舟山港口吞吐量预测方法探讨

港口吞吐量预测常用的方法有：时间序列预测法、回归分析预测法、灰色预测法和弹性系数法等,每种预测方法都有其特点和适用范围,通过分析舟山港口吞吐量的特点,选择采用分货种预测法比较适合舟山实际,而其中舟山港口的其它化物吞吐量（指除去石油、煤炭、矿石等大宗货物的货物吞吐量。下同。）,根据其特殊性,则采用弹性预测法。     

基于多传感器的一种新型车型车种分类系统

新型车型车种分类系统在轴数、轮数、车头高度、轴距这四个常用特征的基础上,增加了轮距、轮宽和车头二维形状等与国内车辆车型类别有较强关联的参数.分别采用压敏线列传感器、双红外列测量光幕来判断轮距和轴距,采集车辆的二维形状和确定其行进方向,并结合BP神经网络算法对多个传感器数据进行信息提取,判断出车型车种类别.试验证明该系统能实现车型车种类别的简便、准确和快速判定.     

基于注意力机制的车辆行为预测

为了解决智能驾驶场景中对周边车辆未来行为的预测问题,研究了基于注意力机制的长短时记忆网络(LSTM)模型的车辆行为预测方法.首先提出了一种非均匀步长的时间序列数据划分方法,将属于特定行为的车辆时序信息进行分类;以LSTM为基本的神经网络框架,用注意力机制判断输入时序信息中各个时间步信息的重要程度,分配不同的权重值;以目标车辆及其周边车辆的历史轨迹信息作为算法输入,用来预测目标车辆将来的运动行为.结果表明:该算法可以解决固定步长的时序分类方法导致的信息遗漏或计算资源负担增加的问题,同时能够有效提高行为预测准确性,减少车辆行为预测时间.     

兰州北铁路编组站综合自动化系统

铁路交通枢纽的核心是铁路编组站,它也是货物列车解编和车流集散的基地,货物列车在编组站停留作业的时间占周转的30％以上.因而,加速编组站的现代化建设,对提高货车作业效率和缩短车辆周转时间有重大意义.介绍了目前国内编组站自动化系统较为先进的兰州北编组站站调综合自动化系统主要网络构成,并简要介绍了其相关系统设备.     

基于BIRCH-LKD的在站车辆中时异常检测算法

针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85%以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.      

基于混沌时序的WTI价格系统预测

针对现代金融理论在描述价格波动行为时和真实市场之间存在着一定的差距问题,为运用混沌时间序列的方法来提取价格序列中蕴含着的动力学信息,并应用到实际预测,采用改进C-C算法消除在求解时间延迟时出现的矛盾,并且在计算Lyapunov这一重要系统特征量的过程中,结合R/S分析的方法,对小数据量法进行改进,用于WTI价格系统的预测.结果表明:该方法与传统方法相比,混沌时间序列预测的精度和可信度得到了提高,在经济预测方面有一定的理论价值和良好的应用前景.     

基于卡尔曼滤波的迟滞神经网络风速序列预测

通过将迟滞特性引入神经元激励函数的方式,构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法,将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上,构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析,并将预测结果利用卡尔曼滤波方法进行融合,从而得到最优预测估计结果.仿真实验结果表明,迟滞神经网络具有更加灵活的网络结构,能够有效改善网络的泛化能力,预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度,降低预测误差.     

基于混沌不稳定周期方法的风速时间序列预测

结合相空间重构理论,针对具有混沌特性的风速时间序列提出一种基于不稳定周期的预测方法.采用互信息法计算给定时间序列的延迟时间参数,根据时间序列运行轨迹的重合度,构造不稳定周期优化函数.通过对该函数的优化计算,得到嵌入维数参数及最佳不稳定周期值.根据所得延迟时间和嵌入维数等参数对风速时间序列进行相空间重构.利用前一不稳定周期轨迹附近的数值实现对未来风速时间序列的预测分析.仿真实验结果表明,该方法能够有效提高风速时间序列的预测性能,并可实现风速序列的多步预测分析.与持续法等传统预测方法相比,当预测步长增加时,该方法具有更稳定的预测性能.     

基于神经网络的行驶时长预测

定位设备的普及产生了海量的车辆行驶数据,使得利用历史数据预测车辆行驶时长成为可能.车辆行驶数据由两部分组成:车辆行驶经过的路段序列信息和出发时段;路径总长度等外部信息.如何提取路段序列特征,以及如何将序列特征与外部特征有效地融合,成为预测行驶时间的关键问题.为解决以上问题,提出了一个基于Transformer的行驶时间预测模型,模型由路段序列处理模块和特征融合模块两部分组成.首先,路段序列处理模块使用自注意力机制处理路段序列,提取路段序列特征.该模型不但可以充分考虑各条路段与其他路段间道路速度的时空关联性,同时可保证数据并行输入模型,避免了使用循环神经网络时数据顺序输入导致的效率低下.其次,特征融合模块将路段序列特征与出发时段等外部信息相融合,最终获得预测的行驶时长.在此基础上,统计路口连接的路段数作为路段的上/下游路口特征,与路段特征结合输入模型,进一步提升了行驶时长的预测精度.在真实的数据集上与主流预测模型进行的对比实验表明,该模型在预测精度以及训练速度上均有提升,体现了所提模型的有效性.     

基于车辆轨迹数据的交叉口危险驾驶行为预测

基于大量实证车辆轨迹数据建立了信号控制交叉口相位切换期间轨迹预测模型和驾驶员心理决策过程预测模型,并在两个模型的基础上建立了驾驶员危险行为识别的规则,三者共同构成了驾驶员危险行为预测方法.经检验,预测方法的整体精度达到88.89%.该预测方法将驾驶员临近交叉口时的隐藏心理决策过程作为一个重要变量运用到危险行为预测方法中,并实现了对车辆个体动态化的轨迹预测.     

编组站模拟系统中到达流生成的方法

编组站到达流的生成是铁路编组站技术作业系统模拟的基础工作之一,本文提出一种以列车运行图为依据,生成到达列车流的新方法．此外,编组站到达流应该包含到达列车流和本站批准装车流两个方面,文中亦为本站批准装车流提供了生成方法．     

编组站到达流生成方法的研究

设计了编组站到达流生成的一种新方法，它建立在对编组站原始到达车流统计的基础之上，然后对产生的到达流进行检验，并对南仓站实例进行到达流生成，得到了良好的结果。     

铁路货车轴承温升特性研究

热轴故障是铁路货车运行中常见的故障类型,为降低列车热轴故障的发生率,有必要对铁路货车轴承温升特性进行研究。在铁路货车轴承拟静力学分析的基础上,采用局部法,建立铁路货车轴承摩擦功耗计算模型,基于传热学理论,对铁路货车轴承系统进行传热分析,建立铁路货车轴承温升仿真模型,研究轴承工况参数和结构参数对铁路货车轴承温升特性的影响规律,并设计温升试验进行验证。结果表明：仿真结果与试验结果的最大误差为13.8%,轴承系统温升最高点位于第二列内圈大挡边与滚子球基面接触位置,轴承温升随着载荷、转速和内圈大挡边倾角的增大而增大,随着环境温度的升高而增大,随着滚子球基面半径的增大而减小。研究成果对铁路货车轴承的设计、使用具有一定参考价值。     

基于时序分析与神经网络的能源产量预测模型

实际生产系统中存在大量时间序列问题，为了研究系统的结构和规律，我们需要建立时间序列模型，对其进行预测和分析。目前时间分析方法多采用AR或ARMA模型，但由于实际问题错综复杂，导致模型求解困难，实际中难以应用。为了解决上述问题，首先分析了生产系统时序分析的基本原理，利用BP神经网络建立了时序—神经网络模型，然后利用该模型对能源产量进行了预测。通过预测结果的分析可看出，该模型具有利用方便、动态性能好、预测准确性高等优点，在实际中具有一定的实用价值。     

基于系统云灰色SCGM(1,1)c模型的铁路货运量预测

从铁路货运量的预测问题出发,试图找到稳定有效的方法对铁路货运量进行预测。通过对历年铁路货运量的定性分析,合理地选择预测数据数列,以充分体现铁路货运量的变化趋势。尝试采用单因子系统云灰色SCGM(1,1)c模型对铁路货运量进行了动态预测。结果表明:单因子系统云灰色SCGM(1,1)c模型在对铁路货运量的拟合和预测均有较好的效果。拟合精度和预测精度分别达到了98.83%和98.04%,可以有效地进行铁路货运量的短期预测。     

多层递阶非平稳时间序列模型预测矿坑涌水量

将多层递阶方法与非平稳序列分析相结合来预测矿坑涌水量。在预测过程中,改变了传统的应用周期变量法来时变参数,提出了应用非平稳时间序列模型加以预测。表明了此种方法是可行的。拓宽了多层递阶方法的应用范围,为预测矿坑涌水量提供了一种新思路。     

路网上车流组织优化与调整

本文在对车流径路算法进行深入探讨的同时,建立了路网上有条件约束的车流组织的优化模型,并提出了求解模型的运筹学算法.最后,对优化方案调整方法也作了初步的研究.     

基于时段偏好的高铁旅客车次选择行为研究

高频公交化运营已成为部分高速铁路线路满足快速增长需求的行车组织模式.历史售票数据显示旅客对同一起讫站(OD)间平行车次的选择具有明显差异性,基于Logit模型构建考虑出发时段偏好的旅客平行车次选择方法.从车次选择率及购票特征两方面阐述旅客对平行车次选择的差异性,认为出发时段是影响旅客选择的关键要素.利用RP(Revealed Preference)与SP(Stated Preference)组合调查方法获取旅客实际出发时段偏好及潜在支付意愿.将旅客出发时段偏好融合至选择广义费用函数,构建平行车次条件下旅客的车次选择模型.京沪高铁实证分析显示:模型预测结果与实际情况间平均相对误差为6.62%,验证了方法的有效性和准确性.为精细化需求特征分析及管理提供理论基础和决策方法.     

最优目标博弈下的空车调配效率模糊综合评价

通过分析铁路网中空车调配的影响因素,确定了评价空车调配效率的指标体系,同时引入三方博弈的思想得出了空车调配问题中最优目标的评价等级。在此基础上,采用模糊综合评价法建立了铁路网中空车调配效率的模型,最后以兰州局管内的铁路网为例进行了验证。该方法对提高铁路货物运输质量具有重要的现实意义。     

开行5000t重载列车对编组站作业和能力的影响及其协调对策

针对目前我国繁忙干线开行５０００ｔ重载列车编组站工作面临的新形势，重点分析了开行重载列车对编组站作业的影响，详细验算了开行重载列车后编组站的通过能力、解体能力、编组能力以及车辆停留时间和列车作业时间的变化，并分析了不同重载车流组织方案对编组站分工和能力的影响，提出了实现点线能力协调的对策。