基于小波神经网络高速铁路客站商业价值评价方法

当前,诸多研究人员被电力负载预测所吸引,由于其是精确计划、调度及运维电力系统的先决条件.众多因素均影响着电力负载预测,因此提出一个混合模型来提升预测的准确性是有必要的.文中提出一种采用2种方法的新的混合负载估计方案:小波变换(avelettransform,wt)和人工神经网络(artificialneuralnetwork,ann).为了将大型非对称时变电力原始数据集合考虑到其中,根据时间和频率采用小波技术来分解数据,众多小波函数可以采用,但选择一种合适的小波函数在设计此模型中扮演着关键作用.文中采用了以下几种类型的小波函数,即haar小波函数、deubechies小波函数、symlet小波函数以及coiflet小波函数,将电力负载数据分解成不同的段.随后,使用ann来预测负载的非线性数据.由aemo获取一周每天24h的数据验证了文中所设计模型的有效性.

边坡地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理、有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文中将基于bp算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。

为了评定旧水泥路面的综合性能,基于人工神经网络,选取6项易得指标建立旧水泥混凝土路面综合性能评价模型。使用代表性强的样本进行训练,得出该评价模型具有较高的准确性,并将该模型应用于实际工程中,效果优良。

边坡的地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理和有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文章将基于bp算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行了预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。

通过高速公路出入口od矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的。针对高速公路出入口od矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进bp神经网络的高速公路出入口od矩阵推算模型,并设计了od推算神经网络。实例分析表明,该模型推算结果理想,且推算精度得到一定提高。

结合小波分析和神经网络,建立了小波神经网络预测模型和改进的小波神经网络模型,并将其应用到某地铁施工变形预测中。3种预测模型(传统的神经网络、小波神经网络和改进的小波神经网络)的对比分析表明,改进的小波神经网络模型精度高,具有很好的应用前景。

基于小波-神经网络的软土路基沉降预测方法——软土路基的沉降是公路施工中常见的一种病害。该文结合小波分析和神经网络的特性，提出了一种新的路基沉降预测方法(wavelet-rbf)。分析表明，该方法具有较好的预测精度和泛化能力，可以用于工程实际。

文章主要对江西高速公路信息中心建设中的道路气象监测平台和交通应急监控平台做了一些具体的研究。主要研究内容首先是道路气象监测平台监测各路段及关键点的各种异常交通环境因素变化和气象状况。将数据信息及时传送到高速公路信息中心基于地理信息系统gis模型，再通过bp神经网络模型分析路况实时气象数据（气温、湿度、风向、路面温度、能见度等）与道路车辆行驶状况（如交通量、速度、道路占有率等）之间的关系，模拟道路天气对道路车辆的影响。

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用bp神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。

引言高速公路交通量预测是高速公路建设项目可行性研究报告的一项重要内容,它是进行交通量现状评价、综合分析建设项目的必要性和可行性的基础,是确定高速公路建设项目的技术等级、工程规模、效益分析的主要依据。同时,其准确率直接关系高速公路投资回报率,甚至影响项目国民经济评价及财务评价。根据调查资料和工程项目的性质选用不同的预测方法,国内、外已提出的各种预测方法多达200种左右,但用于实际操作的较少,如头脑风暴法、专家预测法、

以高速公路交通流预测为研究对象,简化了高速公路宏观动态交通流模型,利用matlab神经网络工具建立模型并进行网络训练与预测。对嘉兴站附近高速公路交通流数据进行了采集、建模和预测。从预测结果中得知,基于bp神经网络交通流预测模型具有很高的可靠度,该简化的交通流模型更为简练,预测结果亦可以点带面地面描述该站点一定空间及时间范围内的交通流情况。

考虑到常规bp神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型ga优化bp神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用kddcup99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对bp神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择bp神经网络结构参数带来的问题,避免了常规bp神经网络容易陷入局部最优解的问题。

为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与bp神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。

基于bp神经网络的矿井通风系统安全评价方法——运用人工神经网络的理论和方法，建立了基于bp神经网络的矿井通风系统安全评价模型，并利用matlab7．0进行编程，实现了矿井通风系统的安全评价预测。通过某矿通风系统的实例评价，预测结果与实测结果相符，表明应...

构建单一新建设工程项目(不包含拆除工程)的建筑废料管理评价指标体系,概述基于bp人工神经网络评价方法的基本原理,并详述基于bp人工神经网络的建筑废料管理评价模型的建立过程,包括神经网络的建立、学习训练,以及结果的检验等.将该模型应用于实例检验,得到较满意结果.

在阐明绿色施工概念的基础上构建了绿色施工的评价指标体系。概括介绍了基于人工神经网络评价方法的基本原理,并分析了该方法应用于绿色施工评价的优越性。详细论述了基于bp人工神经网络的绿色施工评价模型的建立过程,包括神经网络的建立、学习训练,以及结果的检验等。将该模型应用于上海某工程的绿色施工评价,取得了令人满意的结果。

从工业企业生产发展的特点出发,在界定安全评价概念的基础上,从系统论的角度简要介绍了运用三层bp神经网络技术进行安全综合评价的方法和安全模糊综合评价方法。通过对这两种较为流行的安全评价方法进行分析,指出了传统评价方法的不合理性,辨证说明了这两种评价方法的优越性。

众所周知,国防科技工业是为国家安全服务的产业,也就是生产武器装备的产业。当今世界,科技发展日新月异,现代武器系统越来越复杂,研制周期越来越长,一个国防科技工业项目从拟定方案,中间经过研制、试验、生产,到部署新武器系统,一般要花12～15年,有的可能长达20年。整个过程资金密集,技术密

针对边坡稳定性工程地质评价方法过分强调经验和难以定量的缺点，提出了一种基于人工神经网络的边坡稳定性工程地质评价方法，详细介绍了它的建模方法和应用实例，结果表明该方法不仅有效，而且有定量，简便，实时，自适应等优点，具有广阔的应用前景。

将人工神经元网络应用于绿色建筑评价中,建立了采用lm算法的三层bp神经元网络绿色建筑评价模型,并参考国内外对绿色建筑评价的研究,建立绿色建筑评价指标集,通过专家打分获得训练样本,用trainlm训练函数训练网络,验证了绿色建筑评价结果与实际的一致性。最后,通过已训练好的网络,对多个绿色建筑方案进行评价选优,验证了该模型在绿色建筑评价中的实用性与可靠性。

为提高高速公路沥青路面使用质量的评价精度,将t-s模糊理论与bp神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.

当前,随着高速公路超载车辆的重型化、行车速度的提升及交通流量的加大,致使多数高速公路出现辙槽、裂缝等病害现象。这种病害现象的存在不仅会减少道路的使用年限,增加整修成本,还会降低高速公路服务国民经济的能力,也给人们的出行带来极大的安全隐患。一种新的路面质量评价模型:模糊神经网络顺势而生,它能有效地应对日益繁重的高速公路养护工作。本文就此模糊神经网络模型进行分析。