简介：文章在介绍小波神经网络优点的基础上,提出了将小波神经网络优异的逼近能力应用于非线性系统预测控制的方案,并建立了预测控制系统的数学模型,通过仿真实验比较小波神经网络和同等规模BP神经网络的性能,对于非线性系统的预测控制具有一定的参考价值。

简介：

简介：采用南京市网约车数据研究居民出行行为特征.首先,根据不同的土地类型,将南京市核心区划分为102个独立小区;然后,对出行需求的时空特征分析可以动态调整一天内不断变化的出行需求和交通供给;最后,采用WAVE-SVM耦合模型来预测居民出行需求,结果表明该方法具有较高的预测精度,还可以捕捉到短时交通需求的非平稳特性.

简介：针对VTS水域船舶交通流随机性大、影响因素多的特点,选择基于小波神经网络的时间序列预测方法,建立船舶交通流预测模型。该预测方法对海事部门提高VTS水域通航效率和服务水平具有一定的参考意义。

简介：实时交通流量预测是智能交通系统的核心内容，智能交通系统中多个子系统的功能实现都以其为基础。交通流具有高度非线性和不确定等特征，且与时间高度相关，可以看成是时间序列预测问题。根据交通流的这些特点，提出基于小波神经网络的道路交通流量实时预测模型，并以某条道路为例，通过Matlab编程实现模拟仿真。仿真结果表明，小波神经网络能够比较精确、快速地对实时交通流量进行预测，网络预测值接近期望值。

简介：对轨道交通初步设计阶段客流预测工作进行梳理,以工程可行性研究阶段的客流预测结果为基础,根据沿线城市规划、建设和交通枢纽的调整变化（如线路车站位置、出口分布等的调整）以接驳客流的预测方法研究为重点,对轨道交通客流进行修正预测,为车站出入口、换乘通道宽度、售/检票机、楼/扶梯等设施规模和布局提供计算依据.

简介：为改善传统预测方法存在的缺陷,提出利用改进的灰色预测模型,选择经济性、快速性、方便性、舒适性、安全性作为广义费用指标,线性加权确定广义费用,根据MNL模型确定主要运输方式的客流分担率等方法,最后预测出铁路枢纽客运量,可为决策者提供规划依据。

简介：城市轨道交通对引导城市空间布局起重要作用,对城市轨道交通工程进行可行性研究的重要一环是客流需求预测。充分引入国外先进的规划理念和方法,对传统四阶段法的框架、思路和方法进行拓展,即在出行产生、出行分布、方式划分和出行分配4个阶段的总体框架下,增加了＂时段划分＂和＂反馈＂2部分内容。以无锡市城市轨道交通1号线客流预测为例,引入复合阻抗、分布校准、模型反馈等新技术,通过与国内外城市的比较分析和论证,使预测更加准确和科学。

简介：通过新亚欧大陆桥对中国经济作用及意义的简要分析，并初步界定大陆桥在中国境内的吸引区域范围,在此基础上采用以logit模型为中心的预测方法对新亚欧大陆桥集装箱运量进行预测．

简介：山区高速公路具有施工扰动范围广,水土流失类型多样、强度大等特点。以重庆忠县至万州高速公路为例,运用类比法进行山区高速公路水土流失预测研究,该方法还可为山区低等级公路及其他开发建设项目的水土流失预测提供参考。

简介：软土的不良工程特性导致软土路基极易发生病害,这些病害路基在降低公路行车速度和乘员舒适度的同时还加剧了车辆的磨损速度和公路破坏速度.受地质地理条件、区域经济发展需求、公路修筑成本和土地资源有限性等因素的制约,软土分布地区高速公路的修筑却越来越常见.鉴于此,本研究分析总结了广东省内软土的类型、形成环境及特点,以粤东地区某高速公路典型软基断面为例系统分析了其软土的成分、厚度、埋深和物理力学指标及软基沉降特征,进一步开展了基于双曲线法、指数法、泊松曲线法和Asaoka法的软土路基沉降预测.研究结果表明,山地型软土、平原型软土、滨海型软土、沼泽相软土在广东省内均有发育,各类型软土因形成环境的差异而各自具有明显的特点.在本研究选择的工程案例中,软土主要为深灰色淤泥质粉质粘土,其分布厚度较大且物理力学性质极差.沉降预测结果表明,双曲线法和指数法的预测结果与实际观测结果中后期沉降放缓并趋于稳定的现象明显不符,而泊松曲线法和Asaoka法的沉降量预测结果与实际沉降观测结果更加吻合.鉴于不同预测方法的考虑因素不同且预测结果具有或多或少的互补效果,本文最终选择了与实际情况更加吻合的泊松曲线法和Asaoka法沉降量预测结果的平均值作为最终预测结果.

简介：本次年会期间，汇丰银行针对“世界经济走势”、“国际原油价格”、“波罗的海干散货价格”等热点问题对参会嘉宾进行了一次互动访问，由于与会嘉宾囊括了政府官员、经济金融界精英及行业高层等人士，因此这份结果具有一定的代表性，从中基本能看出市场的发展情况。

简介：提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.