基于小波分析和ARIMA模型的交通流预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;采用综合自回归移动平均(ARIMA)时间序列模型对交通流进行预测;并对实测交通数据进行验证分析.结果表明,该方法具有较高的预测精度,可用于交通流的实时动态预测.     

基于Spark和小波分析的水上交通异常数据实时检测方法研究

针对不断增加的水路运输产生的水上交通数据量增长,导致的水上交通监测难度更大、处理时间更长,提出一种基于Spark的交通异常数据实时检测方法,通过对船舶自动识别系统(AIS)数据进行处理,对不同类型的交通数据进行分析并写入分布式文件系统HDFS中。然后通过小波分析的方法对AIS数据进行多层分解,去除高频噪声并对数据进行重构,找出AIS数据中的异常信息。通过对异常信息进行分析,结合Spark的数据处理结果,最终实时检测出交通异常数据。实验结果表明能够在短时间内对异常数据进行检测和分析,处理速度快,异常数据检测结果符合该水域的交通情况,检测方法能够为海事部门提供实时、稳定的监管服务。     

改进神经回归算法的数据质量优化与预测

为了满足智慧交通管理系统向智能化方向发展,一般采用毫米波交通雷达对交通流进行实时并准确地检测。由于受到时间、天气和通信故障等因素的影响,以及雷达最大作用距离的限制,数据常常存在缺失异常等情况,从而对交通流变化规律分析带来很大的影响。在研究城市道路中交通流数据质量优化及交通流变化规律的问题时,对原始交通流数据分成三份,首先采用组合检验和阈值检验,非线性回归分析、线性插值、历史均值法、粒子群多层前馈(PSO-BP)神经网络算法,分别完成异常数据的识别、更正及部分缺失数据的填补,然后建立时间序列的交通流模型、交通流参数关系模型,根据交通流内在的变化规律建立改进后的神经网络回归预测模型,完成所有缺失数据的填补,最终获得完整的高质量数据。本算法的精确度可达到95.54%,能有效进行数据质量优化与预测。     

考虑时空相关性的网络交通流短期预测

实时、准确的交通流短期预测是交通诱导、管理的前提.为了提高预测精度,结合交通流数据中的历史时间相关性与网络空间断面相关性,构建了一种基于皮尔森相关系数法(Pearson Cor-relation Coefficient,PCC)与双向长短时记忆(Bidirectional Long Short Term Memory,BLSTM)架构的交通流短时预测模型.该模型可以通过PCC筛选路网中与目标路段空间相关的路段,并将其重构为新数据集,作为BLSTM预测模型的输入,以实现交通流短期预测.通过美国加州交通流数据对模型预测性能进行评价,实验结果表明:该模型可以融合交通流数据中的时空相关性,相对于其他主流预测模型精度平均可提高4.83％.     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

实时交通控制中交通流及队长的预报模型研究

本文以交通工程和交通控制理论为基础,对实时交通控制中的交通流及队长预报模型进行了研究,从理论和方法上揭示了实时交通控制中交通流和队长预报的实质,并通过仿真分析时本文所述方法的有效性进行了验证。     

基于变量分析和粒子群优化加权随机森林的交通事件检测方法

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.     

基于经验耦合函数的动态运行参数异常检测

随着工业智能化的发展,工业生产系统中的工业设备都具备了智能管控系统,其中重要需求之一是智能异常检测。实现智能异常检测通常需要从动态运行参数入手,但动态运行参数的流式数据形式以及高维数据耦合给可靠、高效的异常检测带来了很大困难。为此,提出了一种基于联合分布的动态运行参数异常检测方法。该方法首先从实时检测和整体检测两个角度对动态运行数据进行采样,然后结合经验耦合函数对联合分布进行建模,最后根据模型得到异常分数来判断异常。通过在大渡河流域水电站排水系统的排水泵动态运行参数数据集上的实验验证表明,该方法相比传统的异常检测方法效率更高,并且在曲线下的面积(area under curve, AUC)和平均精确率上均有提升。同时,该方法的可解释性也为工作人员故障排除以及后续维护提供了可靠依据。     

基于KPCA与SVM的混合核交通流数据检测

目的针对当前交通流数据识别问题,提出基于KPCA与SVM的混合核交通流数据识别算法,以提高交通流数据识别准确率.方法运用KPCA对数据进行预处理,采用SVM训练分类模型,利用所训练的模型进行识别;以多轿厢电梯交通状态为对象,分别从交通流数据识别分析和仿真实验两方面对所提方法的可行性与精确性进行验证.结果通过与SVM算法、BP神经网络算法进行对比,表明所提方法具有很强的通用性,能有效地预测出交通流,交通流数据识别的准确率达到97. 2%.结论笔者提出的基于KPCA与SVM的混合核交通流数据识别算法可以提高交通流数据识别的准确率,通用性较高,可以实现对目标的实时检测.     

基于转移和频率特征的协议异常检测

协议异常检测是目前入侵检测领域研究的新方向.本文研究状态的转移特性和频率特性,在此基础上建立模型进行协议异常检测.模型的训练和检测使用DARPA 1999年的数据集,实验结果验证了所建立模型的准确性.     

一种基于趋势分析的网络性能异常检测方法

计算机网络的规模越来越大,结构越来越复杂,网络负担过重,导致网络性能下降,网络性能监控备受关注。提出一种基于趋势分析的网络性能异常检测方法．通过建立历史RTT性能数据的正常模型,根据模型得到的随机变化分量采用滑动窗口平均的方法用实测RTT数据进行性能异常检测。OPNET仿真实验和实际数据监测表明,方法具有高检测率和较低的误警率。     

龙门山中北段重磁场特征与深部构造的关系

利用平均重力场与深部地壳测深资料估算了龙门山及邻区莫霍面的深度变化,表明龙门山地区正处于莫霍面由东南向西北的陡降带上。均衡重力异常计算结果显示该区为正异常。对航磁异常的向上延拓反映出茂汶杂岩体是“无根”的。此外还应用角度平均径向能谱法反演了该区深部磁性基岩的顶面与底面深度。结果表明,龙门山地区上地壳是由若干块体拼合而成的,川西拗陷带内的磁性界面呈现出向龙门山地腹下插的格局。     

柴北缘马海构造马10井区天然气微生物勘探

柴北缘构造较为复杂,研究工区各断块含油、含气前景区显得尤为重要。通过在柴北缘马海构造马10井区进行的油气微生物勘探,采取550组样品进行天然气微生物数量及活性分析,得出该区的油气分布规律和分布范围,通过微生物异常值的分析得出马10井区微生物异常基本上为气异常,但没有大范围连成片,而油异常区几乎为背景区值。通过较成熟开发区的异常区与研究区内其它异常区的微生物异常值进行对比, 研究区内异常区的微生物异常值的平均值均没有前者高, 合理直观地了解了马10井区的含油气远景。结合该区的区域地质资料,对马10井区进行含气预测,并部署了一口评价建议井。     

高维空间的对称及非对称反常与Atiyah－Singer指标定理

对左－右规范场的Ｗｅｓｓ—Ｚｕｍｉｎｏ—Ｗｉｔｔｅｎ有效作用量进行联合规范交换，求出了对称和非对称反常，并讨论了反常和Ａｔｉｙａｈ—Ｓｉｎｇｅｒ指标定理之间关系．     

气候变化对河北省冬小麦产量的影响——以栾城县为例

基于中国科学院栾城农业生态系统实验站,利用回归分析、T检验、Pearson相关分析和5年直线滑动平均法对河北省栾城县1980—2012年气温和降水的变化特征及其对冬小麦气候产量的影响进行了分析.结果表明:(1)通过对前一年10月—1月和3—5月的冬、春这两个时间段气温和降水的多年变化趋势进行分析发现栾城县冬春气温33年来有明显升高趋势,冬季气温平均每10年升高0.45℃,春季气温平均每10年升高0.75℃,而降水的变化不明显.(2)冬小麦的气候产量与冬、春的气温变化显著相关与降水量的变化相关性不大.(3)当冬季和春季均温都低时,气候产量也会随之较低,即不利于冬小麦生长;当冬季均温在1℃~2.5℃之间并且春季均温较高时,气候产量相对较高,即有利于冬小麦生长;当冬季均温在1℃~2℃之间且春季均温在13.85℃~14.85℃之间时则对冬小麦的生长更为有利.     

用协变反常法研究类RN黑洞的霍金辐射

 利用协变反常取消法研究一种类RN黑洞的霍金辐射.结果表明,为了在量子水平上保持有效场的广义协变性和规范不变性,类RN黑洞的出射波的电荷总通量和能量总通量必须与一个具有相应化学势和霍金温度的(1+1)维黑体辐射的总通量相等.该结论支持了Robinson等人的观点,同时又使其在静态条件下得到了扩展.     

基于异常检测的入侵检测技术

对目前的异常检测技术进行了全面概述, 按照采用的不同技术将异常检测分为基于统计、 基于机器学习和基于数据挖掘3种, 阐述了各种异常检测技术的特征, 并描述了目前基于异常入侵检测系统用到的各种算法及其实现方法. 通过实验结果, 比较了各种算法的检测效果.     

一种检测网络异常的小波方法

提出一种基于小波分析与自回归模型的检测方法，并应用它来分析模拟实验环境中收集的时间序列．实验结果表明该方法是可行与有效的，而且优于泛化似然比检验法(GLR)．     

海量信息异常检测问题的异常概率排序算法

针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的...     

河南省钼多金属矿集区重磁异常特征及成矿预测

河南省钼矿资源丰富,集中分布于栾川、大别山地区,多与中酸性浅成-超浅成的岩浆侵入关系密切.省内已知的钼矿床多分布于重力低异常区或外围梯级带上,在航磁异常图上,钼多金属矿集区及附近的ΔT异常分布规律性不强,其异常性质及规模受成矿母岩、成矿类型及围岩性质控制.通过总结钼多金属矿集区的重力和航磁异常特征,建立了矿集区的地质、地球物理成矿模式,据此对夜长坪、南泥湖、东沟、涩港、吴陈河、汤家坪等矿集区进行找矿前景分析及成矿预测,认为夜长坪、南泥湖矿集区及新县岩体的东西两侧、商城岩体南侧找矿潜力大.