基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

HLA/RTI中分布资源的存取机制研究

HLA(High Level Architecture)作为分布交互仿真领域最新的技术规范，促进了不同领域、不同类型仿真应用的互操作与可重用，RTI(Run Time Infrastmcture)是HLA的软件实现，其运行效率直接影响仿真应用的整体性能。我们对RTI中涉及的数据资源进行了定义，探讨了资源管理所面临的问题，设计出高效存储、快速索引这些资源的存储方案，改善了RTI数据管理效率，并成功地应用于自行开发的分布仿真支撑平台AST—RTI中。     

用时间序列分析方法动态确定检查点时间间隔

设置检查点是容错计算机系统进行故障恢复的重要手段。检查点的开销则是影响其性能的一个主要因素。许多文献已指出检查点开销主要是来自于对进程状态的保存。文章采用时间序列分析的方法对进程状态大小变化情况进行分析和预测,动态选择恰当的检查点时间间隔,减少检查点时需保存的进程状态量,从而减小了检查点的开销。     

基于混沌吸引子的时间序列预测

本文提出一种新的时间序列预测技术。对于一个经诊断存在混沌吸引子的时间序列,根据相空间中混沌吸引子的分形等特性,建立依赖于预测点邻界状态的预测模型;综合存在于原时间序列中确定线性趋势的外推结果,实现对原时间序列的短期预测。     

随机冲击下的最优变现策略

相对于普通投资者，大规模持有某种资产的机构投资者在交易这种资产时．其行为会导致资产价格的单向变动，从而产生流动性风险。本文考虑在随机冲击下机构投资者的纯卖变现行为，利用最优控制理论研究内生的最优变现时间问题。敏感性分析表明．最优变现策略和变现时间由市场价格波动率、资产的流动性和机构投资者的风险厌恶偏好共同决定，需要投资者相机选择合适的最优变现策略。     

关于导弹定价的时序模糊综合评判

本文利用模糊集分析的方法，量化了影响导弹价值的因素，建立了关于导弹定价的时序模糊综合评判模型。并且对改装后的导弹定价和分批交付的导弹综合定价进行了定量计算并分析了结果。     

利用最小二乘法估算Shooman模型中的参数及其程序实现

本文给出Shooman模型中参数的一种有效的估算方法，能使整体性能最优的最小二乘法。并给出其具体的程序实现。     

基于XMSF的建模与仿真研究

继HLA之后,建模与仿真(M&S)技术如何发展,是当前仿真界正在考虑的问题。美国国防部(DoD)2002年提出了可扩展建模与仿真框架(XMSF)报告[1],对Web技术如何支持M&S进行了深入研究。这一框架使新一代M&S应用的可重用性和互操作性有了进一步的发展。本文阐述了XMSF的概念,在分析HLA缺点的基础上利用XMSF思想对HLA进行了完善,并且就如何利用XMSF进行大规模仿真开发做出了启发性的指导。     

随机需求直通配送一次转载时间的选择

对于随机需求的直通配送系统，在运行过程中按一定规则对各分中心的当时库存进行重新分配(转载)，可以减少非均衡性缺货，提高系统的服务水平。本文分析了在配送周期内只进行一次预防性转载更加合理，并给出了确定转载时间的方法。     

一种低复杂度的频率、时延联合估计新方法

提出了一种基于子空间的正弦信号的频率、时延联合估计快速算法。首先给出一个PM(propagatormethod)算子 ,再由其分块矩阵构造一特殊的矩阵。由该矩阵的特征分解所得的特征矢量给出频率估计 ,而由其特征值及估计的频率得到时延估计。与现有的方法相比 ,由于该算法减少了一次特征分解 ,因而具有较低的计算复杂度。最后 ,用正弦信号及实测语音数据验证了该方法的性能