广义神经网络在织物热传递性能预测中的应用

在分析织物热传递性能与相关影响因素之间关系的基础上,建立了织物热传递性能预测的广义神经网络模型(GRNN).并与传统的BP网络模型仿真结果进行了比较,结果表明:GRNN网络设计简单,学习收敛快,在解决小样本问题的学习中,具有更好的的预测和泛化能力,验证了GRNN网络预测的优越性和有效性.     

用神经网络残余Kriging预测场地液化势

提出了基于神经网络残余Kriging的场地液化势数据预测模型.利用传统的地质统计学方法中的交叉验证技术来寻找网络参数Spread.在最优网络参数下,GRNN网络较好地映射了场地液化势的非线性趋势,再借助于Kriging对残余分量进行数据空间结构分析和估值.计算结果表明,GRNN网络预测的非线性趋势较好地刻划了场地液化势数据的全局特征,其非线性映射能力要高于趋势面技术.去势后的场地液化势残余分量满足本征假设条件,可以很方便地用Kriging方法来估值.本法可以嵌入岩土工程决策系统对未勘察区域进行场地液化预测和评价.     

基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测

为了给海事部门提供科学准确的船舶交通流量预测,本文提出一种基于文化萤火虫算法(CFA)来优化广义回归神经网络(GRNN)的算法(CFA-GRNN),对船舶交通流量进行预测分析.介绍了基于自动识别系统(AIS)的航道交通流量统计方法.利用快速排斥试验和跨立试验来判断船舶轨迹是否穿过航道某一断面的观测线,并将AIS数据中的经纬度数据转换为墨卡托平面坐标系数据.研究了GRNN的实现原理,CFA以GRNN输出均方差为适应度函数,以GRNN的输入层和隐含层中的权值、隐含层和输出层中的权值、隐含层的阈值及输出层的阈值为编码进行优化,进化目标是得到最合适、最优的神经网络结构.利用AIS收集统计到并经过预处理后的数据,应用CFA-GRNN对舟山螺头通航的船舶进行交通流量预测,并对试验结果和误差进行了统计分析.结果表明:CFA-GRNN与GRNN和萤火虫优化广义回归神经网络相比,泛化性能好,不易陷入局部最优,预测结果精度更高.本研究对船舶交通流量进行预测分析有着十分重要的理论和实际意义.     

基于GRNN的汽车保有量预测模型

GRNN在解决样本量小且噪声较多的问题时,逼近能力、分类能力和学习速度有明显优势.采用主成份分析法的GRNN模型对山东省汽车保有量进行预测,结果表明,该方法具有结构简洁、收敛速度快的优点.与传统方法相比,GRNN模型的预测精度更高,对相关部门的决策具有参考意义.     

基于OPC技术和果蝇优化广义回归神经网络的海洋蛋白酶发酵过程软测量

鉴于海洋生物酶发酵过程中关键生物参数难以实时在线测量的问题,提出了一种基于果蝇优化算法(Fruit fly optimization algorithm,FOA)的广义回归神经网络(Generalized regression neural network,GRNN)与面向过程控制的对象链接与嵌入技术相结合的软测量方法。GRNN的非线性映射能力强、学习速度快,但GRNN的预测性能受平滑因子的影响比较大,因此利用FOA对GRNN的平滑因子进行寻优,以提高模型的泛化能力,采用OPC技术可以实现MATLAB和组态王之间的数据通讯,将预测的关键生物参数值传送给组态王进行实时显示与存储。通过采集海洋蛋白酶发酵过程的实验数据,建立基于FOA优化GRNN的海洋蛋白酶发酵过程关键生物参数(菌体质量浓度、基质质量浓度、酶活)的软测量模型,并与GRNN、BP神经网络、支持向量机(Support vector machine,SVM)进行对比。结果表明,基于FOA优化GRNN的软测量模型对训练样本的拟合能力和对测试样本的预测能力都远远超过GRNN、BP神经网络和SVM,通过OPC技术将MATLAB和组态王进行数据连接,实现了生物参数的实时在线测量,且系统运行的稳定性较好。     

GRNN网络在企业盈利能力预测中的应用

探讨广义回归（GRNN）神经网络在企业盈利能力预测上的优势及应用前景．利用文献资料、MATLAB7．0软件中的神经网络工具箱分剐构建企业盈利能力的GRNN预测模型和BP预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较．GRNN的最优光滑因子为0．05;BP神经网络的隐含层数定为10．从拟合效果看,GRNN和BP预测模型的平均误差率分别为0．5687％和1．6008％．从预测效果看,两者的平均误差率分别为2．1678％和2．5176％．GRNN充分体现了在小样本预测中的优势,预测效果优于BP网络．     

基于EMD-PF-GRNN的短期风电功率预测研究

针对短期风电功率预测,将风电输出功率作为时间序列信号,由于其所具有波动性、非平稳性的特点,提出一种基于经验模态分解(EMD)、粒子滤波(PF)和广义回归神经网络(GRNN)的组合预测模型。首先,利用EMD对风电功率序列进行分解,获得各个相对平稳的模态分量;然后,将分解得到高离散度的数据采用PF进行分析处理,低离散度的数据采用GRNN进行分析处理,其中,通过粒子群算法(PSO),根据各低离散度数据自身特点优化GRNN的平滑因数,以进一步提高其预测性能和精度;最后,通过线性叠加各分量的预测结果得到最终风电功率的预测值。结果表明,与PSO-GRNN和单一GRNN结构相比,EMD-PF-GRNN预测模型的预测误差降低了6%左右,预测精度更高,可以更好的预测风电功率。     

改进的CS-GRNN模型在城市需水量预测中的应用

为了更加准确地预测城市需水量,提出一种基于改进布谷鸟算法优化广义回归神经网络模型的城市需水量预测方法.该方法采用改进的布谷鸟算法对广义回归神经网络的平滑因子进行优化,建立改进布谷鸟算法优化的广义回归神经网络模型(ICS-GRNN),并应用于南宁市城市需水量预测中.通过使用南宁市2001—2012年城市需水量测试数据分别对传统GRNN法和ICS-GRNN法的预测结果进行比较,结果表明,该方法具有更高的预测精度和数据拟合能力.     

基于小样本的GDI涡轮增压发动机性能预测方法比较分析

为了降低建立发动机性能预测模型消耗的实验成本，利用具有强大的非线性问题分析能力的机器学习算法：广义回归神经网络（general regression neural network，GRNN）和支持向量回归（support vector regression，SVR），预测GDI （gasoline direct injection）涡轮增压发动机性能。首先采用田口正交实验法和拉丁超立方算法确定训练数据和测试数据的操作点，然后基于仅包含25个样本的相同训练数据训练模型，使用100组相同的测试数据测试GRNN和SVR的预测性能并进行了对比研究。对比分析表明，在实验数据有限的情况下，GRNN有收敛到局部最小值的风险，而SVR可以找到最优的全局解，并具有良好的预测精度和泛化能力，因此SVR非常适合应用于GDI涡轮增压发动机性能预测，并将显著降低实验成本。     

基于GRNN神经网络的中厚板轧机厚度预测

根据4200轧机轧制45号钢的实测数据,利用Matlab神经网络工具箱,建立中厚板轧机厚度预测的GRNN神经网络模型.研究结果表明;GRNN神经网络模型能较好地预测轧件厚度的变化,相对误差很小;与BP网络和Elman网络模型相比,GRNN网络模型具有更高的精度和更强的稳定性.     

地铁货运系统运作的列车调度方式建模

地铁货运系统作为地下物流系统一种很有前景的技术形式,充分利用城市既有地铁网络基础设 施,建设与城市轨道客运协同运作的地铁货运具有较高的可行性。客货分离式和拖挂式是两种主要的地铁 货运模式,由于地铁客货站点分布不同,客货列车的协同运行方式实际上是一种站点确定条件下的快慢车行 车调度问题。以满足地铁货运需求且对客运影响最小为目标,分别对两种模式的地铁货运系统构建列车调 度双层规划模型,并设计双层嵌套遗传算法进行求解。以 X市环线地铁线路为案例,利用 BP神经网络预测 未来20年的区域货运需求量,并基于此计算两种模式的列车调度排班结果。结果表明,两种模式单趟运行 时间相近,客货分离式的承载力更大,但在货运需求较小时空置率较高,易造成运能浪费;拖挂式的货运平均 等待时间较少,货物疏散效率更高,对地铁客运影响更小,但排班灵活性较差。     

青藏铁路格拉段货运量预测

分析了青藏铁路格拉段,进出藏运量差异大,存在地区间客货运输的需求差异和季节波动的特殊性.针对格拉段所在经济区域存在大量受运能制约而无法实现的潜在运输需求的特点,在社会货运总量预测中提出了货运诱发系数的概念,用以度量新线建设对社会货运量的带动作用.     

基于VAR模型的中国铁路货运需求实证分析

在建立铁路货物运输、国民经济、铁路路网扩展的协整VAR模型基础上,对铁路货物运输需求的长期的收入弹性和供给弹性进行了估计,并对三者的短期动态关系进行了分析.结果表明,铁路货物运输具有长期平稳的,幅度不大的收入弹性,而长期的供给弹性大且不稳定.在短期中,国民经济是铁路货物运输的重要影响因素,路网扩展对其影响不大.铁路货运和路网扩展的短期变化对国民经济冲击不大.铁路货物运输是路网扩展的重要影响因素,而国民经济的短期变化对路网扩展的影响不大.     

基于大数据的货物运输责任时间划分方法研究

通过对铁路货物运输过程及其影响因素的分析,指出了现有货物运输过程各环节时间的分配方法存在的不足。提出基于大数据的货物运输责任时间划分方法,借助云计算平台在大数据处理方面的优势,设计了货物运输大数据分析方法和步骤;提出货物运输责任时间和责任保障率的概念及计算方法,以实现对货物运输全程各环节作业的效率进行动态考核和评价。以京广线上衡阳北—大朗运输区段的实际数据为算例,与传统计算方法进行对比,验证了本文所提出的方法具有更好的可适性和应用前景。     

云南省公路货运场站存在的问题及对策

采用文献资料、调查研究和理论分析等方法，对云南省公路货运业存在的总量少、规模小，空间分布不平衡等主要问题的现状及原因进行分析研究，并从政策支持、融资渠道、信息平台共享等方面。提出了云南公路货运场站的发展对策．     

上海市公路货运量与经济增长关系的协整分析

根据1990年～2005年上海经济与货运交通发展的数据,利用协整理论及其分析软件,对上海市公路货运量与经济进行协整分析.通过协整检验发现,公路货运量与经济指标之间存在长期的均衡关系.Granger因果检验表明,公路货运量与公路里程数、工业企业总数、国民生产总值(GDP)之间都存在单向的Granger因果关系.研究结果表明:目前公路运输对国民经济增长的促进作用的能量还没有得到充分发挥.相关政府部门则需要调整相关的产业政策及货运政策,引导公路运输向更为健康的方向发展.     

基于LMDI方法的北京市对外交通运输能耗分解研究

基于2005-2012年北京市对外交通运输各运输方式的客、货运周转量及对应能源消耗量的统计数据，利用LMDI方法建立了能耗变化模型。根据ASIF分类方法，选择影响能耗变化的3个主要因素：交通活动水平、交通方式结构和能源强度，定量地计算各因素对能耗变化的影响力和贡献率。研究发现，能源强度抑制能耗的增加，其他2个因素均促进能耗的增加。为了减缓能源消耗的增长速度，需要依托能源技术进一步降低能源强度，并将客货运量向运量大、能耗低的铁路吸引。     

“双碳”目标下中国货物运输体系可持续发展策略

 分析了交通强国建设与”双碳”目标下中国交通运输发展的基本形势。以货物运输为对象，剖析了综合交通运输系统的结构。基于经济发展、产业结构调整、运输组织模式变革与新技术的影响，分析了2030年中国货物运输业的需求规模。结果表明，2030年中国货物运输需求规模约为20.5万亿t·km（不含远洋）。通过借鉴部分国家的发展经验，分析了碳达峰背景下中国货物运输业的减排任务。从运输规模控制、运输结构调整、运输组织模式变革以及新技术应用4个方面提出了促进中国货物运输业高质量、可持续发展的策略，包括调整产运结构、发挥铁路运输优势、优化运输方案、促进多式联运等。     

民用机场货运吞吐量预测方法

随着中国经济建设和航空运输的发展，航空货运在航空运输市场中的份额越来越大，成为航空运输业新的经济增长点．目前对于机场货运吞吐量的预测方法不尽合理，导致了预测与实际情况不符，为此提出将机场的服务范围和城市圈概念融入传统吞吐量的预测方法．最后以南京机场为案例进行了分析研究。     

基于装载能力约束的集货车辆路径问题研究

针对物流货运过程中,集货车辆在规定时间内从各配货站集货后回到中心货站进行分类运输问题建立了多目标组合优化模型,并设计了相应的算法。通过实证模拟的方式检验了所提出了基于装载能力约束的集货车辆路径优化方案,为物流中心集货车辆的优化调度提供理论指导和实际借鉴作用。