基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证....     

人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

模式识别及人工神经网络算法在16Mn钢生产中应用

介绍了模式识别与人工神经网络算法应用于１６Ｍｎ微合金化钢的生产工艺优化，并给出了各目标的最佳工艺参数供生产时参考。     

应用人工神经网络研究新型喷水室的热工性能

利用人工神经网络优良的非线性映射能力 ,设计了一个三层前馈式神经网络用于预测流体动力式喷水室在不同工作条件下的喷水量 .预测结果和实验结果相比 ,吻合较好     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

西南喀斯特地区近45年来气候变化特征及趋势

基于黔、桂、滇3省（区）72个气象站点45年（1960—2004年）逐月平均气温和降水量数据,借助小波分析、人工神经网络及GIS空间分析等方法研究了我国西南喀斯特生态脆弱区近45年来在全球气候变暖的背景下,气候变化的特征和总体趋势。研究结果显示：该区气候变化具有明显的周期性特征,其中气温变化的主周期约为7年,降水量变化的主周期约为25年。该区气候变化的季节性特征和区域差异也比较明显,通过计算过去45年中四季气温和降水量的变化率并对其进行GIS空间插值分析,得到了四季气温和降水量变化的区域分异状况;通过SOFM网络分别选取分类指标对研究区近45年来气温和降水量变化的状况进行聚类分析并对聚类结果进行GIS空间插值分析,划分了研究区气温和降水量变化的类型区域。RBFN模型预测的结果得出,该区2005—2010年气温和降水量的变化均处于相对低值期。     

人工神经网络在ATM链路容量控制中的应用

研究人工神经网络（ＡＮＮ）在异步转移模式（ＡＴＭ）链路容量分配中的应用，设计了神经网络预测器以解决ＡＴＭ链路容量分配中的困难。与其它方法相比较，该方法不需对网络进行复杂的数学分析，借助足够的学习样本，即可自动学习输入和输出之间的关系，预测网络性能。文中分别采用呼损率和链路利用率两种优化目标进行计算机模拟，结果表明该方法能正确完成容量分配，并且易于实现和推广。