基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

瓦斯地质工作在煤矿瓦斯预测中的应用

为了更为深入地推动煤矿瓦斯的防治工作,该文整理了多年的煤矿地质勘探、测试和开采经验,归纳了地质开采的相关资料,利用瓦斯地质以及瓦斯治理的研究成果,揭示出了煤矿瓦斯的地质规律,为煤矿瓦斯灾害预防和资源开采提供了依据,并且分析了瓦斯地质工作在煤矿瓦斯预测中的应用。     

基于GM(1,1)模型的农村公路PCI值预测分析

为了对农村公路的PCI值进行预测,建立了等维递归GM(1,1)模型,并采用后验方差检验模型的精度。最后根据预测模型分别对河南地区农村沥青公路路面和水泥混凝土路面PCI指标进行预测,比较分析了变化的异同和原因。     

面向大社交数据的深度分析与挖掘

社交网络在线化是大数据时代的典型特点,也是大数据产生的重要原因之一.本文从大数据的特点着手,结合互联网络尤其是在线社交网络的发展趋势,介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇;分析在线社会网络中存在的关键问题,阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战,以及当前国内外在大数据分析和在线社交网络领域的主要研究工作;总结和展望网络大数据研究的未来方向和前景.     

编者按

<正>大数据是海量、高增长率和多样化的信息资产,需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力.大数据在政府、公共事业、商业领域的价值日益凸显,成功案例层出不穷.真实、准确、及时的大数据样本也为心理学研究方法的变革带来了崭新的机遇,拓宽和加深了心理学研究的广度和深度,提升了心理学研究的预测力和控制力.我国已有不少学者投身大数据的洪流,如中国科学院心理研究所朱廷劭研究员创建了"计算网络心理实验室"并基于大数据开发了"国人心理地图"、蔡华俭研究员创建了"云端心理     

高校师资队伍结构预测模型研究

师资队伍结构预测是高校师资队伍建设的核心问题。本文分析了高校师资队伍的历史状况，分析了办学层次、教学任务量等影响师资队伍结构预测的影响因素，引入线性规划模型分析法，建立高校师资队伍结构预测模型，并设计三种情况进行了实例测试。该预测模型的研究为增强高校师资队伍建设的主动性和前瞻性提供理论依据。     

突发事件快速评估模型

突发事件发生初期,进行突发事件的快速综合评估,有利于及时、准确地把握事件的态势,以满足应急决策的时效性要求.为解决突发事件数据量较大,数据更新较快时,过于复杂的运算过程和计算软件缺乏以及已有软件兼容性低而难以满足应急决策的时效性要求的问题,本文简化了Simos过程和PROMETHEEⅡ方法,构建了突发事件快速评估模型,即SSPPM(Simple Simos'Procedure and PROMETHEEⅡModel).为了验证新模型的有效性,本文选取了两个数据进行实验.实验结果表明,在对评估速度的要求大于对精度的要求的突发事件控制阶段,新模型能快速综合多位应急决策者的意见,快速获取权重,简化评估过程,提高突发事件综合评估效率.     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

及时性自适应高维经济基本面建模与汇率预测分析

在人民币国际化不断推进,人民币汇率双向波动加强的背景下,构建具有优良预测能力的汇率预测模型愈发重要.参数模型对汇率预测的能力不仅取决于模型设定是否正确,还取决于模型能够同时:一方面能否迅速探测模型参数的结构性变化以使用最佳信息估计模型参数,另一方面能否及时识别模型解释变量以使用最佳解释变量对汇率进行预测.本文构建了自适应变元算法.该算法不仅能实时检测模型参数的结构性变化,探测参数的最大化同质区间,同时还能对变量进行及时识别以选择最佳模型解释变量,提高模型的预测能力.在样本外向前3至24个月的汇率预测中,自适应变元算法能显著超越随机游走,马尔可夫机制转换模型,误差修正模型,实时最优窗算法,多元自适应可变窗算法与其他经济基本面模型包括:弹性货币模型,购买力平价模型,利率平价模型,泰勒规则模型,偏移泰勒规则模型.变量选择结果显示,自"811"汇改以后,经济基本面因素决定了人民币汇率走势.中国与其他发达经济体包括欧元区,英国与日本的经济基本面同样能够决定美元兑人民币汇率走向.另外,自"811"汇改之后,人民币汇率预期相比于"811"汇改之前更易受到外部冲击的影响,合理的人民币汇率预期监管依然需要依赖于实行有管理的浮动汇率制度,防止汇率风险.