短时交通流预测方法综述

以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究.对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法.将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景.     

公路隧道群追尾交通事故预警模型

由于公路隧道群追尾交通事故与车辆行驶过程中的运行状态密切相关,将车辆制动距离、行驶速度、车辆类型等交通流参数作为其识别预警特征参量,结合人工免疫系统原理,构建了智能化的公路隧道群追尾交通事故预警模型,能够对车辆异常状态的发展趋势做出较为准确的判断,并给出相应事故安全级别的预警信息.最后,以西汉高速公路隧道群区段为例,运用该基于人工免疫机理的预警模型进行工程实例仿真分析,得出了不同工况下的预警事故信息,说明了预警模型的准确性和可行性,为我国高速公路隧道群区段的安全运营管理提供了重要的理论依据.     

基于组合模型的陕西省旅游市场需求预测

为提高旅游需求预测的精度,提出一种基于BP神经网络和ARIMA组合模型的游客量预测方法,该方法能够同时考虑旅游统计数据的线性和非线性规律.以陕西省接待入境游客人数为例,采用组合模型进行了综合分析与预测,预测结果表明组合预测模型相对于单一的预测方法具有更高的精度,在旅游预测中是可行的、有效的.     

基于ARIMA-EGARCH模型的交通事故问题的研究

为了更好地掌握交通事故的现状和发展趋势,减少交通事故带来的直接损失和人员伤亡,以1990-2017年的全国交通事故发生起数为研究对象,建立ARIMA(0,1,4)模型进行分析和预测.利用方差齐性检验得残差序列方差非齐性,针对该模型的异方差问题,建立了ARIMA-EGARCH(1,1)模型.最后,以2017年的数据做为考核样本来检验模型的精度,并对2018-2019年的数据进行预测.通过与ARIMA(0,1,4)模型的拟合效果对比可以看出:ARIMA-EGARCH模型的预测结果比ARIMA模型精度更高,误差更小,可以对未来交通事故数据进行更好的预测.     

基于广义回归神经网络的交通事故预测

在进行交通事故统计的基础上,运用广义回归神经网络理论,建立交通事故预测模型,对2000~2003年的交通事故死亡人数和经济损失进行外推预测.计算结果表明,该模型预测和外推精度高,可用于交通事故预测.     

基于超越对数函数的道路交通事故频数预测

针对道路交通事故频数预测常见方法——对数-线性模型中弹性系数假定为常数,简化了探索性变量之间相互关系的局限性,提出了基于超越对数函数的道路交通事故频数预测方法.该方法采用动态弹性系数,选择路段长度和年平均车流量两个探索性变量以预测道路交通事故频数,通过运用加拿大安大略省道路交通事故数据对其有效性进行了实例验证,并与对数-线性模型进行了对比.研究结果表明:超越对数函数模型具有更好的拟合优度,其动态弹性系数更接近真实情况.     

交通事故预测模型的研究

通过分析道路交通事故发生的特点,从不同的角度,建立了模糊图模型、非线性回归模型及基于灰色理论的灰色预测模型.重点针对道路交通事故灰色和随机不确定性,研究了一阶单变量灰色预测模型,即GM（1,1）模型.经对其进行实例检验,其结果可信,且较传统的预测算法更科学、更合理.     

基于进化支持向量机的滑坡地下水位动态预测

地下水位动态预测对滑坡稳定性评价具有关键作用.滑坡地下水位演化过程是一个受水文地质条件控制,并受降雨、库水和气温等多种影响因素综合作用而发展演化的非线性动力系统,地下水位与其影响因素之间存在非线性响应关系.以三峡库区白家包滑坡地下水位监测数据为例,在深入分析滑坡地下水位变化特征及其与影响因素响应关系的基础上,利用非线性智能遗传算法和支持向量机建立进化支持向量机耦合模型,并对地下水位进行预测,其预测结果的均方差和相关系数的平方分别为0.013和0.929,说明预测结果与实测值较吻合.选择神经网络模型进行对比,耦合模型的均方差小154％,而相关系数的平方大10％.综合表明进化支持向量机耦合模型具有较好的拟合和泛化能力,是一种行之有效的滑坡地下水位预测方法.     

基于BP神经网络的建筑施工事故非线性组合预测

以建筑行业百万元产值死亡率为预测对象,建立了非线性回归模型、三次指数平滑模型、灰色模型、线性组合预测模型和基于BP神经网络的非线性组合预测模型.结果表明,该非线性组合预测模型的拟合及预测精度均较其它模型有明显提高,能够有效地综合利用各单项预测模型所提供的信息,证明了该模型适用于对建筑施工事故的宏观预测,为非线性组合预测模型的构建提供新的思路.应用该模型对2014-2016年全国建筑施工百万元死亡率进行预测,计算结果表明,未来几年建筑业安全生产将会保持在一个较稳定的水平.     

几何均值回复模型的估计及应用

针对连续几何均值回复模型,通过时间离散化导出对应的随机差分方程,得到了一个非线性回归模型,利用贝叶斯推断得到各个参数的估计及后验分布.蒙特卡洛模拟的试验结果证实了方法的有效性.以日元对人民币双边名义日汇率的单步向前预测为例,分别与ARMA-GARCH模型、非线性ARI模型的预测效果进行比较,结果表明:几何均值回复模型预测效果略好于非线性ARI模型,显著优于ARMA-GARCH模型.