基于贝叶斯正则化神经网络的道路交通安全倾向性预测

对典型部门影响交通安全的相关因素进行了集成分析,构建了道路交通安全倾向性预测指标,在此基础上采用贝叶斯正则化神经网络对沈大高速公路某路段的道路交通安全倾向性进行了预测,对网络结构、训练集、预测集以及学习次数进行了优化.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于传统的神经网络,可作为探究道路交通安全系统内部各影响要素关系的辅助手段.     

基于贝叶斯网络的供应链可靠性诊断分析

为研究供应链中各因素对供应链可靠性造成的影响,提出了一种基于贝叶斯网络的供应链可靠性诊断方法.首先,建立了供应链失效诊断的一般模型,然后运用贝叶斯网络原理,将供应链可靠性的故障树诊断模型转化为贝叶斯网络的有向无环图.最后,通过算例对该方法的应用进行具体说明.结果表明:贝叶斯网络分析法克服以往故障树分析法的一些局限,不仅能够根据节点的概率计算出整个供应链的可靠性,还可以在已知供应链可靠性的基础上推断出各节点发生的概率,从而达到既能诊断又能预测的目的.     

基于贝叶斯网络的工期隐性成本影响因素研究

文章针对工期隐性成本影响因素的复杂性和不确定性,采用贝叶斯网络原理建立了工期隐性成本因素贝叶斯网络,并提出了计算局部因素节点概率的算法。最后,通过实例应用,证实了该算法的可行性,为建筑施工项目的工期隐性成本控制提供了理论依据。     

基于贝叶斯网络的公路工程造价指数预测模型研究

本文拟通过贝叶斯网络的结构学习建立造价指数影响因素间的因果关系,通过参数学习建立影响因素之间的条件概率分布;并以此为基础构建基于贝叶斯网络的造价指数预测专家系统,为造价指数的动态变化提供一种新方法.     

基于贝叶斯网络的公路工程造价指数预测模型研究

本文拟通过贝叶斯网络的结构学习建立造价指数影响因素间的因果关系,通过参数学习建立影响因素之间的条件概率分布;并以此为基础构建基于贝叶斯网络的造价指数预测专家系统,为造价指数的动态变化提供一种新方法.     

基于贝叶斯网络的公路工程造价指数预测模型研究

本文拟通过贝叶斯网络的结构学习建立造价指数影响因素间的因果关系,通过参数学习建立影响因素之间的条件概率分布;并以此为基础构建基于贝叶斯网络的造价指数预测专家系统,为造价指数的动态变化提供一种新方法.     

基于贝叶斯网络的玻璃幕墙运维安全风险分析

玻璃幕墙安全风险随着其使用年限的增加而愈加突出,为了预防和减少玻璃幕墙运维安全风险及事故损失,本文对玻璃幕墙面板破碎、胶合材料失效和固定支撑件破坏等各类安全风险进行系统分析,并结合经验对风险因素之间逻辑关系进行补充修正,构建贝叶斯网络,运用贝叶斯网络的不确定性推理理论,预测玻璃幕墙运维安全风险的发生概率,并反向诊断出玻璃幕墙运维事故的关键致险因素,以便能够快速实现风险监测及事故排查.     

基于影响因素多维融合与贝叶斯概率更新的电力物资需求预测

通过梳理电力物资需求预测中存在的真实需求和计划需求、物资出库量和真实需求的不一致,以及电力物资需求的内外部影响问题,提出基于影响因素多维融合与贝叶斯概率更新的电力物资需求预测方法。首先分析了电力物资需求的内外部影响因素及其筛选,并按其对需求预测的影响程度进行权重赋值;其次设计了影响因素多维融合与贝叶斯概率更新的电力物资需求预测框架,介绍了贝叶斯概率更新的需求预测流程步骤;最后以温州市10kv配网项目的电力电缆需求预测为例进行算例说明。应用算例表明该方法能有效反映需求因素对电力物资需求变动的影响,符合电力物资需求特性,且具有很强的拓展性。     

中长期负荷预测方法探究及其系统研发

中长期负荷预测是电力系统运行和规划的前提和基础,也是电力系统可靠运行的根本。其预测的准确与否直接关系到投资、网络布局和运行的合理性。因此对电力系统进行中长期负荷预测以及其预测方法的研究尤为重要。文章介绍了负荷预测对电力系统的重要性以及影响负荷的主要因素,综述了负荷总量和分布的预测方法,如灰色预测方法、组合预测方法和空间负荷预测方法,最后对计算机结合各种预测方法的预测系统进行研发。     

基于动态模型平均的中国通货膨胀实时预测

本文研究了动态模型平均方法 (DMA)及其参数估计。DMA方法允许方程所含变量、变量系数及模型所含方程同时变动,适用于对宏观经济指标进行实时预测。本文利用DMA对中国通货膨胀进行实时预测表明,DMA方法下的中国通货膨胀预测解释变量处于0～3;以CPI指数和GDP平减指数作为通货膨胀衡量指标的情况下,不同预测期的解释变量被包含概率是时变的;遗忘因子为0.95时,利用DMA方法对我国通货膨胀的预测效果最佳,优于贝叶斯模型平均和时变向量自回归模型。     

旅游交通需求预测方法探讨

将旅游交通进行分类,从典型的旅游交通形式的角度,借鉴交通需求预测方法,分析了干线旅游交通需求预测和观光线旅游交通需求预测的方法,给出相应模型,为旅游道路网的规划提供依据.     

三支交叉汾河大桥交通量预测研究

为了科学预测三支交叉公路桥交通量,以交通工程学、交通流等理论为基础,通过对省道宁白线、忻黑线的三支交叉汾河大桥的实地交通调查,定量分析其交通组成和交通量的变化规律,借助计算机辅助手段,采用时间序列法构建了三支交叉桥交通量的预测模型,结合实际交通流加权得到三支交叉汾河大桥目标年交通量,并以该区域的社会经济状况建立了多因素交通量模型进行了拟合验证。最终为三支交叉桥交通量的科学预测探索了一种新的思路。     

基于BP神经网络的物流需求量预测模型研究

本文利用神经网络理论，建立了时间序列对象的反向传播（back-propagation，BP）预测模型，运用于物流需求量预测。并通过实例分析，验证了本模型的科学性与正确性。     

基于农村物流需求量的组合预测分析

农村物流需求量的预测对于农村物流的发展有重要意义。文章把农村消费品零售总额作为农村物流需求量预测指标．通过分析各影响因素,建立了多元回归、双指数平滑及移动平均单预测模型。根据得出的单项预测误差数据,采用折扣系数法建立组合预测模型,使得组合预测模型预测误差平方和最小。预测能力明显优于单项预测模型。     

基于加权马尔可夫模型在预测东方6+1彩票中的应用

文章根据东方6+1彩票数据,通过分类建立状态转移概率矩阵,采用规范化的各阶自相关系数为权重,通过状态转移概率矩阵预测未来时段的可能出现的状态。通过建立的马尔科夫模型对彩票进行预测和检验,此方法在客观、简便的基础上为选号预测提供新的解决途径。     

Forecasting from others’ experience: Bayesian estimation of the generalized Bass model

We propose a Bayesian estimation procedure for the generalized Bass model that is used in product diffusion models. Our method forecasts product sales early based on previous similar markets; that is, we obtain pre-launch forecasts by analogy. We compare our forecasting proposal to traditional estimation approaches, and alternative new product diffusion specifications. We perform several simulation exercises, and use our method to forecast the sales of room air conditioners, BlackBerry handheld devices, and compressed natural gas. The results show that our Bayesian proposal provides better predictive performances than competing alternatives when little or no historical data are available, which is when sales projections are the most useful.     

物流园区交通影响分析研究

在借鉴国内外交通影响分析研究成果的基础上探讨适合城市物流园区的交通影响分析方法,并建立起了完整的框架体系结构：包括交通需求预测、交通影响分析、交通组织设计及相应的交通改善措施。在利用Transtar软件对物流园区的交通影响程度进行宏观分析的基础上,结合实例研究了如何利用VISSIM仿真软件对园区建设前后交通状况进行仿真分析并对仿真结果进行评价。采用宏观规划、微观仿真两种方法对物流园区新建造成的交通影响进行了全面的评价,弥补了单一方法所带来的不足。     

基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

Fast Kernel Smoothing of Point Patterns on a Large Network using Two‐dimensional Convolution

We propose a computationally efficient and statistically principled method for kernel smoothing of point pattern data on a linear network. The point locations, and the network itself, are convolved with a two‐dimensional kernel and then combined into an intensity function on the network. This can be computed rapidly using the fast Fourier transform, even on large networks and for large bandwidths, and is robust against errors in network geometry. The estimator is consistent, and its statistical efficiency is only slightly suboptimal. We discuss bias, variance, asymptotics, bandwidth selection, variance estimation, relative risk estimation and adaptive smoothing. The methods are used to analyse spatially varying frequency of traffic accidents in Western Australia and the relative risk of different types of traffic accidents in Medellín, Colombia.     

最大熵模型在物流量分布预测中的应用

引入最大熵模型的原理和方法,对物流分布预测的“四阶段方法”中的重力模型做了一定的改进,可以将发生概率最大的物流分布视为预测的物流分布,使得模型参数容易标定。示例表明该方法在物流量分布预测中具有较好的应用前景。