基于累积延误损失算法的GHP模型

考虑不同机型的不同延误损失费用提出了一种累积延误损失算法,并建立基于该算法的地面等待策略(GHP)数学模型.该算法进行到达航班排序时,以所有航班总延误损失费用为首要排序标准,以先来先服务为第二排序标准,从而得到总延误损失费用与总延误时间值都较小的到达航班序列.同时,该算法也考虑了有后继任务的航班对到达航班序列的影响.基于该算法的GHP模型结合实际数据在实验仿真中取得了较好的效果,表明了该算法与模型的实用性与有效性.     

预期短缺ES估计的稳定性分析

在风险管理中,风险量度估计的稳定性对金融机构的经济资本确定及风险分配起着重要的作用.本文从预期短缺(ESα)估计的稳定性角度分析重要性抽样技术和Monte Carlo模拟在估计信用资产组合ESα方面的差异.结果表明,由于组合损失分布尾部事件的稀有性,与传统的Monte Carlo模拟方法相比,运用重要性抽样方法估计的ESα比较稳定,且生成的风险贡献能够明显地体现出资产间不同的风险特征.     

基于MCMC模拟的相关系数平稳序列模型及其应用

提出了基于MCMC方法来估计相关系数平稳序列模型的参数;给出基于贝叶斯分布的相关系数平稳序列模型参数的算法;在无信息先验分布下,模拟证明了用此方法估计相关系数平稳序列模型参数的优良效果。最后对实际的广西电网-月负荷数据,分别用基于相关系数平稳序列模型的MCMC方法和极大似然估计法以及基于经典的ARMA模型建模,结果表明采用MCMC方法得到的模型给出的预测是最好的。     

分层控制算法在过饱和交通干线控制中的应用

提出一种启发式分层控制算法框架来解决过饱和城市交通干线的控制问题.整个控制器由控制层和协调层组成,在控制层,引入主线延误和次线延误的概念,将控制问题描述为一个冲突的多目标控制问题,提出一种新的基于IPNSGA-Ⅱ遗传算法的多目标相容控制策略来产生相邻交叉口的信号配时方案;在协调层,首先确定需要进行协调的交叉口群,然后以主线延误和次线延误为目标,采用IPNSGA-Ⅱ遗传算法进行优化,实现交叉口之间的协调.提出的相容控制策略具有鲁棒性、实时性、动态性的特点,能够实现干线交叉口的实时控制.将该分层算法应用于一个七个交叉口组成的城市交通干线的交通流仿真系统进行测试,仿真结果表明,本文方法比单点控制策略能够更有效的缓解网络中的过饱和状态,减小延误.     

具有对偶极点的不稳定过程的鲁棒控制

为了进一步完善不稳定系统的鲁棒控制器设计方法,将具有对偶极点的不稳定过程分成纯不稳定过程与一般的稳定过程两部分,对于纯不稳定过程采用先成形再镜像映射的方法,而对于一般的稳定过程则基于极点对消原则直接设计控制器,最后用闭环增益成形算法求解鲁棒控制器。将所设计的鲁棒控制器应用于磁浮列车的悬浮控制中,从仿真结果可以看出,控制效果可以达到小超调(<8%)、无静差、调节时间快(<0.1 s)、对模型摄动具有鲁棒稳定性。     

用于异质用户出行管理的可交易许可证研究

针对公共交通与私家车出行方式并行的双模式交通系统,在考虑不同用户的时间价值情况下,通过引进可交易的道路许可证政策,建立了均衡出行交通模型.研究发现,许可证政策将拥挤产生的交通成本内部化,在缓解交通拥堵的同时,通过经济手段,降低了系统总成本.进一步地,本文证明如果汽车比公交快,那么时间价值较高的人会选择私家车出行;反之,如果公交比汽车快,时间价值相对较高的有车族会选择公交出行.通过与OD收费进行比较,我们得到在收费为正的情况下,许可证政策可以得到与基于OD收费相同的效果.最后,算例结果表明,许可证政策使得部分人选择公交出行的成本更低,达到鼓励公交出行的目的;甚至在许可证发放数量少于临界数量的情况下,选择公交出行的人会获得正收益.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

基于广义出行成本的出行方案优化

为了使出行成本更加符合出行者的认知规律,运用结构方程建模方法模拟出行成本,个体特征及出行决策之间的影响关系.引入敏感系数调整服务属性在出行成本中的贡献率,利用出行意愿调查数据对敏感系数进行标定.考虑出行者对抵达时刻的选择偏好,假设行程时间服从正态分布条件下,对最佳出发时刻及期望出行成本进行寻优求解,结果表明它取决于期望到达时刻,行程时间的期望值及方差,出行者对早到损失及晚到延误损失时间成本的相对大小.研究成果可为制定个性化及最优化出行决策方案提供依据.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.