基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

针对当前城市轨道交通短期起讫点（OD）客流预测存在模型构建工作量大、资源占用量大的特殊性,提出一种基于PCA-Kmeans算法的城市轨道交通短期OD客流预测方法。利用自动售检票（AFC）刷卡交易明细数据构造OD分布比矩阵,通过主成分分析（PCA）进行数据降维,再通过Kmeans算法处理降维后的数据,采用手肘法确定初始聚类数目,开展Kmeans聚类分析;依据聚类分析结果的各簇中心OD分布比及轮盘赌策略分布,以准确度较高的进站客流为OD客流,实现全线网规模的短期OD客流预测。以西南某城市轨道交通数据为研究对象开展实例研究,快速完成了全线网规模的短期OD客流预测,日粒度平均绝对百分比预测误差仅为13.7%,15 min粒度平均绝对误差仅为8.56,印证了该OD客流预测方法具有较高工程应用价值。     

基于支持向量机模型的地铁进站客流量预测

为了更精确地预测短期站点客流量,动态调整城市轨道交通的日常客流方案,采用支持向量机模型对预测地铁客流量。首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、当日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量;然后,构造支持向量机预测模型并运用粒子群算法优化模型(PSO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析;最后,以苏州地铁数据为例,预测汾湖路地铁站的进站客流量。结果表明,优化模型能够有效改善预测误差,预测结果更为准确,证明PSO-SVM方法能有效用于地铁进站客流量的预测研究,为地铁进站客流量预测提供了新的方法。     

基于长短期记忆神经网络的油井产量预测方法研究

油井产量预测对正确认识油藏动态、及时调整工作制度、合理制定井下措施,具有重要指导意义。文章分析油井生产历史数据的变化趋势以及与未来生产的关联性,以单井数据为基础建立基于长短期记忆神经网络(LSTM)的油井产量预测方法。现场生产应用表明,预测值与实际值吻合程度高,产液量和产水量平均误差分别为0.64%和0.96%,满足现场工程应用要求。     

基于决策树模型的地铁线网短时OD客流预测

为了准确获取地铁线网短时OD(起讫点)的客流分布,从而高效协调运输能力和客运需求,结合集成学习思想构建了基于决策树模型的多时间粒度下地铁线网短时OD客流预测模型。首先利用地铁自动售检票数据分析得到线网OD客流出行的时空分布特征,引入多种时空影响因素对全网数据进行训练以及预测,其次分析了地铁线网OD客流量预测精度与时间粒度之间的关系,最后以苏州市地铁为对象进行实例分析。结果表明：相对于其他模型,研究模型不仅可以有效降低预测误差和拟合客流峰值,而且运算时间也节约了数倍,提高了地铁线网短时OD客流预测的准确性和效率。因此,所设计的模型可为地铁运营与控制系统提供重要数据,有助于运营者进行限流措施、行车计划等的制定与调整。     

基于模式匹配的煤炭价格短期预测

考虑煤炭价格的非线性特征,采用模式匹配的方法对煤炭价格进行了短期预测。并选取了秦皇岛港煤炭交易市场山西优混(Q5500)煤种价格进行实证研究。实证研究结果表明,模式匹配法能够较好地进行煤炭价格短期预测,可为煤炭生产、消费企业以及政府进行科学决策提供支撑。     

基于全寿命周期费用的轨道交通工程设备选择

基于全寿命周期费用的城市轨道交通工程项目施工建设,能够强化交通工程设备应用分析,旨在通过城市轨道交通工程设备科学化应用基础上,促使整个城市轨道交通工程项目实现科学化建设,从整体上提升城市轨道交通工程施工建设质量,并将成本控制在合理范围内。立足城市轨道交通工程设备选择,以全寿命周期应用分析,总结经验,创新优化,为实际工作的创新落实发挥一定的借鉴作用。     

基于ARIMA模型的沿海电厂煤炭日耗短期预测

煤炭日耗数据是反映工业活动的重要指标,具有较强的跟踪意义,研究短期内沿海电厂煤炭日耗变化有助于预判煤炭市场走势及需求变化情况。运用时间序列分析法对沿海电厂煤炭日耗数据进行建模,得到适用的ARIMA模型后,对后续日耗数据进行短期预测,取得了较好的拟合预测效果,说明时间序列模型用于沿海电厂煤炭日耗的短期预测是合适的,能够反映出沿海电厂煤炭日耗的短期走向及趋势。随着煤炭电力市场及数据统计工作趋于完善,煤炭消费预测还应向更广尺度延伸。提高电力耗煤预测的准确性,有助于实现更高水平的电网安全。建议进一步加强煤炭市场监测预测,加快建立健全电力供需预测预警机制。     

基于时间序列分析的输变电工程变压器价格短期预测研究

变压器价格是影响输变电工程投资的重要因素,但是由于影响变压器价格因素众多,因此对变压器价格进行科学预测有一定的难度,而输变电工程投资管控又迫切需要对变压器价格进行准确地预测。鉴于此,文章以2010~2018年输变电工程变压器价格为研究样本,在描述变压器价格变动轨迹的基础上,分别以移动平均法、单指数平滑法、双指数平滑法、非周期的Holt-Winter法、AR模型和MA模型对变压器价格进行预测,给出2019年和2020年变压器价格的预测值并进行优劣判断。研究结果表明:双指数平滑法预测精度相对较高,而引入多种时间序列模型进行变压器价格预测,能够给出投资决策者多种选择,可以提高决策的精确性和柔性,对输变电工程实现精准投资和良性投资控制具有一定的积极意义。     

全面提升轨道交通工程建设的安全管理水平——华为助力北京市轨道交通安全监控应急指挥网络建设

正近年来,我国城市轨道交通建设速度迅猛增长,预计至2016年,我国将新建轨道交通线路约89条,总建设里程为2500公里。随着城市基础设施建设加快,轨道交通、建筑施工等各类生产安全事故将有可能大大增加,建设安全生产形势不容乐观,全国轨道交通工程的大规模建设对轨道交通工程建设的安全风险技术管理需求迫切。     

基于WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了 一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法.首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优...     

一种基于机器视觉技术的城市轨道交通客流量检测方法

为了准确识别并检测城市轨道交通客流量变化,研究轨道交通客流量的变化规律,以客观图像为研究对象,以机器视觉技术为研究手段,提出了一种新的交通客流检测方法。在对交通客流视频图像进行滤波与增强后,利用Canny边缘帧差法从预处理图像中获取完整的运动目标轮廓。同时,利用AdaBoost检测算法构建的强分类器完成乘客头部的检测,并通过双线差值算法消除视频图像中不同位置尺寸所产生的误检框,实现对目标的跟踪与记载,完成客流量的统计。结果表明,该方法在交通客流量的检测中准确率高于90%。检测方法对提高城市轨道交通客流量的检测准确性具有一定的借鉴意义。