轨道交通网络平台的网络外部性对客流的影响研究

轨道交通网络能吸引路网上的客流,因此可以缓解交通拥堵和环境污染等城市问题。采用效用函数构建平台客流模型,并从网络平台视角刻画轨道交通网络平台的客流状态。追踪中国上海相关数据,运用普通最小二乘法、工具变量法——二阶段最小二乘法、异质性分析、稳健性检验等处理方式,对比分析直接网络外部性效应与交叉网络外部性效应,实证检验直接网络外部性与交叉网络外部性对平台上的客流影响。结果显示：增加站点数量对乘客选择轨道交通出行的意愿影响有限;上海轨道交通网络平台的客流规模超过平台自身的最佳荷载量,导致乘客数量源源不断地流失。     

基于三维设计的HGIS配电装置优化布置应用研究

受到占地面积、运行条件等多种因素的影响,导致HGIS配电装置最佳布置方案设计难度加大,为此进行了基于三维设计的HGIS配电装置优化布置应用研究.从可靠性、运行维护、防污性能等方面分析HGIS配电装置特性,在此基础上分别构建雷电模型、输电杆塔与母线模型,以获取不同雷电流波形取值,并根据工程实际情况确定模型对应参数,以增强...     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

基于改进GA-PSO算法的需求响应式运输研究

用标准的交叉粒子群算法(GA-PSO)求解多个车场有目的地的开放式需求响应式车辆调度问题容易过早陷入局部最优,为解决算法缺点,进一步提高算法求解精度,通过增加基因突变和路径合并更新因子,提出改进GA-PSO算法.通过对需求响应调度问题的描述,建立数学模型,构建改进GA-PSO算法求解流程.利用随机数据生成实验算例,采用...     

神经网络识别分类中交叉模糊问题的研究

针对神经网络在分类问题研究中出现的交叉模糊问题，提出误差比对法对模糊问题加以解决。以BP网络对TBM和诱饵进行分类识别为例，分析表明该方法精度可靠，可望较好地解决分类问题中的模糊问题。     

无线传感器网络最小中继节点布置问题的近似算法

为了消除传感器节点路由负载的不平衡,可在无线传感器网络中布置少量功能较强的中继节点作为路由节点,最小化中继节点数是其主要优化目标.文中证明了有界平面区域上的中继节点布置问题是P问题,但一般情况下的计算复杂度相当巨大.从中继节点布置问题的几何覆盖特征出发,提出了一种O(n~2 log n)时间的贪心近似算法,其中n为传感器节点数目.在该算法迭代过程的每一阶段,先从未被覆盖的传感器节点中选出一个关键节点,为了阻止孤立节点的产生,再按照"优先覆盖与关键节点距离较近的传感器节点"的原则来确定中继节点的位置.实验结果表明该算法可在很短的时间内生成一个接近最优的可行中继节点布置,且在中继节点布置的尺寸以及执行时间方面都要优于现有算法.     

炮采对拉工作面机头大棚支护和回采步距分析

在采煤作业中,为了防治水或探明、揭露断层或回采运输方便等需要,在设计布置工作面时,会形成两个工作面对拉出煤回采的情况.这样,机头大棚需支护的面积明显增大,采用原来"四对八根"控制顶板(图1)显然满足不了现场工作需要,这就给机头大棚的支护提出了新的要求.在现定工作中我们摸索出了如下图2的支护方式,支护效果比较明显,确保了安全生产.     

笛卡尔积图K3,3×Pn的交叉数

两个图G1和G2的笛卡尔积图G1×G2是这样一个图:V(G1×G2)=V(G1)×V(G2),E(G1×G2)={(u1,u2)(v1,v2)|u1=v1且u2v2∈E(G2),或者u2=v2且u1v1∈E(G1)}.确定了笛卡尔积图K3,3×Pn的交叉数为7n-1.     

基于突发污染事件的管网水质监测点优化布置

针对城市供水系统中突发的污染事件,提出了供水管网水质监测点布置方法.利用混合整数规划模型表达了多目标水质监测点布置,通过模拟管网发生的水质污染事件,计算管网发生污染事件时对用户带来的影响值,利用改进的贪心随机自适应性搜索算法对模型求解,并结合ZJ市管网,验证了该算法对模型的求解效率,提出了该市基于突发污染事件的管网水质监测点优化布置方案.     

基于贝叶斯模型组合的随机森林预测方法

为了能够精准可靠地估计太阳能辐照度,本文提出一种基于贝叶斯模型组合的随机森林算法用于太阳能辐照度预测.首先,引入K-means聚类和K折交叉验证将气象数据训练集生成多个训练子集,以增加训练子集的多样性并保证均匀采样.其次,将随机森林作为基学习器建立集成学习预测模型,导入训练子集并训练各个随机森林.之后,依据各个随机森林在验证集上的预测性能,采用贝叶斯模型组合算法制定组合策略.个体随机森林在测试集上的预测值经过模型组合策略得到最终输出.最后,基于气象实测数据建立仿真实验,并引入其他四种预测方法进行对比仿真研究,通过实验结果验证了文中所提出预测方法在太阳能辐照度预测问题中的准确性和可靠性.