基于CEEMDAN-NAR-ARIMA组合模型的桥梁监测应变预测

提出了一种基于CEEMDAN-NAR-ARIMA的组合模型用以预测桥梁SHM监测应变数据。针对经典时间序列理论对模态混叠的数据无法有效预测的问题，采用了CEEMDAN方法对桥梁SHM应变监测数据进行了分解，并使用PE方法将分解得到的大量分量按照随机程度进行分类重组形成数个新数据序列，最后结合NAR动态神经网络和ARIMA模型分别对每个新数据序列进行预测并叠加得到了最终的预测值。将该方法用于上海市某座斜拉桥的SHM应变数据预测，结果表明，该方法相比于经典时间序列理论提高了预测的准确性，具有良好的工程应用价值。     

基于指数平滑与曲线拟合的交通违法预测方法研究

为了更加准确地估计交通违法数据的变化趋势，针对交通违法预测需求分析，设计了一种基于指数平滑与曲线拟合方法结合的组合预测方法。算法公式简单、易实现，可移植性较强，具有普适性。利用实际数据对该方法进行了数据验证，并与对比算法进行了效果对比。验证结果表明，本文中提出的方法预测效果较好，具有一定实用性。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于POI信息挖掘的网格空间负荷预测方法

空间负荷预测是配电网网格化规划的基础，互联网的发展使得将大数据技术应用于空间负荷预测成为了可能，本研究基于开源大数据，提出一种基于POI信息挖掘的网格空间负荷预测方法.首先基于python编程语言调用网络地图平台的API接口，获取开源的用户数据并利用射线法及正则匹配法进行信息挖掘，从而得到用于网格空间负荷预测的基础数据.其次参考配电网规划标准，建立规划区用地指标体系，并对基础数据进行归一化处理以反映各个网格的负荷分布情况.接着基于规划区具体情况，综合三种传统总量负荷预测方法进行总量负荷预测.最后结合总量负荷预测结果与负荷分布情况，基于总量负荷预测结果与网格负荷归一化占比分配总量负荷指标进行网格空间负荷预测，并拟合负荷发展特性曲线对预测结果进行验证.根据规划区实际情况应用本文中所述方法，可为配电网网格化规划提供依据.最后结合实际区域验证了所述方法的实用性.     

三次指数平滑模型在短期铁路旅客发送量预测的应用

本文主要介绍了三次指数平滑预测法、的数据原理及在短期铁路旅客发送量预测中的应用，并利用Excd进行建模，分析该方法在数据拟合、预测方面的适用性。最后本文以某企业城际列车旅客发送量为对象，对该预测方法进行实例说明。     

基于经验模态分解-粒子群优化-长短期记忆的车间电力能耗预测方法

针对传统能耗预测方法不能充分提取数据特征并利用神经网络的学习、预测能力，提出了一种基于经验模态分解-粒子群优化-长短期记忆(EMD-PSO-LSTM)的电力能耗预测模型。该模型首先采用经验模态分解算法将时间序列数据分解为多个本征模函数分量和趋势分量，然后对每个分量分别建立长短期记忆网络进行预测。各个长短期记忆网络的参数则由粒子群算法分别进行最优化求解，最后将所有分量的预测结果进行叠加得到最终的能耗预测结果。将预测结果与实际能耗数据进行对比分析来验证所提模型的预测性能。试验结果表明，该方法能够对电力能耗数据进行合理预测，预测精度较高。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

基于自适应最优模糊逻辑系统的移动通信话务预测

移动通信话务数据具有强非线性，传统的预测技术很难准确预测其变化规律．文中根据移动通信话务量的特点，对移动通信话务数据进行分块建模——采用最近邻模糊聚类算法对周期分量模块进行建模，采用线性回归方法对趋势分量模块进行建模，并据此设计了一种智能型的自适应最优模糊逻辑话务预测系统，进而对广东某地区的话务数据进行了预测．现场调试结果表明，该预测系统能有效预测移动通信的话务量．     

SARS经济预测模型

利用经济预测方法，建立了非典数学模型，分别利用0．618法、时间序列的指数平滑技术及温特法对数据进行纵向和横向处理，得出了数据预测趋势走向图和统一预测公式．     

基于相空间重构及Elman网络的停车泊位数据预测

针对停车诱导系统（PGIS）中短时空余停车泊位时间序列数据预测问题，提出应用相空间重构与Elman神经网络相结合的方法来进行预测．首先分析了相空间重构的技术原理，在此基础上导出时间序列预测模型，并以Elman神经网络训练模拟该模型．介绍了相空间重构与Elman神经网络相结合的预测方法的具体实现过程与步骤，提出了短时空余停车泊位数据的预测效果评价指标．通过预测实例表明，该方法用于停车诱导系统中短时空余停车泊位数据的预测具有较好的预测准确性和有效性．     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法.通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理.通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好.     

应用TSP进行的隧道超前地质预报实例分析

隧道超前地质预报对于预测围岩情况,指导隧道施工有着重要意义.通过指明隧道超前地质预报主要原理并引入工程实例,分析论证了TSP超前地质预报系统在隧道超前地质预报中应用的有效性,展示出该系统在隧道施工中的广阔应用前景.介绍了TSP系统测点布设及数据采集方法,指出了提高预报结果准确性的可行方法,并对隧道施工提出几点建议,为保...     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

基于数据驱动模型的潮位和潮流预测方法研究

为解决工程海域潮位、潮流资料不足给海洋工程设计和数学模型建立带来的不确定性,根据单测站潮位潮流的自相关性、对应测站潮位或潮流以及潮位与潮流之间的互相关性,建立基于数据驱动模型人工神经网络的单测站潮位、潮流(流速、流向)预测模型;多测站潮位、潮流对应预测模型;潮位与潮流对应预测模型.以复杂海况下的实测潮位、潮流资料进行模型验证,重现了潮位、潮流自身及相互之间的非线性映射关系.模型预测结果与现场实测数据的比较及其误差分析表明,该模型具有结构简单、精度高的优点,适用于解决工程实际问题.     

基于多源ITS数据的行程时间预测体系框架及核心技术

针对当前城市道路行程时间预测系统性不强等问题,构建基于多源数据的行程时间预测体系框架,阐述预测过程涉及的关键技术.框架的构建以固定式和移动式2类采集方式获得的交通数据为出发点,将预测过程划分为估计和预测两个阶段.提出固定式采集方式获取的速度数据用于行程时间的间接估计和预测的关键技术为空间平均速度的估计;移动式采集方式获...     

Analysis of early-warning threshold for metro construction collapse risk based on D-S evidence theory and rough set

The existing early-warning system in metro construction are generally based on traditional single-sensor data and simple analytic model, which makes it difficult to deal with the complex and comprehensive environment in metro construction. In this paper, the framework of early-warning threshold for metro construction collapse risk based on D-S evidence theory and rough set is built. By combining the primary data fusion collected based on rough set with the secondary data fusion which is based on D-S evidence theory, the integration of multiple information in metro construction is realized and the risk assessment methods are optimized. A case trial based on Hangzhou metro construction collapse accident is also carried out to exemplify the framework. The empirical analysis guarantees the completeness and independence of the prediction information, and realizes the dynamic prediction of the variation trend of metro construction collapse risk.     

高边坡施工期变形预测遗传神经网络模型

基于BP网络存在的不足,将遗传算法引入到BP网络模型中,建立了高边坡施工期相邻层开挖暂停阶段变形预测遗传神经网络模型,对边坡时效变形进行预测,并对预测的结果进行检验,结果表明模型取得较好的预测效果,可供类似工程参考使用.     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。     

多变量相空间重构的多核最小二乘支持向量机电力负荷预测优化策略

针对短期电力负荷在线预测问题，结合多变量相空间重构以及多核函数LS-SVM(least squares support vector machine)，提出一种基于滑动窗口策略与改进人工鱼群算法(artificial fish swarm algorithm)的短期电力负荷在线预测综合优化方法。首先利用多变量相空间重构还原真实电力系统动力学特性；然后将核函数进行排列组合，从而将组合核函数的构造问题转换为权值系数的优化问题。进一步将延迟时间、嵌入维数、LS-SVM参数以及核函数权值作为整体参数向量，利用混沌自适应人工鱼群算法对训练数据预测精度的适应度函数进行优化，从而得到最优的预测模型参数。最后通过滑动时窗策略将得到的预测模型对短期电力负荷进行在线预测，结果证明了提出方法的有效性。     

小波技术在高耸构筑物安全性评价中的应用

高耸构筑物施工风险大,安全监测至关重要。然而,复杂的环境因素使构筑物的原型观测数据包含强烈的噪声,严重干扰构筑物的受力分析和预测。为此,综合运用小波多尺度技术和小波神经网络技术分别对原始监测数据进行去噪处理和预测模型的建立。研究结果表明:经小波去噪后的数据更好地反映构筑物真实受力状态;基于RBF神经网络方法预测效果较好,具有很好的工程应用前景。