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。     

城市新区交通生成预测模型

针对城市新区背景下传统交通生成预测方法的不足,以土地利用-交通需求相关关系为机理,研究交通生成预测关于土地利用的模型.以土地利用规模、性质和区位势作为影响交通生成的主要因素,引入区位势因子,最终建立城市新区交通生成预测模型.     

基于AHP-熵复合物元的城市交通可持续发展评价

在给出城市交通可持续发展评价指标体系的基础上,提出了一种基于AHP-熵复合物元的城市交通可持续发展评价模型.该模型以可拓学、关联函数为基础,应用物元分析法将评价指标、量测值、评价等级等单元组成城市交通可持续发展评价物元,通过计算各评价指标量测值关于评价等级的隶属度以及所有评价指标关于各评价等级的关联度来求解评价等级的特征值,进而判断城市交通可持续发展水平并指出其未来发展趋势;其中权重的确定充分考虑了专家知识经验以及数据本身蕴涵的信息,由AHP权重与熵权重加权平均综合获得,能够同时反映评价分级的主观性和实测数据的客观性.最后将该模型应用于北京市交通可持续发展评价,验证了该模型的科学性与实用性.     

基于熵的装备精确保障系统备件组合预测模型

为了精确预测备件需求,实现对装备备件的精确保障,在总结以往预测模型的基础上,构建了基于熵权的组合预测模型：首先通过信息熵理论计算各种误差评价指标的相对重要性权重;然后再通过计算不同误差指标下各单项预测方法的变异系数来确定预测方法的权重;最后利用误差评价指标权重和各误差指标下单项预测方法的权重确定组合预测的权重。实例分析表明：熵权组合预测模型比其他组合预测模型的权重确定更为合理,反映的信息更为全面,预测的效果更为精确。     

基于最大熵原理的大坝安全监控组合预测模型研究

大坝性态受到内外多种不确定因素的影响,使得监测效应量在一定程度上呈现出随机和不确定性的特点,单一的安全监控预测模型不可避免地存在某些缺陷。采用最大熵原理建立大坝安全监控的组合预测模型,该模型以各单一模型的预测结果作为约束信息,利用最大熵原理得到预测结果的分布。实例分析表明该方法能够突出监测量变化的随机性特点,有效地提高了大坝安全监控模型的预测精度。     

人力资源需求预测模型的优选

鉴于企业人力资源需求系统的复杂性和非线性的特征,首先分别运用多元线性回归、灰色预测和神经网络对某供电企业的人力资源需求进行预测。然后进行误差分析和比较。最后从中优选出理想的预测方法。结果表明该优选的模型可以作为该供电公司人力资源需求预测的有效工具。     

基于灰色-马尔可夫链的城乡建设用地需求量预测研究

本文以安义县近十年的土地利用变更调查数据,采用灰色-马尔可夫链方法对其城乡建设用地需求量进行了预测,并将2005年和2006年的预测值与实际的城乡建设用地规模进行比较：在此基础上,对预测期内城乡建设用地内部结构利用信息熵进行研究。结果表明,利用灰色-马尔可夫链预测城乡建设用地需求量是一种可行的方法。     

基于样本熵和支持向量机的短期风速预测模型

提出一种经验模态分解、样本熵和支持向量机相结合的短期风速组合预测方法。首先利用经验模态分解将原始风速序列逐级分解成若干个规律性更强的子序列,以减小不同特征尺度序列间的相互影响,提高预测精度。接着计算各风速子序列的样本熵,将复杂度相近的序列归类形成一个新序列,以减少所需建立的预测模型的数量。然后对经 EMD-SE 处理后得到的新的风速子序列分别建立支持向量机预测模型,并采用遗传算法实现各模型参数的自动选取和寻优,最后将各序列的预测结果叠加得到风速预测结果。算例研究表明,该方法充分挖掘了风速序列的特性,能快速地对风速变化作出响应,预测的均方根误差和百分比误差分别比单纯采用支持向量机法降低了5.1%和5.4%,有效地提高了短期风速预测的准确度。     

基于神经网络的建筑能耗混合预测模型

为了提升建筑能耗预测的精度、鲁棒性和泛化能力,提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型. 采用基于自适应噪声的完全集成经验模态分解算法,将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量,利用样本熵算法将各分量划分为高频分量和低频分量. 采用最小绝对收缩与选择算子（LASSO）方法进行特征选择. 分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测,并叠加重构得到最终预测结果. 模型评估结果表明,混合预测模型的精度为98. 72%. 相比于RBF、TSA-RBF、LSTM模型,所提模型的预测效果更好,且具有较强的鲁棒性和泛化能力,能够更为有效地用于建筑逐时电力能耗预测.     

基于国情的我国城市交通问题分析与对策研究

从我国城市交通流特点,道路基础设施、交通管理、交通参与者等方面对城市交通问题进行分析研究,阐明城市交通问题形成的原因和过程,并提出建立符合国情的城市交通模型,加强政府在解决城市交通问题的职能,加强公交服务,利用交通需求管理等收费手段限制小汽车上路等对策。     

基于CAR模型的短期光伏发电量预测

利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型.以华中科技大学电力电子研究中心18 kW并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性.应用结果表明,天气良好时,预测精度较高.     

基于时间序列分析的货运周转量预测

基于重庆市统计局的实际统计数据,通过对实际样本数据进行预处理,确认重庆水运货运周转量序列为平稳非白噪声序列。在此基础上,通过对1995-2009年重庆水运货运周转量的数据分析,利用时间序列分析方法建立了ARMA预测模型,结果显示该模型具有较好的预测效果,对重庆水路货物运输工作及水运的发展决策有一定的参考价值。     

基于Holt-Winter模型的建设用地需求量预测

为合理规划利用建设用地,结合某市经济、社会发展状况及建设用地现状,通过关键成功因素法（critical success factor, CSF）识别选取人口、国内生产总值、固定资产投资额,以及城市化率为主要影响指标,采用多元线性回归预测模型确定各个变量与建设用地之间的线性关系,运用岭回归对模型进行修正,并辅之Holt-Winter模型对城市建设用地影响因素进行预测,得出2011-2015年某市建设用地需求量总体呈现上升趋势的结论。     

分行业货运需求预测方法

本文介绍了按行业货运需求预测方法的理论基础与计算。此方法是交通运输系统规划中运输需求预测与分布的新方法。     

城市土地开发交通生成预测方法的探讨

针对城市土地开发项目产生的新增交通量的问题,以北京市部分区域的居住区、商业区和办公区为例,结合我国城市土地开发状况、交通特点和经济水平,建立土地利用出行发生量和吸引量与土地利用相关指标、社会经济指标等变量之间的定量关系,进而根据规划年的土地利用推算出规划年土地开发的居民出行发生量和吸引量,并就土地开发交通生成预测方法中应注意的问题进行了初步探讨.建立其出行生成模型.     

从城市交通规划发展看城市交通可持续发展规划

从城市交通规划发展历程入手，明确了传统城市交通规划的主要缺陷。在可持续发展理论的基础上，提出城市交通可持续发展规划的概念，设计了以满足交通需求、优化资源利用及改善环境质量为目标的城市交通可持续发展规划理论体系框架．对理论体系中各模块的功能进行设计，研究城市交通可持续发展规划的层次。     

基于综合评价指数的城市公交线路选择优化模型

为了提高公众出行效率,针对城市公交线路的选择问题,提出了公众出行的任意两站点间公交线路优化选择模型,给出了相应的模型实现算法。通过设置权重因子α,综合考虑换乘车次数、乘车时间和乘车费用3个主要因素,在换乘车次数不超过两次的情况下,将乘车费用和时间融合成一个综合评价指数,建立了线路优化选择模型,并以北京公交的线路选择为实例,得出了直达、一次换乘车和两次换乘车的具体结果。给出α取值为1时的建议性线路,从而验证了模型和算法的合理性和实用性。依据此模型的每次线路选择,都能反映公众出行时需要考虑的3个主要因素,在上述条件下该模型具有一定的通用性。