基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

间隙球铰接触区域快速检索及磨损问题高效求解方法

针对多体系统中间隙球铰接触磨损计算效率低的问题,提出一种基于查找表的间隙球铰接触区域检索和磨损预测方法。将球铰接触界面离散化,并将离散点的几何位置、运动参数及磨损信息存储为查找表;任一瞬时球铰内接触探测可通过检索查找表的方式来实现,避免逐点计算空间距离的复杂性;采用修正的赫兹接触模型求解微间隙球面共形接触问题,相对有限元方法有较高计算效率,并可获得较精确的应力分布;在统一计算模型下实现多体力学与接触磨损分析的有效集成。含间隙球铰的空间连杆机构动力学与磨损耦合分析结果表明:曲柄105转磨损周期内,球铰磨损区域基本位于纬度-30°～80°之间,在经度方向的磨损区域随时间而逐渐扩展;总计算耗时为83min,较有限元接触磨损分析具有更高的计算效率。     

PSO-ELM在低压系统短路电流峰值预测中的应用

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、 ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法.     

Curcin和curcin C与腺嘌呤互作位点的比较分析

麻疯树核糖体失活蛋白curcin和curcin C均具有抗肿瘤活性，但后者的活性水平显著高于前者，为了探索造成这一差异的结构基础，本文采用在线的同源建模预测软件SWISSMODEL，对两种麻疯树核糖体失活蛋白curcin、curcin C的三维结构模型进行预测，采用SYBYL对预测模型进行能量最小化优化，采用PROCHECK、VERIFY 3D和ERRAT软件对优化前后的模型进行质量评估，随后采用AutoDock软件将预测的模型与腺嘌呤进行分子对接分析.结果显示，两种蛋白采用与Ricin A类似的方式与腺嘌呤相互作用，但在相互作用的氨基酸残基种类、数量以及形成的氢键和疏水相互作用上还是存在差异，其中，curcin C与腺嘌呤具有最强的结合能力，curcin则最低.     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

高精度构造模型在密井网储层预测及剩余油挖潜中的应用

井间砂体的刻画是目前油田开发中后期密井网区储层描述及剩余油挖潜的重点。针对目前反演构造建模难题,利用井震结合离散光滑插值方法建立层位,使其符合井点分层和井间地震趋势,并在此基础上利用局部分区建模方法进行层位与断层交切,从而建立高精度的反演构造模型。以北一断东区块为研究对象,建立了研究区S、P、G层位高精度反演构造模型及其约束下的反演数据体,提高了井间及断层区域的储层预测精度,并在B1-A21—B1-A22井区的剩余油挖潜中见到实效。     

基于ESI和InCites的学科发展预测研究--以中国地质大学为例

基于汤姆路透公司的ESI和InCites数据库，分析了中国地质大学各学科的特征，探讨了高被引论文、热门论文、顶尖论文与学科发展的关系，并预测后续最有可能入围ESI世界前1％的学科。     

浅谈初中英语听力中预测能力的培养

根据外语教学法专家W.M.Rivers和M.S.Temperply的统计，人们在语言文字的使用中，有45%的信息是通过听来完成的。因此，听力是英语学习的核心课程之一。而听力预测能力是听力教学中一项值得重视的技能，对学生来说，也是一种有效获得信息的方法。著名学者Underwood说：“预测是根据现实的感知和以往的经历，凭想象对将要出现的新形象做出推测、估计和预想的心理过程。初中学生认为英语听力是很难取得好成绩的。英语教师应该注重采取多种教学手段来激励学生学好英语，但不能忽略答题技巧的训练与培养。听力预测能够帮助学生们从容面对考试，确立在听力题取得好的效果的自信。     

基于轨迹交叉理论的高校信息安全事故分析

近年来,随着我国信息技术的快速发展,尤其是高校信息安全问题日益受到大家的重视.高校信息管理非常重要,因为其涉及到一些项目创新,最新的科技成果和涉密的研究信息,那么加强高校的信息安全事故分析,然后采取必要的措施进行处理,如此便可达到究其根源、治其病根的效果.该文主要根据轨迹交叉理论来对高校信息安全事故进行分析,并针对相应的有效解决途径进行研究.     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。