基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

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。     

三维三相单井数值模拟计算的程序设计

随着微型计算机的计算速度和存储量等性能的提高 ,采用计算机进行小型油藏数值模拟计算成为可能。本文建立了一个柱坐标系下的三维三相单井数值模拟模型 ,并编制了三维三相单井数值模拟计算程序     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于动态投影系统的带非线性边界约束混行路网均衡模型求解算法

针对路网中考虑电动汽车出行能耗与燃油汽车环境排放情形下混合交通流的非线性边界约束路网均衡问题,设计了一种基于动态投影系统的算法。将复杂非线性边界约束的双车型路网均衡模型转换成变分不等式模型,利用拉格朗日乘子法得到模型的库恩塔克(KKT)条件以及模型的非线性互补问题,通过引入投影算子建立动态投影系统找到模型的最优解。分析模型可确定燃油汽车和电动汽车一般出行成本函数,电动汽车混行条件下交通网络的均衡条件,以及路网均衡条件下两种车型的拥堵外部性并获取混合交通流下路网的运行特征。最后构建数值仿真评估动态投影算法的有效性,结果表明模型收敛于系统的平衡点,且具有指数收敛性质。     

考虑滤波环节寄生电阻的三相电压型逆变器的数学模型分析

针对三相电压型逆变器这个时变的、耦合的、多输入、多输出的开关型非线性系统,应用开关函数建立了考虑滤波环节寄生电阻的系统数学模型,引入开关周期平均算子将时变的系统转化为连续系统,建立了系统的大信号动态数学模型,同时应用小信号扰动法建立了系统的小信号数学模型,得出从占空比输入到逆变器输出的传递函数。讨论了大小信号模型的适用范围,分析了小信号模型中寄生电阻对系统频率特性的影响。理论分析和仿真结果表明,不考虑寄生电阻理想情况下的逆变器稳定性能差于考虑寄生电阻的非理想逆变器。因此,在分析逆变器稳定性能和闭环设计过程中,可优先考虑理想情况下的逆变器数学模型。     

考虑前方交通状态的交通流格子模型与数值模拟

考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性.     

碳纤维约束高强混凝土柱轴压力学性能试验

进行了对C40-C60强度等级下46个混凝土短柱包裹不同层数CFRP布后的轴心受压试验研究。通过对试验结果的比对,研究了轴压短柱中CFRP布包裹加固中不同混凝土强度等级对以及不同CFRP布包裹层数对短柱轴压性能的影响,并从材料微观角度对加固效果的影响因素作出分析。     

西藏红景天主要成分在萃取体系中的分配行为

红景天甙和酪醇是西藏红景天的主要成分,在溶剂萃取体系中的分配行为尚不清楚。采用不同的溶剂萃取体系研究了西藏红景天浸提液中红景天甙和酪醇的分离效果,考察了预处理、pH值、萃取剂等条件对分配行为的影响。结果表明,浸提液经除鞣质预处理后可以降低萃取过程乳化现象;液-液两相萃取中,在pH值<9.0时,磷酸三丁酯(TBP)作为萃取剂时红景天甙和酪醇在有机相中质量分数分别可达60%和98%以上,下相可获得较纯的红景天甙溶液;采用TBP-聚乙二醇(PEG2000)-硫酸铵三相萃取体系,当pH值>10.0时,红景天甙主要分配于中间相和下相中,中间相约占70%,而酪醇主要分配在上相,约占65%以上,下相中质量分数低于5%。