基于数据驱动的城市居民出行OD预测

【目的】利用“大数据”对城市居民出行量(OD)的预测方法进行改进,以期改善传统城市居民出行调查方法费时、费力且准确度不高的问题,同时也为城市公共交通规划与管理提供可靠的数据支持。【方法】结合手机信令数据、公交IC卡、公交GPS以及地铁闸机数据的特点和优势,利用聚类分析等方法获取城市居民公共交通出行的OD矩阵,并利用小波神经网络结合优化后的鲸鱼算法(improved whale optimization algorithm-wavelet neural network, IWOA-WNN)对未来时段的出行OD矩阵进行预测。以长沙市为例,选取60 d晚高峰期间的原始数据,利用IWOA-WNN进行预测,并结合时间序列方法进行分析。【结果】与优化前的小波神经网络相比,IWOA-WNN的预测结果更加贴近实际情况,精度达到了93.36%。【结论】本研究提出的数据处理及预测方法具有更高的准确度。     

采用鲸鱼算法的可控扩散叶型优化设计

为提升可控扩散叶型MANGHH在高空低雷诺数条件下的气动性能,建立了一套结合类别形状函数变换方法、S1流面求解程序、鲸鱼优化算法的优化设计系统,具有参数较少、易于实现、求解快速等优势。经单峰函数和多峰函数测试表明,鲸鱼优化算法的寻优能力明显高于粒子群优化算法和引力搜索算法。研究表明:与初始叶型相比,优化叶型在-4°、0°、6°攻角下总压损失分别降低了55.9%、16.1%、16.3%;在不同的攻角下,优化叶型吸力面的载荷峰值前移,减缓了边界层位移厚度的增长速率,削弱了尾缘附近的流动分离,并且随着来流马赫数的增大,优化叶型的总压损失减小幅度增大;随着来流湍流度的增大,初始叶型的总压损失先减小后增大,优化叶型的总压损失由于湍流耗散能力增强而增大,但总压损失始终低于初始叶型,气动性能显著提升。     

北极熊的盛宴

大约20年前,年轻有为的格林陵兰萨斯卡切宛大学的生物学家马尔科姆·拉姆塞为他的专业研究作了如下的选择：研究动物食物链系统中最简单的一种形式──一种掠食者加一种掠食对象。地球的极地似乎恰好提供了这样一种最简单、最直接的掠食方式：一种大型掠食动物（北极熊）,加上一种主要的掠食对象（海豹）。现在,每当拉姆塞回顾他当初的选择时,他总是情不自禁地摇头感叹,因为他的研究最终证明了那个“最简单的方式”充满了离奇的意外现象。前不久一起意外遭遇令拉姆塞至今难以忘怀。1999年5月下旬的一天,拉姆塞和同事苏珊·波丽丝库克…     

寻找独角鲸

科学家和猎人们一起开始拉网。网很重,因为有一头体型庞大的鲸鱼已身陷其中。     

基于改进鲸鱼优化算法的GBDT回归预测模型

针对梯度提升决策树（gradient boosting decision tree, GBDT）参数难以选择的问题, 提出一种基于改进鲸鱼优化算法（improved whale optimization algorithm, IWOA）的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题； 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力； 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.     

基于改进鲸鱼算法优化神经网络的飞机空气循环系统建模及故障分析

飞机空气循环系统在飞行过程中很容易出现故障,因此在地面上模拟仿真飞机空气循环系统有着重要意义.首先建立飞机空气循环系统仿真模型,针对该系统建立神经网络模型进行训练;引入PID控制算法调节参数以应对飞机遇到的不同飞行状况;针对神经网络模型引入鲸鱼算法,并运用烟花算法、重启机制和正余弦混沌双弦算法对鲸鱼算法进行改良.结果表明:模型可以模拟飞机引气到排出过程,以及不同情况下飞机空气循环系统4个主要组件的出口温度;神经网络系统可以根据输入指标数据预测不同组件的出口温度,并分辨出飞机空气循环系统是否出现故障及哪里出现故障.改进后的神经网络训练速度加快,准确率提升,明显降低了陷入局部最优值的可能性.