RBF神经网络的高速公路防追尾模型

随着数据挖掘技术在各领域运用越来越多,其算法也日渐趋于成熟。数据挖掘技术作为建立预测模型的重要技术,已成为专家研究的热点。随着数据挖掘技术在实际模型运用中暴露的问题越来越多,单一的技术和方法已无法满足各类功能的需求。为了分析公路货运中复杂的数据,构建一种功能强大的预测模型就显得尤为重要。本文尝试说明在数据预测模型中运用rbf神经网络技术和主成分分析方法,挖掘和分析公路货运中的数据,提高预测结果的准确性和高效性,为制定新的决策提供有效的依据。

基于神经网络的高速公路软基沉降分析——简述了高速公路软基沉降观测的目的和意义。介绍了工后沉降的预测方法。其后，简述了bp神经网络的基本概念。论文提出了基于神经网络的高速公路工后沉降预报方法。结合江苏省某高速公路现场监测资料，进行了实例分析，说明...

软土地基的沉降控制是保证高速公路建设质量的一个关键技术。论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型。对神经网络的bp算法进行了改进,提高了bp算法的学习收敛速度和网络性能的稳定性。神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的"训练样本"构造方法,且应用效果良好。利用路基沉降量实测资料直接建模,采用bp网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好。

结合高速公路的特点,基于层次分析法和神经网络,建立高速公路物流预测模型,以湖南高速公路物流为样本对模型进行实证分析,验证模型的有效性和准确性。

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系.给出了基于bp神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模.该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.

为了提高高速公路沉降预测的精度,提出了"双曲线+神经网络"的混合模型对高速公路沉降进行预测.基于某省某高速公路k57+580m断面2003—2013年的实测沉降数据,采用双曲线模型对施工期和通车期分别进行沉降预测.然后利用构建的混合模型重新对该断面进行施工期和通车期的沉降预测,分析比较2种模型的预测精度.为了验证2种模型的预测精度,选取该高速公路k156+100m断面实测数据进行计算.结果表明,混合模型在施工期和通车期的预测值的中误差分别达到1.13和7.30mm,预测精度相比双曲线模型在施工期和通车期分别提高了66.2%和41.8%.

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用bp神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。

电力系统短期负荷对电力企业的经济效益和社会效益都有一定影响。因此文中建立了基于rbf神经网络的电力系统短期负荷模型。用历史负荷数据作为训练样本,用训练好的神经网络进行电力系统短期负荷预测,并与bp神经网络进行对比。rbf神经网络的平均误差为2.09%,最大误差为4.77%,相比于bp神经网络精确度较高,有利于电力系统合理地进行调度规划工作。

基于rbf神经网络模型的砂土液化震陷预估法——本文以日本地震、我国海城地震和唐山地震中砂土液化引起的地基震陷实测资料为基础，采用径向基函数(radialbasisfunction，rbf)神经网络建立各主要影响因素与地基震陷量之间的非线性关系，即实现神经网络模型对地...

基于rbf神经网络的软基沉降预测研究——将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压...

针对建筑工程特点,提出了基于rbf神经网络的建筑工程投标报价方法,建立建筑工程投标报价标高率数学模型。应用matlab计算软件,以实例验证了该模型的正确性及实用性。

基于rbf神经网络的建筑逐时空调负荷预测模型——分别用径向基函数(rbf)神经网络模型和bp神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测，发现rbf神经网络模型预测的均方根误差和平均相对误差都仅是bp神经网络方法的64％...

提高重轨钢的性能控制能力对其产品质量保证有重要作用。采用神经网络方法建立了重轨生产性能预报模型,并通过模型结构优化提高了模型预报的可靠性。通过模型自检、历史数据检验和离线应用,表明高速重轨的抗拉强度与伸长率预报命中率较高,可基本满足生产要求。

针对目前混凝土强度预测中存在的不确定性,难以自适应性的确定神经网络隐含层,建立了基于高维云的rbf神经网络的混凝土预测模型。运用matlab8.10进行仿真实验。实验结果表明该模型综合考虑了影响混凝土强度的各种因素,能够实现预测结果的随机性和模糊性,具有更高的预测精度,更快的训练速度,可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

模糊神经网络在系统辨识、模式识别、图像处理、财务工程、数据采掘、工业控制、消防电子等许多领域有着广泛应用。文章着眼于高速公路路面质量评价,概述了高速公路路面质量评价的重要性,明确了基于模糊神经网络的高速公路路面质量评价的提出,并就其作出验证,意在为高速公路路面质量评价中模糊神经网络的应用提供思路与支持。

以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用bp神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点.

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于bp神经网络的高速公路工程造价预测模型,最后结合matlab神经网络工具箱对程序进行设计,并选取已完工程为实例.通过对模型的训练、修正以及实例验证,证明bp神经网络可以有效提高预测的精确度,具有较强的实用价值.

基于rbf神经网络的砂土液化预测——通过分析砂土液化成因及其影响因素，建立了砂土液化预测rbf网络模型，并与bp网络预测模型进行比较．测试结果表明，应用rbf网络模型对砂土液化进行预测，预测效果好，识别精度高．