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。     

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.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

科技成果社会影响力评估的国际经验及启示

 对英国的卓越研究框架（REF）、荷兰的标准评估协议（SEP）和美国的STAR METRICS这3个典型的科技成果社会影响力评估方案进行比较，识别了其评估对象、评估程序和评估目标方面的差异，重点围绕这3个方案的评估内容指标和评估方法进行了深入分析。结合国际经验，认为中国应当将科技成果社会影响力评估置于公立科研机构绩效评价的核心地位；需要在贯彻国家战略导向和体现评估对象、评估目标和区域差异的基础上开发符合中国国情的科技成果社会影响力评估内容和指标体系；要构建大数据评估并使用数据驱动方法进行科技成果的社会影响力评估。     

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。     

新能源汽车技术评估指标体系研究

随着我国社会经济的持续发展,人民的生活水平稳定提升,国内汽车总量和人均汽车拥有量都具有较大的增长,但这种增长也对生态环境造成一定负面影响。新能源汽车应运而生,与传统汽车相比,其环保表现优秀,这一点与我国长时间实行的可持续发展战略不谋而合。因此,本文研究了新能源汽车技术评估指标体系,使得新能源汽车的技术评估水平达到要求,有效改善生态环境。     

基于灰色马尔可夫模型的 我国地质人才总量预测及发展对策研究

人们对美好生活的向往不仅包括物质生活,更应该需要舒适、更优美的居住坏境。随着经济的发展,生态环境保护与资源开发兼顾的"两难"问题突出。化解这一难题需要不断提高地质行业的科技水平,其本质在于创新型高素质地质人才的培养。在我国国家生态文明建设背景下,以2009-2015年末全国地质行业在职人数为地质人才总量为基础数据,采用GM(1,1)灰色预测模型和马尔可夫修正模型,对我国习近平新时代社会经济发展阶段的地质人才总量变化进行预测,并得出未来12年我国地质人才总量。预测结果具有较高拟合度,据此综合分析未来我国地质人才资源的发展趋势并提出对策和建议。     

基于BP神经网络的FRP筋与混凝土界面黏结强度预测

纤维筋增强混凝土材料的界面黏结强度是评价其力学性能的重要指标之一.基于现有文献中的试验数据,建立了292组FRP筋混凝土拉拔试验的数据库,利用人工神经网络对FRP筋与混凝土之间的黏结强度进行预测.数据库被随机分成两个数据集,其中242组数据用于训练,50组数据用于仿真预测.利用反向传播算法训练了一个3层人工神经网络模型,该模型的输入层包括7个参数:FRP筋类型、表面形式、FRP筋直径、锚固长度、破坏模式、混凝土抗压强度和归一化的混凝土保护层厚度.输出层为FRP筋与混凝土界面黏结强度.结果表明,BP神经网络模型具有良好的预测和泛化能力,预测误差较小.该方法能够综合考虑众多FRP筋与混凝土界面黏结强度的影响因素,给出精确的预测结果.