状态空间下列车区段晚点预测误差控制

考虑区段间信息级联效应,提出一种状态空间下的列车晚点预测误差控制分析架构.应用拟合回归方法处理运行统计数据以确定常微分方程组,根据现代控制理论设计一种减小误差的线性二次调节器,并通过推导论证为所提方法提供合理性支撑.设计了双温模拟退火算法以获取调节器的优化参数,并结合SIMULINK环境实现仿真计算.结果表明,相较于传统贝叶斯网络预测方法,所提出的状态空间分析方法对各项误差性能指标具有不同程度的改善,且在平均误差值、数据需求量和运算时间等计算指标上具有优势.     

ATM广域网预测式流量控制方案

针对ＡＴＭ广域网的长时延特点,提出了一种预测式流量控制方案,通过预测各交换节点非受控业务流所占用的带宽,对各链路可获得带宽进行预测式分配;预测式方案结合本文作者提出的集中式流量控制机制,保证了带宽分配的公平性和链路利用的高效性;本文还在ＶＢＲ＋ＡＢＲ业务综合传输的情形下,进行了预测式流量控制方案的计算机仿真,仿真结果表明,本文的预测式算法具有带宽分配的公平性和链路利用的高效性,交换节点处缓冲队列很     

基于神经网络的交通流流量预测

神经网络系统辨识实质上是选择一个适当的神经网络模型来逼近系统,由于神经网络对非线性函数具有任意逼近和自我学习的能力,所以神经网络系统辨识为非线性系统的辨识提供了一种简单而有效的方法。     

ATM网络的ABR业务流量控制

论述了ＡＴＭ网络ＡＢＲ业务流量控制的当前发展情况,介绍了基于“信用”制与基于速率调节两种主要的ＡＢＲ业务流量控制原理及速率调节方案当前存在的主要问题。特别对网络中由于线路的传播时延造成的流量控制上的滞后效应进行了深入研究,采用离散化的ＡＴＭ网传输模型,提出了一种基于速率自适应预测的ＡＢＲ业务流量控制方法,通过仿真,验证了其有效性。     

多途径提高预测精度的探讨

经济预测中提高预测精度是一个十分重要的问题。本文通过研究预测各阶段的适应性和对预测精度指标的评价及其选择等途径探讨如何提高预测精度。     

流量误差对推求设计洪水的影响

洪水是我国存在的主要自然灾害之一,通过对各种水利工程的建设来实现对洪水的控制是防洪工程规划中的重要内容,而在防洪水利工程建设的过程中,设计洪水起着重要的依据作用,提高设计洪水计算的精确性确保水利工程安全的重要需求。本文对设计洪水的概念作出了阐述,同时以流量资料推求设计洪水为依据对流量误差对推求设计洪水的影响作出研究,同时对当前我国针对流量误差影响设计洪水推求的研究现状以及努力方向作出探讨。     

流速精度不等于流量精度:探询插入流量计的精确度

本文从插入式流量计的特点及应用条件出发 ,分析了这种广泛应用于大口径管道、以测点速确定流量的仪表可能达到的精确度为± 3%～ 5 % ,不是厂商所说的± 1%。     

基于PSO优化的交通信号预测控制

在神经网络车流预测的基础上,利用PSO算法在参数解空间内并行寻找交叉路口信号绿信比的最优解,提出了交通信号预测控制方法。仿真实验结果表明,该控制方法优于传统的定时控制和遗传算法优化控制,具有很好的控制效果。     

空中交通流量的灰色预测方法应用

空中交通流量的预测方法的研究对我国民航发展具有指导性意义。预测的方法有很多种,空中交通流量的复杂性、非线性和不确定性,可以将灰色预测算法应用到进近空域内的空中交通流量预测。相对于传统线性预测方法,灰色预测可以将目标函数曲线与预测函数曲线更好地进行拟合。     

追求预测的有效性,减小预测误差思路

市场预测是企业按市场经济的发展规律,科学制定企业市场营销发展战略和营销计划的依据和前提。对企业未来的发展变化情况进行估计和推测,由于受到经验、知识、时间、条件、认识、工具等等诸多方面的限制,对未来的认识总会有一定的局限性,必然存在预测误差,因此,减少预测的误差,除了根据预测目标选择实用而有效的预测方法外,还须对预测误差进行分析,通过对预测误差有效性分析不但对预测的结果有一个客观的评价,同时也能减少预测的误差,以达到对预测误差控制的目的,最终提高预测的准确性。     

基于IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

非参数回归方法在短时交通流预测中的应用

为了提高短时交通流预测的准确性,提出了应用改进的非参数回归方法进行短时交通流预测。利用反馈机制动态调节系统变量和输入变量集是对非参数回归方法的主要改进之处。将建立的模型用于北京实际大规模路网的交通流预测预报,实例分析结果表明,应用非参数回归方法的5m in交通流预测结果明显优于神经网络方法;有反馈调节机制的非参数回归方法优于有固定输入变量集的非参数回归方法。     

短时交通量时间序列的小波分析-模糊马尔柯夫预测方法

基于短时交通量时间序列的随机波动特征,提出一种小波分析和模糊马尔柯夫结合的预测方法．首先对交通量时间序列进行多分辨率小波分解,然后对低频部分和高频部分分别进行重构,对重构后的基本信号和干扰信号建立模糊马尔柯夫模型,最后对多个预测结果进行合成,从而得到交通量的预测结果．此外,根据灰色系统理论的新息优先原理,实时更新马尔柯夫预测模型中的状态转移矩阵,进一步提高预测精度．通过对苏州某交叉口短时交通量预测,表明小波分析和模糊马尔柯夫结合的预测方法具有良好的抗干扰能力和容错能力．     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

信号灯作用下的城市隧道路段交通流模型研究

分析了城市隧道路段的交通流特征,建立了城市隧道路段的元胞自动机模型,并针对隧道与上下游交叉口不同相对位置、不同相位差的情况,进行了数值模拟。仿真结果表明,城市隧道路段的通行能力受到隧道与信号灯的相对位置以及上下游信号灯的相位差等共同影响。合理的信号配时控制可以提升路段和交叉口通行能力,减轻拥堵;但是当隧道离下游交叉口较近时,路段通行能力明显降低,隧道内拥堵严重,信号控制手段收效甚微。     

实时交通流预测的并行SVR预测方法

提高交通流预测的精度和实时性是智能交通系统(ITS)应用发展的一个重要问题.与广义神经网络(GNN)方法相比,支持向量回归(SVR)方法应用于交通流预测理论优势得以实现的前提是选取合适的回归参数.分析、讨论了简单而实际的直接从训练集中选取SVR参数的方法,给出了一个大规模路网交通流SVR预测模型和集群环境下的一种贪婪负载均衡并行算法(G-LB).实验结果证明了基于G-LB算法的并行SVR方法(GLB-SVR)可获得比并行的GNN方法(P-GNN)更好的预测精度和实时性.     

灰色系统的交通流量短期预测

为了缓解交通拥堵问题,建立灰色模型对交通流量进行短期预测,从而提前知道道路的交通状况,最终起到交通诱导。     

基于GA-Elman神经网络的交通流短时预测方法

以单断面的交通流量为研究对象,采用动态Elman神经网络进行短时交通流量的预测,提出一种基于GA-Elman神经网络的交通流短时预测方法.该方法通过遗传算法优化Elman神经网络的权值和阈值,克服了Elman神经网络易陷入局部最小的缺陷,同时提高了Elman神经网络的泛化能力和预测精度.实验仿真表明,本文方法可用于城市快速路上预测实时交通流量,预测效果优于Elman、GA-BP预测模型.     

基于热力学熵的交通流模型

在分析热力学熵的基础上,讨论了交通流类热力学熵的构造方法,并构造了适用于不同情况下的交通流熵。通过对系统熵变的分析,揭示了交通流熵产生的内部机制,导出了熵产生公式。最后依据熵理论,导出了路段交通系统的交通流状态变化的微分方程,并建立了动态交通流模型。研究结果表明,此法不仅对已有理论具有包容性,而且具有普适性。     

公路隧道交通流的数据挖掘

在阐述数据挖掘技术和方法的基础上，研究了基于统计理论的聚类方法。利用微软SQL Server 2000提供的聚类数据挖掘方法对某个公路隧道交通流的数据进行了聚类分析，并对数据结果进行了详细的解析，得到该隧道交通流的一些特性信息，如：何时该隧道交通流最大等。根据这些信息，可以针对不同的交通量特点安排隧道监控设备的控制方案及系统的维护方案，以保障公路隧道交通的畅通和安全。