基于圈层人口变量的城市轨道交通车站客流预测

考虑城市轨道交通车站客流(指进出站客流)吸引范围内不同距离的人口对车站客流贡献率不同的情况,将人口按照距离车站的远近分为不同圈层,以不同圈层人口作为变量进行车站客流预测.通过偏相关分析验证圈层人口作为变量的合理性,同时获得影响车站客流的其他显著因素.针对线性多元回归预测模型的不合理性,建立了可反映车站客流与自变量高度非线性关系的BP(back propagation)神经网络预测模型.案例研究表明:基于圈层人口变量和BP神经网络的车站客流预测模型在减小误差方面明显优于其他模型,且具有很好的实时性.在上述模型的基础上,构建了已知任意车站背景变量,车站圈层人口对客流的贡献率模型.该模型验证的结果进一步说明基于圈层人口变量和BP神经网络的车站客流预测模型能够很好地反映圈层人口与其他影响车站客流的显著影响因素同车站客流之间的关系.     

蒙药材漏芦花中三种微量元素(锰、锌、铜)的测定

采用了微波消解法、直接消化法、超声波加热法,三种不同方法对蒙药材漏芦花中的微量元素进行提取,利用火焰原子吸收光谱法对三种元素Zn、Cu、Mn的含量进行了测定;结果表明,在二种提取方法中微波消解法提取率较另外两种提取法高,漏芦花中Zn、Cu、Mn元素总含量分别为249.64μg/g、34.25μg/g、88.45μg/g,该法对各元素的加标回收率在101.2%～107.6%之间,相对标准偏差小于3.65%.