交通需求组合模型的不确定性分析

交通需求预测中会有很多不确定性因素.系统的不确定分析可以分析模型输出的可信程度,并且界定影响不确定性的关键因素.采用了基于敏感性分析的方法(SAM)分析交通需求组合模型(CTDM)的不确定性.CTDM基于出行者的理性行为,并可描述为一个非线性规划问题,从而分析敏感性.不确定性分析包括模型输入的不确定性和模型参数的不确定性.与基于随机抽样的分析方法相比,基于敏感性分析的方法在大大减少计算量的同时,可以得到近似的精度,并且可以同时或分开考虑输入的不确定性和参数的不确定性.研究认为,提高参数精度比提高输入精度能更有效地提高输出结果的可信水平.     

基于二次组合的特征工程与XGBoost模型的用户行为预测

特征构造的难题在数据挖掘过程中一直存在,传统固化的特征工程对于业务场景千变万化的数据挖掘任务所带来的效益十分有限,因此解决特征工程的特征构造问题已经成为数据挖掘的瓶颈之一;尤其在机器学习算法快速发展的情况下,特征逐渐成为模型中急需重视的部分。基于电商平台的用户行为数据,在原有特征群的基础上提出了二次组合统计特征的构建方法。利用二次交叉衍生出丰富而又切合业务场景的特征群,同时结合两种滑动窗口的方法,分别是定长滑动窗口获取更多的训练样本,变长滑动窗口获取具有时间权重的训练特征,以此来最大限度地还原出用户真实的行为习惯。最后,使用不同的特征组合结合降维的方法建立对照检验模型;并利用线性的逻辑回归模型、线性支持向量机以及树模型极端随机森林与XGBoost对模型进行交叉验证。结果表明,组合特征在树模型的算法中得到了非常好的表达效果;而且无论在线性模型还是树模型中衍生特征群模型的F1值都优于基础特征群。     

金融工程中组合模型的神经网络算法

借助于神经网络的思想，提出求解Ｍａｒｋｏｗｉｔｚ模型的神经网络算法，证明了其解的存在性，稳定性和有效性，该结论很容易推广到一般二次规划问题，从而丰富了求解二次规划问题的方法。     

基于SP调查的需求组合模型参数标定方法

介绍了交通需求组合模型（CTDM）,建立了目的地方式选择组合模型,采用逐层估计的极大似然估计法对其进行参数标定.按照意向偏好SP(stated preference)和行为偏好RP(revealed preference)数据结合使用的要求对SP调查方法加以改进,开发了“基于互联网的个体行为调查设计及数据采集平台”进行数据采集.利用调查数据进行需求组合模型参数标定.以上海市嘉定校区学生观影行为为例,对所提出的方法进行验证.结果表明,通过改进的SP数据标定的参数具有较高的精确度.     

基于意向偏好调查的需求组合模型参数标定方法

介绍了交通需求组合模型(CTDM),建立了目的地-方式选择组合模型,采用逐层估计的极大似然估计法对其进行参数标定.按照意向偏好SP (stated preference)和行为偏好RP(revealed preference)数据结合使用的要求对SP调查方法加以改进,开发了“基于互联网的个体行为调查设计及数据采集平台”进行数据采集.利用调查数据进行需求组合模型参数标定.以上海市嘉定校区学生观影行为为例,对所提出的方法进行验证.结果表明,通过改进的SP数据标定的参数具有较高的精确度.     

证券组合模型系数的凸二次规划求解方法

证券组合问题是二次规划问题,在证券组合模型中的协方差矩阵为正定的条件下,利用矩阵理论将其转化为等价的无约束优化问题.并且建立了原问题的K-T点与等价无约束问题的稳定点之间的关系.为证券组合投资的最优化提供科学依据和有效的计算方法.     

不定二次规划的全局优化算法

对不定二次规划问题提出了一个新的确定型全局优化算法,通过对目标函数和约束函数的线性下界估计,建立了不定二次规划的松弛线性规划.通过对松弛线性规划可行域的细分,以及一系列松弛线性规划的求解过程,并通过实例证明了算法能收敛到原问题的全局最优解.     

二次插值样条的误差估计

关于二次样条插值的误差估计,在等距网格的情形,王建忠得到了∥f(x)-S(x)∥_∞的准确界。叶懋冬和黄达人得到了∥f＂(x)-S＂(x)∥_∞的准确界。但对于一般网格的情形还没有理想的结果,本文改进了Marsden一的些结果。     

弹性需求下的双向混合交通需求预测组合模型

基于我国城市道路双向混合行驶现状及实际交通网络的运行特点,借助Logit路径选择模型,建立弹性需求下双向混合交通需求预测组合模型.证明了模型的一阶条件等价性,给出其具体的求解算法并用算例说明该模型是有效的.     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的APSO去优化BP神经网络——APSO-BP的组合预测模型,用DBN模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。     

基于二次有限元离散的瀑布型多重网格法及其收敛性

通过使用二次有限元的节点信息构造二次插值算子为相邻细网格提供迭代初始值,提出了基于二次有限元离散的瀑布型多重网格法,从理论上分析了该算法的收敛性,给出数值算例验证了改进算法的有效性.     

优选分段二次插值函数

考虑分段结点与插值结点相同的分段二次插值函数,通过选择使结点处的二阶导数尽可能连续来确定插值函数,建立了优选分段二次插值函数的一个数学模型,给出了求解的计算方法．数值计算结果显示所建数学模型是合理、有效的,计算方法简单、正确．     

基于活动的城市出行需求层次选择模型

以2010年绵阳市传统居民出行调查数据为基础,研究从传统居民出行调查数据中提取基于活动模型建模所需特性数据的方法和流程,并提出了以方式/目的地选择模型、时间选择模型和日活动模式选择模型为主体的层次选择模型结构,就数据处理、模型结构、变量选择、模型标定等提出一个完整的基于活动模型的分析方法,从而实现了基于活动的交通需求预测.     

交通网络需求脆弱性分析及应用

异常事件的发生往往引起交通网络供给能力的降低,若忽略交通需求的变化,会对网络所受到影响的估计产生一定偏差.提出需求脆弱性概念,同时考虑异常事件下供给与需求的变化,以基于随机效用理论的需求组合模型和可达性指标作为脆弱性指标的基础,定量评估网络承受异常事件的能力.通过示例路网介绍了需求脆弱性指标的计算,并比较了几种方案对于降低需求脆弱性的效果,说明了需求脆弱性分析在交通规划与管理中的应用.     

求解二次Lagrangian有限元方程的瀑布型多重网格法

针对二次Lagrangian有限元方程,通过将新外推公式和二次插值技巧相结合,为细层提供好的初始值,设计了新的瀑布型多重网格法.数值实验表明,与基于部分几何信息的代数多重网格法相比,新算法有更好的精度和效率.     

求非凸二次规划全局最优解的分解线性化方法

对非凸二次规划(QP)问题提出新的确定性全局优化算法,该算法先对目标函数进行分解得到可分的等价问题,再根据相应函数的线性下估计建立原非凸二次规划的线性松弛规划,同时在分枝定界方法中使用区域删减准则来加速算法的收敛性.理论分析和数值计算表明提出的算法是收敛且有效的.