基于长短期记忆网络的轨道交通短期OD客流量预测

为了更准确地掌握轨道交通客流在线网中的时空分布,更高效地匹配客流需求与运输能力,实现提高轨道交通运输效率、改善运营服务质量的目的,提出了一种基于长短期记忆网络的短期OD(交通起止点)客流量预测方法。以历史客流数据为基础,定性分析车站间OD客流量的时空相关性,利用回归分析法定量分析客流影响因素,筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度,以长短期记忆网络为基础,结合时间特征,为每对起讫点单独构建预测模型,形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证,结果表明,加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基于LSTM网络的短期OD客流量预测模型,预测结果与真实值之间的误差降低了6.27%～8.58%,所提出的方法和模型可为轨道交通运营部门制定列车运行计划、组织客运工作提供更准确的数据资料。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

基于改进支持向量机的混凝土桥梁极限荷载预测研究

作为基础设施的重要组成部分,混凝土桥梁承担着货物运输和人员通行的重要任务,然而由于长期受到环境因素和交通负荷的影响,桥梁结构会逐渐受损,可能会导致严重事故和损失,因此准确预测混凝土桥梁的极限荷载对于确保桥梁结构的安全性和可靠性至关重要。以改进支持向量机为基础,对混凝土桥梁极限荷载进行精准预测,为桥梁结构的健康监测和维护提供一种可靠的工具和方法。     

支持向量机模型在断层破碎带围岩变形预测中的应用

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路。首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性。结果表明:初步预测结果的相对误差均小于5%,而误差修正后的预测精度被提高到0.97%,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考。     

基于支持向量机的煤炭需求量混沌时间序列预测

一、引言 在我国能源开发战略研究和煤炭资源价值的评估中,对煤炭需求预测的研究是一项十分重要的工作. 煤炭需求预测的方法很多,主要有主观推断法、趋势外推法、国内生产总值单位能耗部门预测法、需求弹性系数法、主要消耗部门预测法、人均能耗法、回当分析法、时间序列预测法、灰色预测方法、人工神经网络等.     

基于支持向量机的文本分类研究

本文介绍了基于支持向量机（SVMs）的文本分类基本原理、方法，并给出实现的例子。     

基于贝叶斯框架的最小二乘支持向量机煤价预测

2008年以来国际、国内煤炭市场价格经历了大幅波动,对我国工业经济尤其是电力行业造成了巨大的冲击。煤炭市场价格的大幅波动已经引起社会的广泛关注。客观分析煤炭价格的影响因素,找出引起煤炭价格大幅波动的原因,对未来煤炭市场价格进行有效预测,进而有效地规避煤炭市场风险,对于工业经济尤其是煤炭和电力行业的稳定发展具有重要意义。     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

基于支持向量机对间歇过程的建模及控制

介绍支持向量机的原理,以甲基丙烯酸甲酯的聚合为例阐述利用支持向量机对间歇过程建模的方法,并把其应用于在线模型的修正和控制。     

基于支持向量机的燃煤热值快速测量方法

燃煤热值通常采用量热仪氧弹进行测量,如果能够大大缩短测量时间并保证足够的精度,将会是十分有意义的事.本文结合支持向量机回归模型,提出了一种能够快速测量燃煤热值的方法.该模型通过分析氧弹测量热值的物理规律,建立了多参数指数模型,并基于支持向量机回归模型建立了指数模型参数之间的对应关系,用于预测最终的燃煤热值.本文采样了7...     

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。     

基于SVM的软件质量评价

为了提高软件质量评价的准确性,参考各软件质量模型中的质量因素,构建评价指标体系并构建基于SVM的软件质量评价模型,通过在WEKA下实例仿真,基于SVM的评价结果与期望的结果是一致的,表明该方法能够准确、科学和客观地评价软件质量。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。     

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。     

高斯过程机器学习在临河地铁车站基坑变形预测中的应用

为了更准确地对临河基坑开挖过程中出现的变形进行预测和风险预警,以天津地铁7号线王兰庄站出入口基坑临河施工为例,提出了一种基于改良高斯过程机器学习的临河基坑变形预测方法。首先,将施工过程收集的变形位移监测数据作为学习样本;其次,利用改良高斯过程回归算法对学习样本进行训练,并通过自适应不同的训练函数,获取较为合理的基坑变形代理模型;最后,通过代理模型预测基坑变形位移,并识别基坑风险,同时与传统高斯预测结果、有限元计算结果和实测值进行比较。结果表明：1）改良高斯过程回归方法较常规高斯过程的模拟效果更好,在样本点充足的条件下,可准确地根据基坑变形数据学习并预测后续基坑开挖的变形位移;2）相较于工程应用较多的有限元计算方法,采用改良高斯回归过程机器学习方法,可根据现场的实际监测数据对变形进行动态地学习、分析与预测。研究成果更贴近现场实际情况,具有较强的推广价值,可为基坑变形预测提供参考。     

基于可拓物元法的轨道交通换乘站服务水平综合评价

为了更好地帮助车站运营者对车站服务水平进行综合评价，以反映不同客流组织措施的效果进而进行方案抉择，从行人基本出行体验、走行体验及设备设施体验3方面入手，建立综合服务水平指标体系，并基于可拓理论提出换乘站服务水平综合评价方法。针对客流问题给出4种客流组织场景，利用Anylogic软件对苏州轨道交通石湖东路站进行仿真，得到不同组织场景下的各项指标，随后基于可拓物元法对各场景进行综合评价分析，结合关联度矩阵、具体指标与仿真效果，确定最佳的客流组织方式为场景1，可将综合服务水平由现状的“一般”提高至“良好”。可拓物元法建立的综合评价模型可为车站管理者进行组织措施提供参考，也可为车站运营组织提供技术支撑。     

基于回归-ELM神经网络模型的滑坡变形及失稳预测模型

为准确预测滑坡的变形趋势,有效预防滑坡灾害的发生,提出了基于变形预测和检验的趋势判断模型。首先,利用回归分析,拟合得到滑坡的变形曲线,再利用组合权值,实现拟合结果的组合,得到滑坡变形的初步预测结果;其次,利用极限学习机(ELM神经网络)对初步预测结果进行误差修正,将修正结果与初步预测结果进行叠加,得到滑坡变形的综合预测值;最后,利用秩相关系数检验与Mann-Kendall检验,对滑坡变形趋势进行判断,以验证预测结果的准确性。经过实例检验得出,预测模型的预测效果较好,其组合预测及误差修正均能不同程度地提高预测精度及稳定性,且两检验模型的结果均与预测结果相符,相互验证了其可靠性。因此,预测模型能对滑坡变形趋势进行综合判断,为滑坡的变形研究提供了一种新的思路。