非等时距

摘要： 针对传统灰色模型要求原始实测数据是等时距的特点,基于某项目实测数据,利用三次样条插值良好收敛性、优越稳定性以及二阶光滑度的独特性质,将实测数据转化为等时距序列,建立非等时距灰色模型,并采用控制变量法,对时间间隔和观测次数这两种因素进行精度分析,为构建高精度非等时距灰色模型提供借鉴。研究结果表明,三次样条插值具备强大插值能力与高度契合的插值效果,所构建的非等时距灰色模型精度较高,所得到的预测值与实测值误差在3%左右,是高层建筑沉降预测的一种有效方法。

摘要： 受监测环境影响,边坡变形的非等时距监测数据采集时有发生,为实现工程中监测数据非等时距的等间隔化,保证数据分析的有效性,基于灰色线性组合模型,对非等时距监测数据进行等间隔化处理,建立了非等时距灰色线性组合模型。依托某一边坡工程,基于现场实测数据,采用非等时距灰色线性组合模型进行预测,结果表明预测结果和实际数据误差在1 mm以内,拟合值与实测值接近且拟合精度比传统模型高,这为解决存在非等时距监测数据的边坡变形预测问题提供了一条有效途径。

摘要： 轨道质量指数(TQI)是制定轨道维修计划的基础,具有随时间缓慢变化并伴有随机波动的特点,现有模型难以有效预测这种变化.为了提升TQI随时间和条件变化的预测精度,提出一种改进非等时距灰色组合IGM-PSO-Elman预测模型.通过优化一阶累加过程和背景值计算,在参数求解中植入权重矩阵对传统灰色模型进行了改进,提高了轨道状态的预测精度;利用经粒子群算法优化的Elman神经网络对该模型的预测残差值进行了校正,进一步降低了预测误差.选取平均相对误差、均方根误差、决定系数、相关系数4个评价指标,利用实测数据与文献数据对该组合模型进行了验证,并研究了样本数对预测精度的影响.结果表明:增加样本数可以提高预测精度;该组合模型比传统灰色模型预测精度更高,能够为制定线路状态维修计划提供技术支持.

摘要： 建筑物沉降是一个具有趋势性的动态过程,前期数据通常蕴含着后期数据的变化趋势,但变形数据中不可避免地存在随机观测噪声,且变形监测时间通常是不等时间间距的.本文提出一种卡尔曼滤波-非等时距灰色线性组合模型,首先将原始变形数据代入卡尔曼滤波器,去除随机观测噪声,然后将滤波后的非等时距数据进行等时距处理,并建立含有线性因素的灰色组合模型预测变形监测沉降值.实验结果表明,卡尔曼滤波-非等时距灰色线性组合模型拟合平均相对误差为1.908,预测平均相对误差为2.01,一定程度上能有效提高拟合与预测精度.

摘要： 针对深基坑形变监测数据非等间隔的特点,将非等时距GM(1,1,)模型及其两种优化模型应用于某深基坑沉降监测过程中.通过实测数据建模预测沉降变化趋势,结果表明:三种模型精度均合格,优化灰色作用量后的模型与实测值之间残差最小,更适合此类工程的预测.

摘要： 针对钢轨波磨发展预测,结合实际现场测量的波磨数据进行深入分析,提出了一种基于非等时距灰色模型与BP神经网络的钢轨波磨组合预测模型。该模型具有灰色理论所需数据样本量小以及BP神经网络非线性拟合能力强的优点,可根据少量非等时间间隔测量的原始波深数据预测钢轨未来波磨发展。将某线上行地铁钢轨波磨波深历史数据用于模型训练并进行预测分析,结果对比显示,组合模型预测结果的平均绝对误差较单一的灰色模型明显减小,其预测精度检验等级达到1级。证明了这种预测方法在钢轨波磨预测中的有效性,从而为工务部门制定轨道养护与打磨策略提供重要的指导意义。

摘要： 针对悬索桥顶推施工阶段主梁变形难以预测及传统不等间隔灰色模型预测精度不高问题,本文首先将顶推节段主梁变形量作为传统不等间隔灰色模型中原始数据列,将顶推次数作为时间序列,并在一次累加和累减方程中引入权重系数,依据模型的拟合值残差平方和最小为原则,选取最优权重系数,构建嵌入最优权重的非等间隔灰色预测模型。然后,采用马尔科夫链对残差进行修正,进一步提高预测精度;最后对某悬索桥顶推阶段主梁变形进行预测,结果表明嵌入最优权重的非等间隔灰色模型预测精度高于较传统灰色模型。

摘要： 采用插值原理,将非等时距的基坑监测数据转换成等时距的数据,建立非等时距灰色预测模型,并结合实际监测数据对该模型进行检验和分析.结果表明,该模型的预测值和实际监测值相差很小,为基坑监测数据处理提供了参考.

摘要： 对高速公路沉降观测的非等时距序列进行数据处理后,变成等步长的数据序列,构建非等时距GM(1,1)直接模型进行沉降预测,预测结果准确可靠,对软基路段的沉降预测有很好的效果.

摘要： 在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并引入了缓冲弱化算子的概念,以消除灰色预测模型的无限增长性,提高了预测精度。该研究在京津城际轨道交通工程的应用中取得了良好的效果,将对今后的高速铁路建设提供理论支持。

摘要： 在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并引入了缓冲弱化算子的概念,以消除灰色预测模型的无限增长性,提高了预测精度。该研究在京津城际轨道交通工程的应用中取得了良好的效果,将对今后的高速铁路建设提供理论支持。

摘要： 在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并引入了缓冲弱化算子的概念,以消除灰色预测模型的无限增长性,提高了预测精度。该研究在京津城际轨道交通工程的应用中取得了良好的效果,将对今后的高速铁路建设提供理论支持。

摘要： 在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并引入了缓冲弱化算子的概念,以消除灰色预测模型的无限增长性,提高了预测精度。该研究在京津城际轨道交通工程的应用中取得了良好的效果,将对今后的高速铁路建设提供理论支持。

摘要： 在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并引入了缓冲弱化算子的概念,以消除灰色预测模型的无限增长性,提高了预测精度。该研究在京津城际轨道交通工程的应用中取得了良好的效果,将对今后的高速铁路建设提供理论支持。

摘要： 本申请涉及数据处理技术领域，尤其涉及一种饱和车头时距的估计方法及装置，方法包括：获取选定时间段内驶过道路交叉口的目标车辆的轨迹数据；然后，根据获取的目标车辆的轨迹数据，确定选定时间段包括的至少一个信号周期内在道路交叉口的停车线之前等待通行的目标车辆的排列信息；进一步地，确定与排列信息匹配的车头时距预测模型，并基于确定的车头时距预测模型和目标车辆的轨迹数据，确定选定时间段内相邻车辆驶过道路交叉口时的饱和车头时距。采用上述方式，可以使得计算出的饱和车头时距更为精确。

摘要： 本发明提供一种基于车头时距的交叉口动态信号配时优化方法，包括以下步骤：步骤1、根据监控过车数据，获取路口相位ID；步骤2、定义车道组，即在某一个相位下，同一路段上具备通行权的所有车道被定位一个车道组；步骤3、在车道组中查找相位的核心放行车道，其中如果车道在所有相位都具备通行权的情况下，从车道组中去除该车道;步骤4、计算车道组中各个车道的流量；步骤5、获取一个周期内相位关键车道的车头时距；步骤6、计算相位浪费时间，并对绿灯时间相应的调整。本发明通过在一个周期内的车头时距变化分析交叉口通行信号配时方案，给出相应配时方案加以实时动态优化，对提高整个交通系统的运行效率具有重要的意义。

摘要： 本发明公开了一种地震波初至读时与时距曲线动态关联的方法和系统，包括步骤：S1，拾取地震波初至读时，具体为，在地震波形数据中识别、拾取地震波初至读时，得到地震波初至读时数据；S2，建立参数文件，具体为，建立分析计算所需的解译参数文件；S3，绘制时距曲线，具体为，根据S2中所建立的解译参数文件绘制时距曲线；S4，数据动态关联分析，在S1得到的地震波初至读时数据和S3绘制的时距曲线之间建立动态联系；具体为：选择时距曲线上的数据点，打开该数据点所在的地震波数据文件，修改地震波初至读时后，及时更新时距曲线。应用于地震分析过程中，有效提高了数据分析效率。

摘要： 本发明提供了一种以时距图的方法配置路口交通信号配时的方法，提供时距图，该时序图以时间作为横坐标，以道路相邻交叉口之间的距离作为纵坐标；每一个交叉口处设有一个配时条，通过调配相位长度，改变周期使得上下行的平均速度达到实际需求；提供时段图，时段图按时间顺序把一天分割成若干时段，在不同的时段内采用不同的信号配时方案，以反映交通流量按时间变化情况。该方法对路口交通信号的配时简洁直观，便于操作。

摘要： 本发明涉及一种考虑到在要求接管驾驶任务时驾驶员的非驾驶任务活动的可中断性而对所述非驾驶任务活动进行分类的方法，其中所述方法首先具有读取步骤，其中从车辆（104）的车辆乘员监视装置（106）读取探测信号（118）和第一位置信号（120），其中所述探测信号（118）代表服务于所述驾驶员的非驾驶任务活动的探测到的对象，并且其中所述第一位置信号（120）代表所述探测到的对象的第一位置。所述方法接下来具有接收步骤，其中接收接管要求信号（124），其中所述接管要求信号（124）代表对所述驾驶员的接管驾驶任务的要求。此外所述方法具有求取步骤，其中使用第二位置信号（126）求取所述探测到的对象的第二位置，其中所述第二位置信号（126）代表所述驾驶员接管所述驾驶任务并中断所述非驾驶任务活动之前所述对象的最终位置。最后所述方法具有确定步骤，其中确定关于所述非驾驶任务活动的可中断性的可中断性等级（132），其中所述可中断性等级（132）代表所述驾驶员由于所述非驾驶任务活动而导致的视觉和/或认知上的沉迷程度。

摘要： 本公开提供一种基于时滞ADRC的风电机组变桨距控制方法及控制装置。所述方法包括：建立风电机组的动力学模型；基于时滞自抗扰控制算法，设计风电机组的变桨距控制器，得到TD‑ADRC变桨距控制器；根据所述TD‑ADRC变桨距控制器的计算结果，代入所述动力学模型中，执行对所述风电机组变桨距的控制。本公开基于时滞ADRC的风电机组变桨距控制方法，基于时滞ADRC控制技术对具有大迟延特性风电机组变桨距系统进行控制，可以有效避免该系统输入输出信号不同步的问题；采用时滞ADRC的风电机组变桨距系统进行控制，改善了其控制性能，有助于提高风电场的发电效益。

摘要： 本发明涉及车辆智能技术领域，尤其涉及一种车间时距调整方法、装置和设备。上述方法包括：在自动驾驶模式下，根据车内摄像头拍摄的驾驶员面部图像确定驾驶员面部ID；从与所述驾驶员面部ID关联的历史行车记录中，确定与当前路况信息匹配的目标车间时距；根据所述目标车间时距对当前车间时距进行调整。本发明实施例方案，能够根据驾驶员的历史行车记录自动调整车间时距。

摘要： 本申请涉及一种基于车头时距的信息识别方法及系统，涉及城市智能交通领域。所述方法包括获取第一位置的数据信息；确定第一位置周期级的车头时距变异系数；确定第一时段内的第一变异和第二变异周期的占比，以及连续第一变异周期数；输出第一位置的识别信息。本申请的基于车头时距的信息识别方法及系统，通过修正绿灯启亮时头部车队的车头时距，使得车头时距序列更贴近交叉口实际运行情况；并分析交叉口的车头时距变异系数，快速高效地识别运行效率低的路口及对应流向，为交通事故预防管控、路口渠化及信号控制优化提供信息，科学提升城市交通运行效率。

摘要： 本发明实施例公开了一种跟车时距的确定方法、装置、设备及介质。该方法包括：通过在触发自适应巡航功能的条件下，获取设定时距；获取车辆当前所处的路面信息；其中，路面信息包括正常路面、冰雪路面以及沙石路面；根据路面信息对设定时距进行调整，获得目标时距，使得车辆根据目标时距进行跟车行驶。上述技术方案，通过根据路面信息对设定时距进行调整的方式，可提升自适应巡航功能在不同路面情况下的适应性，在保证车辆行驶安全的同时，可提升驾驶舒适性，从而提高用户体验。

摘要： 本发明提供一种跟车时距控制方法、装置、车辆、电子设备及存储介质，该方法包括获取当前车速和当前跟车时距档位；根据当前跟车时距档位确定车速与跟车时距的关系模型，其中，任一挡跟车时距档位对应预设一所述关系模型，各跟车时距档位的所述关系模型根据实际行车过程中采集的多个车速及各车速对应的跟车距离建立，在任一所述关系模型中，通过调节车速调节跟车时距；根据当前车速和当前关系模型确定当前跟车时距。本发明中，用户选中任一档位后，跟车时距会根据该档位对应的关系模型自适应的根据速度变化，实现不同车速下不同跟车时距的变化，用户无需频繁的调节跟车时距档位，能够提高驾驶便捷性。