双机制Stacking集成模型在短时交通流量预测中的应用

交通流量预测对于智能交通管理决策具有重要意义,为克服传统单一模型预测精度低、稳定性不足,同时为解决Stacking集成模型对基学习器输出信息利用率不高的问题,提出了一种双机制Stacking集成模型.双机制包括内机制和外机制,内机制通过在元学习器中引入注意力机制来调整网络中的特征信息,外机制通过在基学习器中融入动态权重系数来调整基学习器的输出信息.通过内外结合的双机制实现对基学习器输出信息动态变动规律的挖掘和提取并增强对基学习器输出信息的利用率,从而提升模型的预测精度和稳定性.选取I5NB高速公路上的76898条数据为实证研究对象,进行了基于随机森林、GBDT(gradient boosting decision tree)和Xgboost(extreme gradient boosting)单一模型、传统Stacking集成模型及双机制Stacking集成模型的预测对比分析.实证结果证明双机制Stacking集成模型预测精度最高,验证了该模型在短时交通流量预测中的有效性.     

应用科技成果动态评价模型研究

应用科技成果是有生命周期的，因此对其评价必须考虑到时间因素对成果价值应用效益的影响。文章从生命周期的视角来探讨应用科技成果的动态评价机制，分别就应用科技成果的研制期、推广期和应用期三个不同阶段构建动态评价指标体系，对不同时期的指标赋予不同的权重，推研出基于时序几何平均算子的集成指标维和时间维的应用科技成果评价模型。     

基于组合赋权-云模型的智能建造应用成熟度的评价

为解决传统施工方式存在的问题,建筑施工企业向智能建造方式逐渐转型已是大势所趋。针对新时代、新基建对智能建造施工的要求并结合能力成熟度理论,提出一种基于组合赋权-云模型的智能建造应用成熟度评价模型。首先,从施工、智能、其他3个维度,构建包含勘测、设计规划、施工现场管理、资源要素、智能建造技术、数据驱动、企业顶层设计7个类别的智能建造应用成熟度评价体系。其次,采用G1法与熵权法确定各指标的主、客观权重,运用博弈论进行权重组合。最后,通过云模型展示施工企业智能建造应用成熟度等级,并依据评价结果进行展望。研究结果表明:施工企业智能建造应用成熟度评价等级为“集成共享级”,评价结果与该企业实际情况吻合,验证了本文方法的适用性与科学性,为施工企业智能建造应用的发展提供科学依据。     

新的集成预报及其在短期气候预测中的应用

分析了传统的基于加权的集成预报等方法及其在气象预测应用中存在的问题,在此基础上提出了一种新的基于数据挖掘的集成预报方法,并选用BP人工神经网络建立集成预报分类器来对各种子预报方法的预报结果进行集成和综合;该方法可以根据不同预报对象的特性,对集成预报权值进行动态改变,克服了传统的集成预报方法中权值一旦确定就不能改变的不足,也克服了现有的集成预报不能得到最优结果的不足。通过对2001～2007年重庆市城口县1月的降水和平均气温以及重庆市的春旱指数进行预报,实验结果显示,集成预报结果的可靠性和准确性不但高于集成之前的各种子预报方法,而且高于传统的其它集成预报方法,验证了方法的有效性。     

基于集成学习的用户信用卡违约预测模型研究

用户信用卡违约预测任务有助于银行等金融机构平衡经济风险与经济利益,对于银行信用卡业务的风险管控具有重要作用。针对用户信用卡违约预测问题,提出了一种基于集成学习的预测模型,有异于传统集成学习中的弱学习器。该模型采用集成模型和神经网络模型作为基学习器,从而提升模型整体的预测效果。首先通过预处理提取用户信用卡数据集的相关特征,然后分别采用优化后的决策树、随机森林、GBDT、XGBoost、CatBoost和SPE六种机器学习模型与神经网络模型进行并行训练和预测,最后通过加权软投票法集成基学习器结果并输出最终预测结果。结果表明,相对于基学习器,该模型在各项评估指标上均有所提升,且拥有更好的模型泛化能力。     

基本气象要素综合预报业务系统

使用中期数值预报产品和实况资料,充分利用现代计算机的快速计算能力,采用动态相似、最优相似等综合预报方法和经改进的传统预报方法以及综合集成预报方法,逐日滚动制作0～168h多测站温度、降水等基本气象要素预报。经2002年7月～2003年6月业务运行表明：系统运行稳定,动态综合预报等新方法预报效果明显优于PP等传统方法,对具有不同预报思路的6种预报结果进行综合集成后,预报精度明显提高。     

建筑火灾场景下的疏散个体动态安全性评价方法

为了减少因疏散个体对火场风险的感知和自身安全性认知产生的偏差而导致的应急疏散决策失误,通过分析影响建筑火灾情景人员疏散安全性的因素,引入物元分析理论和智能消防系统及其他检测探测设备等物联网技术,提出了一种针对某一具体建筑利用物联网技术获取动态风险并对疏散个体进行实时安全性评价的方法.该评价方法不仅解决了传统方法难以适应风险动态变化的问题,还通过将物元分析理论引入疏散个体安全评价过程减少了主观性对评价结果的影响.通过假设论证表明:基于动态风险数据的建筑火灾疏散个体安全性评价方法能够较准确的评估建筑火灾情景疏散个体的安全性该研究为火灾情境下的疏散个体应急疏散决策辅助系统研究提供一定的参考价值.     

基于综合集成技术的电能质量评价系统开发

电能质量评价是衡量供电质量的一个标尺,国家也颁布了响应的评价指标,但没有一个统一的评价方法,不同的评价方法的评价结果不尽相同,导致很难判断结果的可用性。基于此,本文提出基于组件技术、Web Service技术和SOA架构,将电能质量评价指标体系、评价模型及相关数据组件化,建立组件库并发布为Web服务,基于综合集成平台,动态搭建电能质量评价系统,根据不同的要求改变评价指标和评价方法,实现动态评价,从而应对电能质量评价过程中的不确定性。     

基于多中介器协作的信息集成框架

针对传统中介器/包装器(mediator/wrapper)结构上的安全问题,提出了一个多中介器的安全信息集成模型.该模型采用多中介器协作技术,根据当前系统的状态和各中介器本身的性能,以最少等待时间为调度原则,动态选举最优的中介器完成查询任务.该模型既可保证系统的安全性,又可提高系统的效率.     

基于案例学习的观点生成框架

群体观点生成是观点评价和群体一致性意见达到的基础，在此基础上提出了基于案例学习的观点生成框架，将人工智能技术集成人群体决策支持系统中，通过动态问题分解过程，多案例经验学习过程、主动的目标驱动学习过程的协调运作，既支持初始观点生成，又支持观点的修改与扩充。采用描述性智能辅助技术，使得观点生成的智能辅助方法不仅易实现，而且具有高度的灵活性和适应性。     

基于云计算的智能人脸识别借阅系统研究

针对目前大多数高校图书馆仍旧使用借阅卡、一卡通等传统借阅系统的现状,提出了构建基于云计算的智能人脸识别借阅系统。相比于在本地设备完成计算的人脸识别系统运算慢、存储资源有限等缺点,系统采用具有高性能计算能力和海量存储能力的云平台。通过采集人脸数据,将收集到的人脸信息上传到云平台,云平台采用二值化、光线补偿、灰度变化、对比度增强等方法进行处理后对人脸特征信息进行保存并备份。当扫描待测人脸时,将人脸信息上传至云端与备份信息进行对比识别。测试结果表明; 基于云计算的智能人脸识别借阅系统具有较好的准确性、实时性、稳定性,降低了本地存储负担和成本、较好的满足了用户的智能化借阅需求。     

图书馆文献信息资源智能推荐检索平台设计

针对当前方法设计的图书馆文献信息资源推荐检索平台存在的检索效率低和召回率低的问题,提出图书馆文献信息资源智能推荐检索平台设计方法。通过平台架构、检索接口、平台功能设计构成图书馆文献信息资源智能推荐检索平台的框架,其中平台架构设计包括信息库连接和可视化信息,根据数学工具和语言完成图书馆文献信息资源智能推荐检索平台中检索接口设计,平台功能包括资源显示、资源检索、信息编辑和空间分析。将隐式方法与显示方法相结合构建用户兴趣模型,在用户兴趣模型的基础上通过冷启动阶段和推荐阶段完成图书馆文献信息资源的智能推荐和检索。实验结果表明,所提方法可在较短的时间内完成图书馆文献信息资源的推荐和检索,且检索得到的资源完整度较高,验证所提方法的检索效率高、召回率高。     

基于变权-VIKOR理论的产品外观方案评价方法研究

在功能、材料、结构统一的前提下,针对新产品外观设计方案评价过程中存在的主观模糊性较强、主客观因素配置及配比不合理等导致评价结果具有较大误差的现象,为有效开展产品创新设计方案评价,提出从竞品分析和用户偏好两方面出发的产品外观方案评价方法.首先,运用产品造型相似度计算模型综合分析获得用户感知相似度,将设计方案与竞品的相似度对比,进行设计方案初步筛选;其次,运用熵权、变权理论获取不同认知主体的产品造型评价指标综合权重;最后,将产品造型评价指标综合权重与VIKOR法结合计算产品设计方案的总体排序,由此筛选出评价者满意度较高且与市场竞品相似度较低的产品创新方案.以智能出液器造型方案评价为例,对比不同方法的方案排序结果,验证了该方法模型的科学性和有效性.     

基于云模型的闭环空战决策评估

为解决针对空战决策展开评估过程中出现的复杂性和不确定性问题,构建了面向空战决策的评估指标集 并提出以一种基于云模型的云重心法和一致性赋权法相结合的闭环评估法。该方案首先对基础数据进行归一 化处理,并建立相对应的空战决策云模型,再根据指标相似性和一致性构建指标集权重,最后选取合适阈值判 断评估有效性完成评估方案的闭环反馈。仿真实例表明,该方案确保了评估的准确性和有效性,避免了传统方 法出现的随机性问题,真实反映了空战中决策的好坏。     

基于跟随领航者的车辆自适应编队控制

针对反馈线性控制器在实际情况中可能受路面湿度等因素的影响,使其参数具有不确定性的缺陷,设计了基于变量估计的自适应反馈线性控制器,提高控制器参数中的相对距离的精确度。在Matlab /Simulink 环境下进行仿真对比实验,实验结果验证了自适应编队控制方法的有效性,并且其在误差调整时间方面和抗扰性方面优于传统反馈线性控制方法。自适应编队控制方法在未来的智能交通方面具有一定应用价值。     

基于智能算法的灾区救援路径规划

为减少重大自然灾害给人民生活带来巨大的经济损失,非常必要建立一个有效的灾难响应交通运输系 统。为此,提出了基于K-means 的聚类模型和遗传算法( Genetic Algorithm) 的多人最短路模型等现代智能算法, 并结合波多黎各城镇数据进行灾难救援模拟实验。结果显示,模型成功完善了传统的灾难响应交通系统时效 低、针对性差、效率低等缺点,针对医院、公路网密集、人口密度大以及平原地区进行优先救助,利用无人机 进行主要交通线路的快速巡查,以波多黎各地区为例进行实验,结果显示模型快速实现交通恢复,为地面物资 的输送提供了极大的便利,提升了救援速度。     

基于优化查询的改进显著性检测算法

传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的 结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。 首先,对图像进行超像素分割,充分利用图像的中层信息; 其次,对图像利用流行排序算法计算图像显著图; 最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD( Complex Scene Saliency Datase) 和ECSSD( Extended Complex Scene Saliency Datese) 数据集上与8 种算法进行比较,实验结果表明,该算法具有 更高的检测准确率。     

基于神经网络的地下巷峒工程的数值模拟智能分析方法

针对在地下巷峒工程数值模拟中以常规输出数据进行的传统分析过程 所存在的问题，提出了基于神经 智能分析方法，探讨了基于这种方法的两个应用模式。     

基于DEM 数据的地貌类型快速划分系统研究

为实现地貌类型快速划分，以前人研究成果为基础，采用DEM( Digital Elevation Modeldata) 数据，将地貌信息提取流程化: 利用均值变点分析法获取宏观地形因子的最佳窗口、根据算法模型提取可反映地貌信息的8 种地形因子、对各地形因子统一量纲、获得地形因子间相关系数矩阵、采用雪式熵值法取得最佳地形因子组合，最后通过ENVI( The Environment for Visualizing Images) 软件中的非监督分类实现地貌类型划分。基于ENVI二次开发平台，采用IDL( Interactive Data Language) 语言进行编程实现，对地貌类型实现全( 半) 自动智能、快速划分。并以长白山作为研究区，从宏观和微观对地貌进行划分，并对分类结果评价分析，结果较好。该系统的实现，不仅对地貌类型提取流程化、集成化，对我国广大范围内地貌填图也具有重要的现实意义。