虹桥交通枢纽公共信息平台研究与设计

虹桥交通枢纽集多种交通方式及换乘广场于一身,各交通方式应用系统所用技术标准、接口方式和数据格式不统一。根据虹桥交通枢纽信息化管理需求,本文给出基于SOA的公用信息集成系统平台体系框架,并且通过建立多种多源数据融合模型动态路由对多源信息进行整合,实现各交通方式的信息整合。     

一种新的粒子群算法与人工鱼群算法的混合算法

通过分析粒子群算法和人工鱼群算法的优缺点,利用粒子群算法收敛速度快及人工鱼群算法能较好地收敛到全局最优解的特点,提出了一种新的混合算法.算法以粒子群为基础进行设计,根据人工鱼群的公告板、群聚和随行策略的模式对粒子群进行速度与位置变更,使原有的粒子群变成具有一定智能的粒子,从而达到提高搜索精度及效率的目的.通过Generalize-Schwefel等3个经典函数进行优化仿真后发现,该混合算法具有搜索精度更高及收敛速度更快的特点,同时该算法在求解高维问题时具有明显优势.     

机场集团商务智能应用架构蓝图探讨

国内机场正加快信息系统的建设,商务智能是机场决策的核心系统。本文以上海机场集团为应用背景,分析了机场集团的商务智能关键需求,探讨了机场集团商务智能应用蓝图,阐述了机场集团商务智能系统功能架构及其模块关键功能。本文旨在为相关项目的研究与规划提供借鉴与帮助。     

基于Prophet-LSTM-PSO组合模型的医院住院量预测研究

针对医院住院量预测问题,首先利用先知模型（Prophet）与长短期记忆循环神经网络（LSTM）预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法（PSO）求出两种模型对应的组合系数,从而得到最终的Prophet-LSTM-PSO组合模型,并通过RMSE和MAE统计学指标将组合模型与单一模型进行对比,同时利用公开数据集进行对比实验。结果表明,Prophet-LSTM-PSO组合模型较Prophet、LSTM、移动平均自回归模型等（ARIMA）等单一模型有效地降低了医院住院量预测的偏离性,提高了预测精度。     

上海市碳排放影响因素的灰色关联分析与预测

为给上海市降低碳排放量提供有益参考,同时给中国城市低碳发展作示范,通过灰色关联分析法研究了上海市2000—2011年碳排放量与经济增长水平、人口规模、产业结构、能源结构、能源强度的关联度,并详细分析了各影响因素对上海市碳排放量的影响.同时运用基于正弦函数变换的GM(1,1)模型对上海市碳排放量进行了预测,预测结果表明了上海市加大节能减排力度的紧迫性.最后,针对研究结果,结合上海市实际情况,给出了降低上海市碳排放量的具体对策和路径.     

上海工业经济集约化特征聚类分析

社会经济增长方式从粗放型向集约型转变是我国未来１５年内国民经济建设的核心内容和主要课题，本文首先对工业企业集约化程度定量评价指标进行了讨论，然后利用上海市第三次工业普查资料，应用多元统计中的聚类分析方法，对上海市工业企业集约化程度进行了定量评价与分析。     

Bayes多元时间序列分析方法及其应用

在条件似然函数意义下,讨论了基于矩阵正态-Wishart分布的多元时间序列Bayes分析方法,得到了模型参数的后验分布与一步预测分布.给出了分量方程的对应结果,说明了模型阶数的推断方法.最后,列出了计算步骤,并作为应用,对上海房地产价格指数数据进行预测建模,取得了较好效果.     

多个动态序列之间非线性相关性度量方法

动态序列相关性推断是处理多维序列经济预测建模中变量选择问题的重要方法之一.本文把状态空间重构意义下相关维数计算方法推广到任意多个观测变量情形,定义了多个序列非线性相关度的概念,并讨论了计算方法的量纲稳定性.利用Lorenz系统进行仿真,并以中房综合指数上海、北京、广州数据作为应用实例进行非线性相关性推断,数据结果说明方法可行.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

灰色支持向量机在机场吞吐量预测中的应用

在分析传统预测方法不足的基础上,利用灰色支持向量机组合分析模型,以实际值与灰色模型预测值的比值序列作为支持向量机模型的输入,选取径向基函数为核函数,并通过交叉验证法选取最优参数,利用支持向量机模型分析预测比值序列,最后通过灰色模型还原为货邮吞吐量的预测值.以上海机场货邮吞吐量为例,对灰色支持向量机模型进行了实证分析,并与灰色模型、支持向量机模型进行了对比.