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。     

基于云计算的城市轨道交通信息化平台研究

随着云计算技术的成熟,城市轨道交通智能化已经成为其未来发展的重要方向。探究云计算与城市轨道交通运营的融合路径,研究城市轨道交通云计算平台的基础架构,特别关注了其计算资源架构,并从知识库和运行大数据分析两个角度为其灾备中心应急处置系统提供了两种故障处理思路,最后对于大型城市中心云计算模式的缺陷提供了边缘云计算思路,为城市轨道交通智能化发展提供借鉴与参考。     

PPP模式在城市轨道交通领域的应用研究

分析PPP模式的主要特点及适用于城市轨道交通工程的制约因素与适用优势,提出了充分发挥市场化运作、完善运用PPP模式法规政策、深化PPP开发模式拓宽融资渠道、提升沿线综合开发土地价值4方面关键控制要点,对促进PPP模式深化转型与轨道交通建设适用性选择具有一定参考指导作用。     

基于项目治理的城市轨道交通项目BT模式选择与运行效果

现有工程项目交易方式的选择通常考虑项目管理层面的因素,而忽略了项目治理层面相关因素的影响,这导致BT模式下工程项目交易效率较低,成为制约BT模式在我国城市轨道交通项目中推行的关键因素之一。为此,本文引入项目治理理论,提出应根据BT项目契约中的项目控制权强弱及与之匹配的风险分担的有效性划分出强BT、标准BT、弱BT三种项目交易模式,给出了按照项目控制权与风险分担相匹配的BT模式选择过程,并通过案例研究分析了这三种模式的运行效果,为城市轨道交通项目BT模式创新和优化提供了依据。     

提高城区电网短期负荷预测准确率的方法

负荷预测是电力系统中的一个重要环节,是电力系统安全、经济、稳定运行的重要保障。针对我国大型城市中心城区负荷易受天气等突变因素影响而出现负荷曲线突变,导致短期负荷预测准确率降低的问题,以及城区负荷具有较明显的时间周期性特点,提出了通过考虑逐时、划分特定区域气象信息建立负荷预测模型,利用数据挖掘技术寻找相似日的方法,为提高短期负荷预测准确率提供一种思路。     

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dtw-prophet算法的模型在服务器分区使用率性能数据预测中的应用

服务器是计算机的一种,它比普通计算机运行更快、负载更高、价格更贵。服务器在网络中为其他客户机提供计算或者应用服务。在运行过程中,服务器各项性能指标能够很好地反馈其运行状态、使用场景。因此,对服务器性能数据的研究能够很好地分析服务器的工况、潜在风险,提前规避进而提升服务器的稳定性、可靠性。传统的服务器分区使用率预测主要包括lstm、arima、svm、prophet、三次平滑等模型,而本文构建的dtw-prophet模型,将prophet算法作为基础,使用dtw算法对数据的不同周期进行最优化求解,从而寻找prophet的最优季节项周期。结果表明,该模型对时序序列数据有较强的适应力,对时序数据的预测效果较佳。该模型在数据处理、模型构建方向提出了新的思路,提升了自身的适应力、稳定性。     

水电站设备故障预测中分类算法的应用

为提高设备故障预测精准度,介绍应用遗传算法、EEMD算法、数据驱动归因算法的主要步骤、注意事项及应用方法,以期为水电站设备运维管理和设备故障预测提供参考。     

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...     

基于神经网络算法和随机森林模型的烧结矿质量预测

为对成品烧结矿质量进行实时、准确的预测,构建基于神经网络算法和随机森林模型的成品烧结矿质量预测体系。以TFe、CaO、SiO₂、R₂、MgO、Al₂O₃、P、固定碳共8个参数作为输入,以转鼓强度、筛分指数作为输出,采用限幅滤波进行数据处理,形成测试集;用测试集进行训练,以平均绝对误差(MAE)、命中率为评价指标,对比两种方法对烧结矿质量预测的精度优劣。结果表明,随机森林模型对转鼓强度预测效果更好,神经网络算法对筛分指数预测效果更好,二者相得益彰,可达到90%以上的命中率,可以实现对烧结矿质量的快速、准确预测。     

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。     

基于粒子群神经网络的软岩巷道变形预测

软岩巷道变形预测在采矿工程中具有十分重要的意义.软岩巷道变形预测是一个典型的多变量、非线性系统.运用粒子群优化的神经网络构造了软岩巷道变形预测的模型,以此训练好的粒子群优化神经网络模型来描述软岩巷道变形和主要影响因素之间的关系.该方法以神经网络为基础,用粒子群算法来优化神经网络,综合利用二者的优点,进行软岩巷道变形预测.实验表明,此方法是高效可行的,并可在更多领域内应用。     

基于CBR与三维WebGIS的建筑业风险智能预测

传统风险预测方法的不足之处在于:主观随意性较强,偏差度较大且通常无法全面预测潜在风险.基于CBR的风险智能预测方法通过优化搜索已有案例数据库,寻找出与待建项目关键属性相似的案例,将已完工程项目风险数据与解决方案作为待建项目的决策依据,从而更为客观全面地挖掘出潜在风险,并借鉴过去经验措施给出防范策略.待建工程完工后也将纳入到案例数据库中使之不断更新,为今后工程项目的风险预测提供决策支持.同时,风险预测结合三维WebGIS技术显示预测结果及化解方案,使数据直观可视,具有方便查询与及时发布信息的功能.     

基于模型预测控制的机械臂轨迹跟踪算法

机械臂控制系统常采用比例—积分—微分控制(PID)等方法,但存在超调、抖动等问题,制约了控制精确度.模型预测控制(MPC)方法能够对预测模型进行反复优化和反馈校正,在机械臂控制中具有优势.考虑机械臂输入输出参数多、强耦合等非线性特性,以二自由度机械臂为例,对MPC方法进行改进研究:首先,根据拉格朗日方程,对机械臂进行非...     

基于小波变换和贝叶斯证据推断框架下的LS—SVM短期风速预测

基于小波的多分辨率分析,针对风速序列拟周期性、非平稳性及非线性等特点,将风速序列按不同频率进行分解,对分解后的原始风速信号分别建立不同的预测模型;各个模型的最佳参数由贝叶斯证据3层推断得出,用以建立基于小波和贝叶斯证据推断框架下的最小二乘支持向量机（LS-SVM）回归短期风速预测模型。应用该模型对东北某风电场的风速进行了提前1h的预测,预测的平均绝对百分比误差为7．63％,提高了预测精度。预测结果表明：基于贝叶斯证据推断框架下的LS—SVM和小波分析相结合的短期风速预测模型是一种有效、可行的风速预测模型,可为风力发电功率的预测提供一定的理论支持。