清香型优质烟叶物理特性指标预测分析

探究清香型优质烟叶物理特性指标与生态因子间的定量关系,构建物理特性指标预测模型。选择云南省玉溪市2019-2020年优质烟叶的物理特性指标数据与生态数据（气象、土壤和海拔）,建立多元线性统计预测模型与BP神经网络预测模型,并分析各生态因子对烟叶物理特性指标的相对贡献率;利用均方根误差（Root Mean Square Error,RMSE）与归一化均方根误差（Normalized Root Mean Square Error,NRMSE）对两种预测模型模拟效果进行检验分析。结果显示,气象因子平均相对贡献率明显高于土壤、海拔的相对贡献率,气象因子对清香型优质烟叶物理特性指标尤为重要;统计预测模型的RMSE、NRMSE值均高于神经网络预测模型,神经网络预测模型预测准确性更高。利用统计方法与神经网络构建物理特性指标预测模型,可以为不同生态条件下提升烟叶品质、促进烟叶品质评价智能精准化提供一定的科学理论依据。     

城市快速路交织区运行风险预测模型

为了探究城市快速路交织区交通特点,提出交织区运行风险预测分析方法.首先基于城市快速路交织区断面线圈数据及自然驾驶试验数据,分析城市快速路交织区运行特点,结果表明交织区车辆变道行为导致其运行风险增大;然后基于VISSIM仿真试验方法,分析交织区运行风险影响因素,建立运行风险预测模型,同时采用K均值聚类分析法提出风险分级标准;最后采用无人机采集的交通流数据进行运行风险预测模型误差分析.研究成果可为城市快速路的设计管理提供工具和参考.     

基于改进塘鹅算法优化BP神经网络的新型冠状病毒疫情预测

针对北京市和美国新型冠状病毒感染疫情的累计确诊人数的预测，提出了基于改进塘鹅优化算法（Improved Gannet Optimization Algorithm,IGOA）、优化反向传播神经网络（Back Propagation Neural Network,BP）权值和偏差的预测模型。将原塘鹅优化算法中塘鹅的位置更新方式由迭代次数的线性关系修改为非线性关系，并引入了随机数，更准确地模拟塘鹅的捕食过程；在两个阶段均采用随机选择机制，并改进了开发阶段塘鹅的位置更新方式，有效地平衡了探索阶段和开发阶段。在实验阶段利用23个基准函数的极值寻优验证了IGOA的有效性，并建立预测模型IGOA-BP，对北京市和美国新型冠状病毒感染累计确诊人数进行预测。与其他7种比较模型相比，预测模型IGOA-BP的预测结果的均方误差（Mean Square Error,MSE）、平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）均最小，表...     

基于数值与文本特征的LSTM股票价格预测研究

行为金融学理论指出，由社交媒体文本数据所折射出的投资者情绪在一定程度上影响着股票市场的波动。为了利用投资者情绪对股票市场作出更准确的预测，本文爬取2020年8月31日至2021年9月1日的沪深300指数股吧评论文本数据，使用基于融合基础情感词典和金融词典的分析方法将评论文本数据量化为投资者情绪指标，并利用长短期记忆（Long short-term memory,LSTM）神经网络构建了融合股票历史交易数据和基于股吧评论的投资者情绪指标的多特征预测模型。实验结果表明，基于数值和文本特征的LSTM股票价格预测模型的平均绝对误差（Mean absolute error,MAE）、均方根误差（Root mean squared error,RMSE）和均方误差（Mean square error,MSE）值较LSTM数值特征预测模型降低了18.84、15.79、1486.54。较GRU(Gated recurrent unit)数值文本特征模型，其MAE、RMSE、MSE值则降低了11.42、10.49、931.75。实验结果表明本文提出的方法可以有效预测股票价格指数。     

考虑安全的快速路合流区主线车道宽度研究

为了合理设计快速路合流区主线车道宽度,提高车辆运行安全性,提出了一种合流区主线车道宽度调整方法.首先,基于实测的平均速度和速度标准差数据,结合已有相关研究和车道宽度理论模型,运用统计学方法分别构建了内侧和中间两车道的车道宽度-事故率模型;然后,采用K-均值聚类法分别确定了内侧和中间车道的安全阈值,从而确定了车道宽度调整...     

基于改进CTM模型的城市快速路交通流仿真

为了探讨城市快速路交通流特征,针对快速路的4个模块进行了交通流仿真。以经典元胞传输模型(CTM)为基础,根据相邻元胞间流量传输相等的基本原理,引入元胞长度参数,推导出了元胞间流量传输公式,由此提出改进的元胞传输模型。利用改进元胞传输模型对城市快速路交通流进行仿真,主要包括道路环境和交通环境两个方面,即上匝道之间的间距以及主线和匝道流量比,仿真包括构成城市快速路的4个模块:基本路段、合流区、分流区以及交织区,以车辆延误作为分析指标。仿真结果表明,基本路段和分流区的延误增加量一致,合流区和交织区的延误增加量一致。     

基于驾驶模拟实验的快速路交织区运行风险评价

对快速路交织区运行风险进行有效评价可为交通组织优化设计与交通管控的实施提供依据.基于8自由度驾驶模拟仿真平台,建立16个场景模拟不同交织区长度、不同交通流密度、不同行驶路径的城市快速路交织区运行状况;基于20名驾驶员的实验数据,分析车辆运行状态特性,并提出快速路交织区运行风险评价指标;进一步分析运行风险评价指标与场景变量的关系,并给出运行风险等级划分标准.研究结果表明:高密度交通流场景下运行风险比低密度交通流场景增大50％;运行风险评价指标与交织区长度呈线性负相关关系,增大交织区长度有利于降低交织区的运行风险.     

基于拥堵概率的城市快速路入口匝道控制策略

为解决城市快速路交通拥挤问题,开展快速路入口匝道控制策略研究.采用现行规范与现场数据建立VISSIM微观仿真模型,基于交通仿真分析,建立快速路入口合流区的拥堵概率模型,提出基于拥堵概率的入口匝道控制策略.通过收集主线上游流量以及入口匝道流量,预测拥堵概率;若拥堵概率超过其临界值,则启用入口匝道控制系统,确定匝道入口调节率和信号周期.研究表明,相比无信号控制,基于拥堵概率的快速路入口匝道控制策略能够使拥堵概率降至0.1左右,主线车速提高约20%.     

注意力机制的长短时记忆神经网络航线订座需求预测

针对航线订座需求预测中存在的预测结果不稳定,偏差较大的问题,提出了一种基于注意力机制 的长短时记忆神经网络(Long Short-term Memory Neural Network,LSTM)航线订座需求预测模型。首先, 对采集得到的航线订座需求数据进行数据清洗与指标计算处理,接着,对处理后的指标数据基于注意力机 制做权重分配,然后进行 LSTM 航线订座需求预测模型的建立,从而得到航线订座需求的最终预测结果 值。将训练优化得到的模型应用于国内某航司的航线订座需求预测中,计算出预测结果。实验结果表明, 基于注意力机制的 LSTM 航线订座需求预测模型预测精度较高,以厦门-上海为例,预测结果在与真实值 的对比下,平均绝对误差(Mean Absolute Error,MAE)为 13.1,均方根误差(Root Mean Square Error,RMSE) 为 17.2,相比较于移动平均法,指数平滑法,循环神经网络（Recurrent Neural Network,,RNN）,CNN-LSTM 混合模型有较好的预测效果。     

高速公路出入口与主线纵坡间净距对行车速度影响仿真分析

高速公路出入口与主线纵坡净距较小时,车辆上下坡时易受分合流影响,速度变化差异性较大,不利于行车安全。为研究纵坡车辆速度实时变化规律,基于出入口与主线纵坡间最小净距,利用三维虚拟现实仿真软件UC-win/Road建立入口-上坡与下坡-出口路段仿真模型,通过Forum8驾驶模拟仪进行实验并采集数据。通过控制变量法调整大型车混入率、分合流比例等特征指标;构建速度度量模型,量化特征指标与速度之间的关系,针对特征指标进行单因素敏感性分析。结果表明：分合流比例及大型车混入率对速度变化影响显著;不同类型车辆的速度大小和变化趋势差异性较大。其中,大型车混入率对上坡段车辆运行状态影响较大,而分流比例对下坡段车辆运行状态影响较大;大型车混入率和分合流比例分别为30%~40%、10%~15%时,速度波动最大,敏感性较强。研究结果可用于为出入口与主线纵坡净距较小时的车辆运行管理及安全措施改进提供理论依据。     

Valiantzas模型在广西参考作物蒸散发预测的适用性研究

参考作物蒸散发(Reference Evapotranspiration, ET₀)的精确计算是灌溉制度设计、水资源分配及管理的基础。本研究基于广西喀斯特与非喀斯特地区10个典型气象站点5年半的逐日气温、风速、相对湿度和日照时数数据,系统评估了Valiantzas系列简化模型(对应于不同气象因子缺失情况)在广西的适用性,并以Kling-Gupta Efficiency系数(KGE)、Nash效率系数(NSE)、决定系数(R²)、均方根误差(RMSE)以及平均偏差(PBIAS)作为评价指标。结果表明：Valiantzas-M1模型与FAO-56 Penman-Monteith (FAO-56 P-M)模型所需气象因子相同,但精度较高,其NSE和RMSE分别为0.796-0.841和0.557-0.641 mm/d,便于实际应用,可替代FAO-56 P-M模型。缺失风速时,原始Valiantzas-M2模型误差较大,用广西地区平均风速对其进行修正的Valiantzas-M2-modify模型能够提高ET₀模拟精度,降低误差,...     

城市交通网格集群的Bi-LSTM的流量预测

为提升交通流预测精度，深层次地挖掘交通流数据的时空特征，提出一种基于双向长短时记忆网络(Bi-LSTM)的城市交通网格集群流量预测模型。将所获得的网约车轨迹数据集网格化；考虑人为确定集群个数对结果的影响，用贝叶斯信息准则进行参数估计确定集群数，利用高斯混合模型对交通状况相似的网格进行聚类得到不同交通网格集群；利用集群内部交通网格的输入时间序列的相互影响设计多对多模型，构建Bi-LSTM模型预测不相交集群上的流量；以经典多元线性回归模型(MLRA)作为对照组进行实验验证，采用平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)和动态时间规整(DTW)这四类评价指标对预测结果进行综合评价，验证基于Bi-LSTM模型的城市交通网格集群流量预测的可行性。实验结果表明：MLRA模型和Bi-LSTM模型对城市交通网格集群流量的预测值小于真实值，早高峰时段尤为明显；各交通网格集群的交通状态态势相似，集群的簇内相关性较强，两类模型均可实现较好的流量预测效果，Bi-LSTM表现更优； MLRA和Bi-LSTM预测模型的精度MAE、RMSE、MAPE分别为3.2011、4.4009、0.3187，3.0687、4.2943、0.3045，Bi-LSTM与MLRA相比，模型精度分别提高了4.14%、2.40%、4.46%，说明所构建的Bi-LSTM交通流网格集群流量预测精度高、误差低，要优于MLRA模型，表现出较好的泛化性能； MLRA和Bi-LSTM的DTW结果分别为52938.6356、54815.1055，构建的Bi-LSTM模型较MLRA模型各自工作日和节假日时间序列相似性DTW结果提高3.42%，表现出更好的鲁棒性。利用城市交通流量的特点和交通轨迹数据网格化的优点，基于Bi-LSTM模型的城市交通网格集群流量预测与MLRA交通流量预测模型相比，具有精度高、误差低的特点。同时，DTW指标方面，基于Bi-LSTM对城市交通网格集群流量模型与真实流量变化趋势一致，表现出较好的鲁棒性。     

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(Attention Mechanism)和教师监督(Teacher Forcing)中的指数衰减(Exponential Decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-Attention Mechanism-Exponential Decay, SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90天ADS-B航迹数据构建原始数据集,以平均绝对误差(Mean Squared Error, MAE)和均方根误差(Root Mean Squared Error, RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以四种预测长度1分钟、3分钟、5分钟和10分钟进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10分钟预测窗口下的平均绝对误差分别降低了66.30%, 54.62%和36.59%,均方根误差分别降低了65.45%, 38.16%和20.57%,同时,上述四种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献.     

基于预测模型和自主计算的网络资源管理

为解决综合网络系统中的自主管理问题，以气象水文业务系统为背景，对自主网络管理中的设备状态预测机制和DEN-ng策略模型扩展机制以及结合这两种机制处理网络通信系统中的自主管理问题进行了深入研究，提出了NAR-BP（Nonlinear Auto Regressive-Back Propagation）状态预测模型，并根据观探测设备的测量数据，对该模型进行了实验测试。实验结果表明，NAR BP状态预测模型的各项误差指标较传统的AR(Auto Regressive) 模型算法减少了约4/5。基于DEN ng策略模型扩展了管理决策组件，使其适应应用层的系统状态预测，通过一个策略驱动的多信道数据通信管理实例展示了DEN-ng扩展策略模型在自主网络管理中应用的可行性。     

榆树木材基本密度近红外模型优化的研究

 为探究近红外光谱技术野外测量木材基本密度的可行性,用圆盘模拟伐倒木锯面,采集光谱信号,结合偏最小二乘法（PLS）建立榆树木材基本密度预测模型.其校正模型和验证模型决定系数R²分别为0.8456和0.8011,均方根误差RMSE分别为0.0231和0.0266,标准误差SE分别为0.0232和0.0268.为进一步提高模型预测精度,利用卷积平滑、小波变换等6种方法对光谱信号进行预处理.结果表明,基于小波变换去噪的模型精度最好,校正模型和验证模型决定系数分别为0.8996和0.8662,RMSE和SE的值均达到最小.研究表明,近红外光谱技术可用于木材基本密度的野外测量.     

基于自动监测和Sentinel-2影像的钦州湾溶解氧反演模型研究

钦州湾是广西近岸海域水质较差的区域,为及时了解钦州湾海域水质状况,本文借助遥感水质监测技术范围广、快速、连续、可视化程度高的优势,以高分辨率遥感卫星Sentinel-2影像数据为数据源,结合广西近岸海域自动监测数据,通过一元与多元,线性与非线性的回归分析方法建立钦州湾溶解氧浓度反演模型。研究表明,在构建的370个波段组合中,最佳波段组合分别是1/B3、lnB3/（lnB1+lnB2）和B3/（B1+B2）,其Pearson相关系数（R）分别为0.905 2,-0.897 0和-0.889 2。钦州湾溶解氧浓度反演模型中,逐步回归模型拥有最低的平均相对误差MRE （6.47%）,最低的均方根误差RMSE （0.584 5）,同时模型验证精度R²为0.654 3,稳定性较佳。本文突破了广西近岸海域传统监测的局限性,同时为钦州湾溶解氧遥感监测提供参考。     

基于改进YOLOv3的街道行人检测与跟踪方法

针对室外街道的行人检测与跟踪,提出一种改进YOLOv3与简单在线实时跟踪(simple online and real-time tracking,SORT)算法相结合的检测及跟踪方法.首先,引入距离和比例交并比(distance and proportional-IOU,DPIOU)损失,将原有的损失函数中的均方误差(mean square error,MSE)部分进行变化,从而得到更精确的检测框;其次,将网络结构中的RestNet进行优化,改变下采样区域,增加池化层,进而减少特征信息的丢失;最后将检测结果输入SORT算法进行建模和匹配.实验结果表明,在室外街道的场景下,改进的算法与YOLOv3相比较,损失值收敛更快,平均准确率高出4.85％,跟踪准确率上升3.4％,同时,模型的速度有所提高,最快可达14.39 FPS.     

基于智能算法的燃料电池汽车道路坡度估计

道路坡度是燃料电池混合动力汽车(FCHV)能量管理策略中的重要参数,但精确的道路坡度很难实时获取。因此,提出了一种基于智能算法(长短期神经网络,LSTM)的道路坡度估计方法。通过分析汽车行驶动力模型,选择了合适的行驶参数作为网络输入。同时,比较了该算法与多层感知器(MLP)算法的估计结果,也比较了不同文献中各算法估计结果的归一化均方根误差值(NRMSE)。实车实验结果表明:该方法能在不使用额外传感器的情况下,较准确地估计实时道路坡度,估计结果的RMSE值(均方根误差值)和NRMSE值仅为0.65°和4.6%。