音乐环境对驾驶行为危险度影响的预测模型

考虑到车载音乐环境下驾驶行为变化规律在道路交通系统中具有理论和现实意义,以国内外车载音乐对驾驶员心理负荷和驾驶行为影响的研究成果为基础,界定出驾驶行为危险度的定义.同时引入主成分分析法并结合驾驶行为的三个指标,实现对车载音乐环境下驾驶行为危险度的评价.以驾驶员的心率变异性作为输入变量,驾驶行为危险度作为输出变量,构建基于心理负荷的驾驶行为危险度预测模型,并提出不同类型驾驶员收听音乐的建议方案.研究成果可为减少道路交通事故和保障汽车安全运行发挥作用.     

数学模型中预测模型的应用及比较分析

针对学生在建立预测模型时不能准确判别使用合适的预测模型的问题,归纳了几种使用较多的预测方法：多元回归预测模型、灰色预测模型、BP神经网络模型、微分方程模型。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。     

基于神经网络的细小液体管道堵塞预测模型

在分析反映管道堵塞工艺参数的基础上,提出了一种基于BP神经网络的细小液体管道预测方法,通过收集管道堵塞时的各种工艺参数,建立预测模型。仿真结果表明,模型预测结果与实际堵塞结果非常吻合,并能成功用于实际的细小管道的堵塞预测。     

大棚气候的BP神经网络预测模型研究

以大棚外气象因子中温度、湿度、辐射等为输入量,分别以大棚内气温、地温、湿度等气象因子为单项输出量,构建了基于神经网络预测预报原理的大棚小气候预测模型,模型预测结果好,该模型一方面能够解决大棚内气候资料缺乏的问题,另一方面能够提前模拟大棚内气候,对大棚的环境调控起指导作用.     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

木材染色颜料配方预测模型

 木材颜色是决定消费者印象的重要因素,为了提高木制品的装饰作用和产品价值,要对木材及木质材料进行着色。将计算机配色的方法用于木材染色中,能加快染料配方生成的速度并将极大地提高工作效率、节约成本。本文研究了一种运用动态模糊神经网络建立的木材染色颜料配方预测模型,所谓的“动态”是指模糊神经网络的网络结构不是预先设定的,而是动态变化的,即在学习开始前,没有一条模糊规则,其模糊规则在学习过程中逐渐增长而形成的。在论述建模方法的基础上,对算法中的学习规则和参数确定进行了研究。模型为三输入三输出系统,输出就确定为活性艳红X-3B、活性黄X-R、活性蓝X-R的浓度值,输入为色差,该模型预测相对误差为0.52%,训练时间为128s,结果比较令人满意。这种方法为木材染色配色提供了一种新的途径,同时也为其理论在配色系统中的应用提供了新的思路,具有一定的理论研究价值和实际应用价值。     

交通事故Pi-Sigma模糊神经网络预测模型

提出了基于Pi-Sigma模糊神经网络的交通事故预测模型,选用Takagi-Sugeno型模糊推理系统和BP神经网络,以年平均日交通量、交通负荷、设计速度、车道宽度为输入,以每公里年均事故次数为输出,利用哈尔滨市133条主次干道的道路交通条件数据和5年的交通事故数据对模型进行了训练和检验,并将该模型与模糊逻辑模型、BP神经网络模型进行了对比分析.结果表明,交通事故Pi-Sigma模糊神经网络预测模型在预测精度及计算效率上总体优于其他两种模型,较适合于大样本条件下交通事故的快速预测.     

安全驾驶的横向安全预警报警阈值的确定

为减少车道偏离事故的发生,基于车辆将要横越车道边界的时间标准（TLC）,提出一种新的横向安全报警算法。该算法根据车辆运行状态判断驾驶人意图,基于实车试验数据,分析车辆的车轮轨迹曲线与TLC曲线,设定不同路况、不同类型驾驶人的报警阈值;利用驾驶人分类结果中最激进和最保守驾驶人的实车数据,分别验证不同路况下的报警阈值。结果表明：在不同路况下,报警算法给性格保守的驾驶人留出了1s左右的反应时间,给性格激进的驾驶人留出了0.5s左右的反应时间。     

预测模型的特点分析

随着人类文明的进步和科学技术的发展,对疾病传播、经济增长、人口增长等各方面的预测显得尤为重要.现在针对各领域发展的特点,各个实际问题已经被抽象成为许多成熟的数学预测模型.本文就时间序列、微分方程模型、灰色系统模型、BP神经网络等预测模型的特点及建模步骤做了简单的归纳分析.     

基于车辆运行状态的次任务驾驶安全性评价

为研究次任务驾驶对行车安全性的影响,借助驾驶模拟器对正常和次任务驾驶过程中的车辆运行状态参数进行了采集. 基于差异显著原则,选取速度、加速度、方向盘转角等变量构建了评价指标体系,并以最少变量体现最多信息为优化目标,采用因子分析法提取出3类因子,进而确定出不同评价指标对因子的影响载荷系数,完成了基于车辆运行状态的次任务驾驶安全性评价模型构建. 综合实验数据和驾驶人类型因素,确立了模型评价得分与驾驶安全等级间的数量关系. 结果表明,所建模型能准确判断不同驾驶状态下的行车安全性,为驾驶安全的监测和预警提供了一种有效判定方法.     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有...     

基于二次修正的短时行程时间预测模型

为了提高高速公路短时行程时间预测模型的精度和鲁棒性,同时缓解过度训练带来的过拟合效应,构建了基于小波神经网络和马尔可夫链的组合预测模型,并采用平均绝对误差、平均绝对百分比误差、均方根误差三个指标评价模型的预测效果.分析结果表明,在行程时间突变之后,组合预测模型较其他模型都有着更高的预测精度;同时,该模型在预测行程时间突变点时不存在延迟,说明其在高峰时段内有着更高的预测精度和更强的预测鲁棒性.     

区域道路交通安全水平综合评价和预测方法

对国内外道路交通安全水平的评价和预测方法进行了对比和分析 ,提出了适合目前国内现阶段管理体制的以模糊数学综合评价模型为基础的评价和预测方法 .该方法采用模糊评价综合模式计算评价目标区各评价指标最大概率所对应的等级 ,通过层次分析计算各指标间的权重系数 ,在此基础上计算得到区域道路交通安全的综合评价指标———道路安全指数IRS.实际应用证明该方法合理可行 .     

基于工况识别的安全距离模型

针对传统自适应巡航控制系统安全距离模型缺乏对车辆驾驶工况变化考虑的问题,提出一种基于驾驶工况识别的安全距离模型。依据城市驾驶工况特点构建了4种典型城市工况,引入人工神经网络对车辆实时驾驶工况进行识别与预测,然后以现有安全距离模型为基础,结合工况识别结果,完成对该模型的优化。通过CarSim和Simulink联合仿真验证,结果表明：基于驾驶工况识别的安全距离模型可以更好地实现与前车的速度跟随与距离控制,提高了乘坐安全性与道路利用率。     

非线性神经网络模型及在粮食生产预测中的应用

本利用非线性神经网络BP模型，对我国粮食生产进行了实证预测研究。结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出与各因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果。可广泛应用于各种预测研究，有较高的应用推广价值。