排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
提出BP神经网络融合模型.该模型由三部分组成:初始数据产生模块、BP神经网络数据融合模块、融合结果分析模块.选择四个参数作为该模型的输入变量,其中路段交通流密度和交通量由线圈数据提供,而行程时间估计值与浮动车样本量由浮动车数据提供,并且给出选择这四个参数的依据与原因.最后选择杭州市的一条主干道作为目标路段,采集该路段上的406组数据对该模型进行验证,试验结果表明模型对准确度评价的相对误差仅为4.86％. 相似文献
2.
考虑到浮动车取样偏差会给路段平均行程时间估计值带来很大误差这一事实,提出了一个融合模型,该模型是在真实路段平均行程时间计算模型的基础上推导出来的,其融合了线圈数据和浮动车数据,减少了浮动车取样偏差对路段平均行程时间估计值的影响.最后利用仿真实验对一条具有连续5个交叉口的主干道进行仿真实验,实验证明,相对于浮动车法,融合方法无论在平峰期和高峰期都可以得到精度更高的平均行程时间估计值. 相似文献
3.
通过对家蚕若干品种杂交组合的 6个经济性状与对照种菁松×皓月的杂种优势的分析比较 ,评选出生产价值高的优良杂交组合 .分析结果表明 :12 5M·锦6B× 2 4 1·绫4、W2 4× 10 5、SC1×SJ1等组合的主要经济性状均明显地优于对照 相似文献
1