基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数...     

浅谈高速公路的交通噪声防治措施

通过对高速公路过升金湖裕丰圩保护区域现场调查和研究,针对保护区的核心区的交通噪声采取了一些科学合理的措施来降低噪声的影响,使保护区的鸟类免受交通噪声的影响。     

基于人车路协同的智能交通出行信息服务系统

近年来,智能交通信息服务受到广泛的关注,针对数据实时性和准确性差、信息交互共享难问题,设计了一种人车路协同的智能交通出行信息服务系统,形成人车路智能协同的工作环境。为解决智能交通结构化多源信息融合,提出了一种由卡尔曼(Kalman)滤波和D-S(Dempster/Shafer)证据理论两种信息融合模型——KD-SF模型,发现采用KD-SF模型信息融合结果与GPS车载采集实际测试数据近似相同,信息融合更精确。通过系统应用验证表明,人车路协同系统与交通服务信息融合后,在高峰时段公交线路平均运行车速明显提升,乘客平均候车时间明显缩短,提高城市公共交通运行效率。     

兰州市交通发展规划环境影响评价研究--意义与研究框架分析

本文以河谷型城市—兰州市交通发展规划环境影响评价为例,分析说明规划环境影响评价的意义、国内外研究状况、主要研究内容与框架,以及研究步骤、方法、技术手段等问题,对规划环境影响评价的理论与方法进行深入探讨。     

基于优化BP神经网络的高准确度软件缺陷预测应用研究

针对软件缺陷测试任务中的准确度问题,提出一种基于优化BP神经网路的软件缺陷预测方法 .该方法首先采用4层BP神经网络构建多层感知模型,并结合模糊控制原理实现任意复杂非线性关系逼近.然后通过灰狼优化算法克服BP神经网络的局部搜索陷入,从而解决其参数设置依赖性问题.实验结果表明,相比于PSO-BP算法和SA-BP算法,该算法的仿真拟合效果最优,表现出了更高的软件缺陷预测准确度.     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

大肠癌的贝叶斯预测

根据所查找数据,分别对下消化道报警症(便血、消瘦、贫血、大便变细、腹部包块和肠梗阻)、年龄、家族肿瘤史、饮食习惯和心理健康状况与大肠癌的相关性进行2c检验.检验结果表明,便血、贫血、年龄、家族肿瘤史和饮食习惯是与大肠癌发生密切相关的因素.利用贝叶斯公式根据筛选出的相关因素建立了大肠癌危险人群的预测模型,为病人是否需要进一步的技术性检查提供理论依据.从医院随机抽取某病例进行验证,预测结果与检验结果一致.     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.     

开放式同行评议模式的介绍与思考

介绍了国外在这方面的最新研究成果和应用经验,同时结合国内科技界的情况,探讨了如何在我国进行开放式同行评议模式的实践,以便让科技评价研究和管理人员尽快了解、吸收该领域的前沿知识,并在此基础上进行更深入的研究与实践,进一步提高我国科技评价的质量。