珠江三角洲机动车污染控制的情景分析

针对珠江三角洲机动车污染物排放对区域大气环境影响日益突出的特点,以及机动车污染控制的迫切需求,利用情景分析方法对珠江三角洲未来不同机动车污染控制方案进行了分析和比较,并对2010年和2015年机动车保有量和主要污染物NOx、PM10和VOC排放量进行了预测分析。结果表明,在机动车持续快速增加的情况下,实行“禁摩”政策和提高机动车排放控制标准有助于大幅度减少珠江三角洲地区机动车污染物排放总量。     

基于线性神经网络的重庆市GDP发展研究

对1978-2011年重庆市生产总值时间序列进行分析,研究发现四阶差分之后,数据趋于平稳;四阶差分序列的自相关系数一阶截尾,最终建立时间序列ARIMA（1,4,1）模型,并测算残差平方和,但ARIMA模型的残差序列存在自相关,对拟合效果产生了影响;基于时间序列ARIMA（1,4,1）模型研究的基础,进一步采用线性神经网络对序列进行学习和仿真计算,结果表明：神经网络的模拟效果优于ARIMA时间序列的模拟效果.     

盐碱地施用盐碱丰效果小结

通过四种用量盐碱丰处理的对比试验,表明盐碱丰对盐碱地有驱碱、改善土壤结构和水分的渗透性能 ,同时还可大大缩短生地熟化周期。其用量因土壤含盐量而定     

矿井机电设备维修管理信息系统的研究

在分析矿井机电设备维修管理信息流的基础上,对应用计算机软件进行矿井机电设备管理进行了研究,并对系统的设计方法以及机制进行了介绍,本系统的应用为矿井机电设备管理上水平提供了有效的手段。     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。