道路交通安全评价方法

为了准确的得进行道路交通安全评价。在分析国内外道路交通安全现状的基础上，对影响道路交通安全的影响因素进行了分析，重点评述了绝对数法、事故率法、事故强度分析法，概率一数理统计法、模型法、时间序列分析法和灰色评价方法等国内外道路交通安全的各种评价方法，指出了各种评价方法的优缺点及其适用性，结果对道路交通安全评价有一定的参考价值。     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

基于交通出行行为的郑焦城际公交客流预测

通过统计分析郑焦城际公交乘客的个人属性和出行信息,选择灰色模型对客流进行建模、预测和精度检验,得到模型的平均相对误差为3.98%,精度为96.02%,较好地满足了精度要求。该研究为郑焦城际公交的组织优化提供了理论依据和技术支持。     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。     

基于环境的公路设计方案评价方法研究

从公路设计方案评选的角度出发,概括出了对环境有较大影响的9个指标,并对其进行量化,使得环境保护与公路建设同步进行。同时,运用灰色关联分析法建立了方案优选的排序模型,使评价更加科学。     

基于GM(1,1)模型的高速公路边坡稳定性研究

目的由于气象、地形及施工条件等的影响,高速公路边坡可能会发生滑塌,造成巨大的危害。针对边坡稳定性问题,分析边坡稳定性的影响因素。方法以现场边坡监控数据为依据,运用灰色预测GM(1,1)模型进行边坡稳定性预测。结果研究结果表明模型预测值与实测值误差较小,采用该预测模型可为技术人员提供数据支持,并根据所预测的结果来采取必要的安全措施以保证边坡的稳定性。结论灰色理论的运用和必要的监控对于确保边坡安全具有重要的指导意义。     

灰色模型在我国人口预测中的应用

人口问题就是一个典型的灰色系统问题,在灰色GM(1,1)模型的基础上,构建了灰色+BP神经网络组合模型。根据1949-2011年我国人口发展的最新统计资料,提出并建立变换初值灰色模型,然后利用两种模型预测值的均值对我国人口发展趋势进行中长期预测。     

中外优秀女子七项全能各单项得分的灰色关联分析

运用“灰色系统理论”中的优势分析法,对我国第九、十届全运会女子七项全能运动前8名的成绩进行分析,并将我国第十届全运会女子全能项目的单项前8名成绩与世界女子七项全能项级运动成绩进行了比较研究;寻找出造成差距的主要原因,并为我国该项目的科学选材、训练和比赛提供参考依据.结果表明:我国女子七项全能项目的各单项成绩与评分表具有...     

湿蒸汽凝结流动过程湿度软测量模型

针对汽轮机末级湿蒸汽凝结流动过程湿度分布影响因素的复杂性和非线性,采用灰色关联分析方法对实验测得的质量中间半径、水滴数密度、蒸汽湿度与初压、进汽口温度、背压、尾部温度、水比容、汽比容的相互关系进行关联分析处理,确定影响因子之间的主次关系;并以影响湿蒸汽凝结流动过程湿度分布的主要因素的初压、进汽口温度、背压、尾部温度、水比容、汽比容等作为支持向量机网络的输入,建立湿蒸汽凝结流动过程支持向量机网络预测模型,结果表明:支持向量机网络预测湿度的最大相对误差小于9%,以初压、入口温度、背压、尾部温度、水比容、汽比容为输入的支持向量机网络具有较高的精度,可以很好地预测汽轮机末级湿蒸汽凝结流动过程的湿度分布。