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%.     

谷类食品中香料成分快速检测方法研究

对几种不同提取方法研究,发现超声波提取对谷类食品中香兰素和乙基香兰素有较高的提取率和准确度.用这种方法对香兰素和乙基香兰素进行定性定量分析,加标回收率均在92％～106％之间,RSD值在1.08％ ～ 3.87％之间,适用于婴幼儿谷类食品中香兰素和乙基香兰素的快速检测.     

日粮中添加柑桔皮粉对蛋鸡营养物质代谢的影响

将笼养的48周龄黄金褐蛋鸡10只随机分为两组,每组5只。试验组在基础日粮中添加2 5%的柑桔皮粉,对照组仅喂基础日粮,在49周龄进行物质代谢试验。结果表明:试验组鸡日粮中粗蛋白质、粗脂肪、粗纤维和粗灰分等营养物质的表观代谢率均有提高,依次分别比对照组提高5 53、2 56、3 39、3 44个百分点,经t检验,与对照组鸡日粮中各相同营养物质表观代谢率间均差异显著(P<0 05),说明用柑桔皮粉作添加剂,能明显提高上述各营养物质的表观代谢率,使经粪尿排出的营养物质量减少,有利于蛋鸡对营养物质的消化吸收和利用,从而提高产蛋率和产蛋量。     

藏药沙棘枝叶多糖的提取与含量测定

目的确定得糖率最高的提取部位并测定该部位提取物中多糖含量.方法以沙棘枝叶多糖得率为标准,通过超声波辅助-乙醇回流脱脂-热水浸提提取方法,比较水提取物、甲醇提取物、乙酸乙酯提取物的得糖率;Sevage法除蛋白后,采用苯酚-浓硫酸法测定沙棘多糖中总糖的含量.结果乙酸乙脂提取物、甲醇提取物、水提物部位的得糖率分别为4.01%、4.84%、6.42%,且水提物中总糖平均含量为28.51%.结论超声波辅助方法提取沙棘枝叶中的多糖,得糖率高;苯酚-浓硫酸法测定沙棘枝叶中多糖含量的方法简便、灵敏、准确,适合于沙棘多糖含量的测定.     

基于集成Dropout-DNN模型的盾构掘进速度预测方法

为了提升土压平衡盾构机的掘进速度预测精度,提出一种集成Dropout-DNN模型的盾构掘进速度预测方法。依据济南地铁R1线盾构隧道段工况数据,将数据集划分为五份,并选取刀盘转速、刀盘扭矩、总推进力、螺机转速、土仓压力这五个参数为输入参数,分别建立了五个Dropout-DNN模型并进行集成实现了盾构掘进速度的预测,进一步对不同的预测方法进行了对比分析。研究结果表明：各Dropout-DNN模型预测精度具有一定的差异性但基本良好,其决定系数均大于0.6、平均绝对百分误差均小于10%,而集成的Dropout-DNN模型决定系数为0.695、平均绝对百分误差小于5%,可见集成模型预测精度较高;基于BP神经网络、DNN模型实现的盾构掘进速度预测模型其决定系数分别为0.502、0.566,可见提出的集成Dropout-DNN模型预测精度提升明显。     

曲阜旅游市场预测分析

本文通过对曲阜旅游市场的调查统计,建立了曲阜旅游系统客流量动态模型。对1988—2000年的客流量按月做了预报。对87年的客流量模拟检验表明,年相对误差小于3％。同时,结合定量和定性分析,对市场效益和市场需求作了宏观预测分析。本研究结果已用于曲阜旅游发展规划制定中。     

应用热压模拟实验资料研究油气生成相态

在国内Ⅰ、Ⅱ、Ⅲ型干酪根的三组模拟实验资料基础上,经过生烃产物油气配方的摩尔组成计算,应用PR状态方程计算了生烃产物的PVT相图;根据生烃产物的气油比和PVT相图特征分析发现,Ⅰ、Ⅱ型干酪根的油气生成相态具有两种类型,即“油相型”和“气相型”,两者的Ro分界线分别在1.5%~1.6%和0.9%~1.0%之间;而Ⅲ型干酪根的生烃产物均表现为“气相型”。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

基于行程数据的公交车到站时间预测

为向乘客提供较为准确的上下车时间参考,解决长距离预测中误差累积明显的问题,构建基于双层、双注意力、双向长短期记忆(LSTM)神经网络的公交车到站时间预测模型,提出一种基于行程数据的公交车到站时间预测方法.以广州市B2路、 560路公交车工作日的实际运行数据为例,对该预测方法进行精度验证.结果表明,由该模型所预测的行程时间,其平均绝对百分比误差为8.09%,在长距离到站时间估算上,15个站点的预测误差可保持在4.00 min左右.     

西安市城郊6县投资环境的比较

从经济基础及现状水平、经济和社会发展条件、资源状况、位置政策和投资情况、经济活力、社会文化卫生环境状况等方面,建立区域投资环境评价指标体系,确定权重及算法,实行定性分析和定量研究相结合。从总体和每一侧面论述了西安市各县投资环境的优势和存在的问题,指出各县投资环境优化的实破口和对策