整个系统具有较强的逼近和容错能力,以及较快的收敛速度和良好的预报效果,为CPI数据预测提供了一种计算方法。     

北方农村燃气日负荷预测的BP神经网络优化

在调研部分农村地区煤改气居民用户实际用气情况的基础上,建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型(称为GA-BP神经网络预测模型)。以华北地区农村煤改气居民用户作为研究对象,对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理,进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集,对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比,并将两种模型的评价指标进行对比,验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好,可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大,用气情况复杂多变,对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化,可以很好地为网络初始权值和阈值的确...     

基于BP神经网络混凝土抗压强度预测

在阐述BP人工神经网络原理的基础上,针对影响强度的主要因素,建立了多因子混凝土抗压强度3层BP网络模型,以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量及置放天数作为模型输入参数,混凝土抗压强度值作为模型的输出,对混凝土抗压强度进行了预测.实验结果表明:所建BP神经网络混凝土抗压强度预测模型最大...     

土钉位移的BP神经网络预测

目前神经网络进行预测的建模思路主要有两种:一种是基于前期位移数据;一种是基于位移影响因素的变化。这两种方法预测的准确性都有待提高。综合二者对土钉支护的位移进行预测并与第一种方法进行对比,结果表明,这种方法由于具有更高的准确性。