城市轨道交通智慧车站建设研究

【目的】随着城市轨道交通线路的大量开通和客流量的持续增加,对车站运营管理提出了更高的要求,因此需要对城市轨道交通智慧车站建设进行研究。【方法】依托“人工智能+轨道交通”理念,分析车站运营管理现状及存在的问题,通过智能支付、安检票检一体机、可视化候车、智能导乘、能源智能管控、客流管家、智能化应急管理等方式建设“城市轨道交通智慧车站”。【结果】使车站由原来单一的功能逐渐发生变化,将车站和乘客需求相结合,实现轨道交通向个性化服务转变,让“客流”变为“客户”,同时做到智慧管理,使整个城市轨道交通运营系统实现多层次、多环节的智能控制,实现系统优化升级。【结论】城市轨道交通智慧车站建设可为乘客出行和企业运营提供更好的技术保障,减少运营管理人员数量,降低运营成本,提高服务质量,助力城市轨道交通可持续发展。     

异方差的检验比较和修正

异方差是计量经济工作中线性回归模型经常遇到的问题,异方差的存在对线性回归分析有很强的破坏作用.通过对异方差产生的原因和后果进行分析,利用异方差的戈德菲尔特-夸特检验、拉格朗日乘数(LM)检验、怀特检验方法,判断线性回归模型异方差的存在性.通过加权最小二乘法或可行广义最小二乘法进行修正,建立能够真正反映经济规律的经济模型,实现对经济的正确指导作用.     

基于长短时记忆网络的恒温水浴锅温度模型预测

【目的】由于恒温水浴锅温度系统存在强非线性及大滞后性,本研究提出一种基于长短时记忆网络的恒温水浴锅温度模型预测方法。【方法】首先,对采集到的数据进行标准化处理,寻找长短时记忆网络的最优结构及超参数,用来拟合出最佳的数据映射特征,并构建恒温水浴锅温度的动态数学模型。其次,通过模型对未来一段时间内的温度趋势进行预测。最后,使用本研究提出的方法与最小二乘法所预测的结果进行对比分析。【结果】本研究所提方法构建的模型的拟合度达到了98.2%,预测结果的MSE及MAE比最小二乘法模型分别降低了4.616、0.823。【结论】本研究所提方法具有更高的预测精度,对提高恒温水浴锅的生产效率及控制精度具有重要意义。     

图像去运动模糊仿真研究

【目的】在多媒体时代，人们对拍照的要求越来越高。图像去模糊一直是一个具有挑战性的问题，有着很高的研究价值。【方法】阐述模糊图像中的运动模糊，使用约束最小二乘法和Richardson-Lucy算法来去除运动模糊，采用峰值信噪比和平均结构相似度两类指标对去模糊图像质量进行分析。【结果】仿真结果表明：采用约束最小二乘法去除运动模糊的数据评价值均大于Richardson-Lucy算法，约束最小二乘法在复原运动模糊方面表现得更加稳定。但在模糊长度和模糊角度增大后，各类算法的性能均会受到不同程度的影响。【结论】去模糊算法有待继续研究，以提高去模糊后的图像质量。     

基于最小二乘法的多层前向神经网络构造学习算法

提出了一种基于最小二乘法的多层前向神经网络的构造学习算法。神经网络的结构在学习的过程不断变化，通过动态生成学习误差反向传递，利用最小二乘法实现神经网络的快速学习。仿真结果表明，该学习算法盯具有学习速度快，学习精度高，泛化强等优点。     

基于数据融合技术的封闭鸡舍环境中多气体的检测

封闭鸡舍环境中存在多种有毒气体,常用的半导体气体传感器选择性差、受气体交叉干扰的影响大,导致测量误差大,不能满足检测需求。针对这个问题,采用经典数据融合方式中的最小二乘法和现代数据融合方式中的BP神经网络的4种训练函数,分别对多气体传感器输出信号进行仿真训练分析,并利用均方误差和迭代次数来评价仿真的性能。仿真和实验结果表明,有弹回的BP算法训练的网络性能最优,可有效地降低测量误差,平均相对误差和最大相对误差均在1%以内,满足封闭鸡舍环境检测需求。     

偏最小二乘—紫外可见分光光度法测定黑加仑色素的含量

将偏最小二乘法同紫外可见分光光度法结合，快速分析黑加仑色素的含量，讨论主成分数对ＰＬＳ定量预测能力的影响，并对校正集样品和预测集样品中黑加仑色素含量进行定量预测。     

影响黑龙江省粮食产量因素的研究

利用黑龙江省1986~2015年数据构建粮食产量模型,选出8个影响因素,如果直接用普通最小二乘法可能会忽略变量之间的共线性,所以采用主成分分析的方法消除变量间的多重共线性,最大程度上保留下了每个变量,定量的分析影响黑龙江省粮食产量的主要因素和次要因素.最后主成分分析与分位数回归中的中位数回归相结合建立模型,结果表明主要因素有农业科技进步水平和农用化肥的使用情况.     

采茶机器人运动学分析及工作空间求解

本文开展了采茶机器人的运动学研究,得到动静平台之间的矢量关系,提出了用最小二乘法求位置正解的数值法,得出动平台的速度、加速度与输入角的关系。绘制出工作空间三维图,验证了推导的正确性。     

顾及高程平面及视差约束的最小二乘影像匹配算法

针对传统最小二乘影像匹配受影像质量和初值条件限制的问题,结合铅垂线轨迹法(vertical line locus, VLL)与基于共线条件约束的多片最小二乘匹配算法(multiphoto geometrically constrained matching, MPGC)的特点,提出了一种顾及高程平面及视差约束的最小二乘影像匹配算法.该算法基于高程平面约束匹配,在匹配过程中顾及视差约束进行搜索匹配.视差偏移量可为最小二乘匹配提供可靠稳定的初值条件,能够实现影像的高精度匹配.为验证算法的有效性,分别采用铅垂线轨迹法、基于共线条件约束的多片最小二乘匹配算法与该算法进行对比分析实验.结果表明,该算法在匹配准确性以及后续空中三角测量解算方面比上述两种算法更有优势.     

基于出行时间的轨道交通站间距探讨

轨道交通站间距的大小对于出行者的出行时间具有重要的影响.通过Wardrop用户平衡原则揭示出出行者选择最短出行时间的行为特征.引用了基于出行时间最小的轨道交通站间距模型,指出了模型中假设乘客从起点到出发站和从出发站到目的地均采用步行方式不合实际出行状况.并且对于不同的到站距离,乘客采取的到站方式也是不同的.在此基础上提出合理的轨道交通的站间距能减少乘客出行时间,方便乘客出行.并通过案例进行了定量分析.     

应用改进BP网络进行铁路客运量预测研究

针对传统铁路客运量预测方法的不足,提出运用改进BP神经网络结合四阶段法进行客运量预测,给出了预测算法,建立了铁路客运量神经网络预测模型,并对敦煌铁路客运量进行预测,设计网络参数,进行网络学习和训练,最终得到较为精确的2010年及2015年敦煌铁路客运量,为该线路今后的运营管理提供决策参考．     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测，提出了一种基于经验模态分解算法（empirical mode decomposition，EMD）优化非线性自回归（nonlinear auto regressive，NAR）动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律，为此使用了基于时间序列的NAR动态神经网络，该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型，以此来减少预测误差，提高预测精度.结果显示，EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测，预测精度可达93%，具有较好的应用价值.     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

基于STIRPAT模型北京市交通碳排放影响因素研究

随着经济的不断发展,交通碳排放已经成为了城市碳排放的主要来源之一,引起了极大关注。现有研究主要集中在国家层面,而对于市级层面的交通研究较少。为了深入探究影响市级单位交通碳排放的因素,缓解交通业所带来的环境和能源压力,研究引入新变量能源价格,通过构建STIRPAT模型,采用PLS分析方法分析了1997—2014年北京市交通碳排放的影响因素。结果显示,经济发展与人口规模的扩张是影响北京市交通碳排放的主要驱动因素,能源价格的提高对交通碳排放有明显的抑制作用,民用汽车拥有量、客运周转量和货运周转量的上升使得交通碳排放显著增加,而能源强度的提高对降低碳排放的影响较小。基于以上分析结果,对降低北京市交通碳排放提出合理化政策建议。     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

基于小波神经网络的大型桥梁监测

大型桥梁已成为城市交通体系关键的部分,对其进行有效地监测已势在必行。根据小波分析和神经网络在处理复杂非线性问题上的优势,将其分别应用于大型桥梁结构监测中的线形监测和应力监测这两个技术问题上。结果表明小波神经网络模型监测精度高,对桥梁的安全运营提供了技术支撑。     

基于旅游视域的快速交通影响力研究述评

以高铁为代表的快速交通使沿线城市同城化、区域经济一体化的趋势越来越突出，尤其是对沿线城市旅游业的发展影响很大，形成了一股快速交通研究的热潮。通过文献整理发现主要的研究方向为：快速交通与都市圈规划、快速交通与大城市空间结构的互动演化、快速交通与旅游业的关系研究、快速交通对沿线旅游业的影响研究等。虽然当前的研究范围很广，但对以高铁为代表的快速交通运行后的旅游营销、旅游地发展和空间优化等方面缺乏前瞻性、专业性研究。     

南宁市轻轨建设对周边环境与景观的影响与评价

随着南宁城市的发展，人口不断增加，城市现有的交通体系已不能满足日益膨胀的行车流量，人们对更方便快捷的轨道交通充满了渴望与期待，人们在享受着这种新型交通设施给生活和工作带来便利的同时，也要充分考虑其对周边环境与景观造成的影响．