基于实时公交信息的乘客乘车决策研究

实时交通信息的发布使乘客出行更具灵活性.调查乘客对实时公交系统的应用情况及功能需求,并提取乘客乘车决策规则.考虑乘客决策的"有限理性"特征构建决策模型:将乘车舒适性因素转换为时间成本,运用云模型建立定量时间到定性概念的映射;依据出行参考点确,定出行方案的因素权重,建立期望效用函数;构建不同的出行场景,运用决策模型进行出...     

基于时序分解的自适应在线学习电力负荷预测算法研究

传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态变化特征,从而提高预测精度.算法基于隐马尔可夫概率预测模型,在获得新样本时对模型进行在线更新,适应最新数据;利用STL时序分解算法对负荷数据进行分解,使具有不同不确定性和动态变化规律的分量分离开,再分别使用在线学习算法对不同特征的分量进行预测,构造电力负荷预测组合算法.基于三个公开电力负荷数据集的测试结果表明,相比于单一的在线学习模型,本文提出的组合算法提高了预测精度,预测相对误差最高减少了27%.     

一种通用的基于梯度的SVM核参数选取算法

核函数的选取是SVM分类器选取的核心问题.核函数的自动选取既可以提高分类器的性能,又可以减少人为的干预.因此如何自动选取核函数已经成为SVM的热点问题,但是这个问题并没有获得很好的解决.近年来对核函数参数的自动选取的研究,特别是对基于梯度的优化算法的研究取得了一定的进展.提出了一种基于梯度的核函数选取的通用算法,并进行了实验.     

面向大数据流的多任务在线学习算法研究

大数据时代背景下,越来越多领域对大数据计算提出了高要求,尤其各行各业产生的大数据更多地是一种动态的流式数据形态,因此,实现实时、快速、高效的大数据流计算与分析日益紧要.在线机器学习算法是解决实时大数据流分析的有效方案.在机器学习算法中,通过核学习能够获得有效的核函数,而所选核函数又对核学习器的性能有很大影响.结合在线机器学习与核函数研究一种适用于大数据流环境下的多任务在线学习算法,探讨了算法过程中可能出现的扰动项,应用数据依赖核的构建方法提高了算法的广泛性.算法不需要对历史数据流进行存储和重新扫描,只需选择一个数据集样本,在分析新的流式大数据时能够在可接受时间内直接将当前核函数更新为最合适的核函数,非常适合应用于流式大数据环境下的核学习问题.     

一种基于在线优化的排队系统分配策略

优化医院的病床分配可以有效地提高医院的管理水平.基于层次分析法建立了一套医院病床分配的评价体系,通过模拟多服务台的排队模型计算其综合评价指数.再以每天不同疾病对床位的优先级作为决策变量,引入虚拟函数f表示决策变量到综合评价指数的映射关系,对函数通过Matlab模拟及在线优化,从而确定使综合评价指数更高的改进分配方案.最后,以某眼科医院的实际数据,验证了模型和模拟策略的有效性.     

一种基于训练数据的迭代改进核函数

为提高支持向量机性能,提出一种支持向量机核函数的迭代改进新算法.利用与数据有关的保角映射,使核函数包含了全部学习样本的信息,即核函数具有数据依赖性.基本核函数的参数可取随机初值,通过对核函数进行多次迭代改进,直至得到满意的学习效果.与传统方法相比,新算法不需要筛选核函数的参数.对一元连续函数和强地震事件的仿真计算结果表明,改进SVR(support vector regression)的学习效果优于传统方法,并且随着迭代次数的增加,学习风险下降收敛,收敛速度依赖于传统方法的基本参数和改进方法的参数.     

一种有约束的广义预测控制新算法

本文以优化理论为基础,提出了一种新的有约束的广义预测控制算法和一般的有约束的预测控制算法相比,它不用取初始可行点;也不用求矩阵的逆,减少了计算量和存储量.文中在一定的温和条件下,证明了算法的收敛性,并给出了算法的三个收敛性定理.最后给出算例,结合MATLAB数值试验结果验证了这一算法的有效性..     

无界意义下的在线变化分位数回归算法

本文研究了基于核方法下的在线变化损失函数的回归算法.利用迭代和比较原则,得到了算法的收敛速度,并将该结果推广到了更一般的输出空间.     

无界意义下的在线变化分位数回归算法

本文研究了基于核方法下的在线变化损失函数的回归算法. 利用迭代和比较原则, 得到了算法的收敛速度, 并将该结果推广到了更一般的输出空间.     

基于支持向量回归机的交通状态短时预测和北京某区域实例分析

根据基于支持向量回归机的交通状态短时预测方法建立了数学模型,考虑以交通检测器收集到所要预测时刻前几个时段及被测路段上下游前几时段的交通流量、车道占有率、平均线速度等交通参数为输入,以对应时段的平均线速度为输出.选取核函数,对支持向量回归机进行训练.应用训练完成的支持向量回归机,利用输入参数预测下时段的交通线速度.最后,以北京市北四环某路段的实时监测数据来对模型进行检测,预测结果表明了模型的有效性.     

交通流非参数回归模型

交通流宏观参数流量、速度和占有率在交通工程和管理中具有非常重要的作用 ,对这三者关系的刻划反映了道路本身特性和交通流的规律。到目前为止 ,基本上采用线性或非线性的参数模型来描述 ,此类模型在应用中具有一定的局限性 ,并交通变量时间序列进行预测 ,数据拟合表明 ,选择适当的核函数或邻近数以及窗宽 ,可以达到比较满意的效果     

基于模糊信息公理与云模型的虚拟企业合作伙伴选择

针对虚拟企业建立过程中的关键问题——合作伙伴选择,本文以合作需求为驱动,建立了一种基于模糊信息公理与云模型的合作伙伴选择方法。利用质量功能展开法将合作需求转化为决策属性及其重要度,采用模糊三角数处理展开过程中的不确定信息,并以相对偏好关系计算属性相对重要度。运用信息公理计算各候选企业的信息量,再以各候选企业信息量作为云滴,利用逆向云生成器求得评价结果的云数字特征,通过云数字特征将其转换为定性评价,并进一步分析评价结果。最后,通过实例分析验证了该方法的可行性和有效性。     

对监理人才培养模式的思考

本文结合我国国情，提出了我国监理人才培养的五种基本模式，对如何提高工程建设监理人员的素质、丰富工程建设监理人才库问题作了探索。     

基于云计算的信息服务通用模型研究

概括了云计算技术的普遍特征,分析了云计算技术在信息服务业的典型应用案例及其局限性,继而针对性得提出了一种基于云计算的信息服务通用模型,并通过量化分析论证了该模型的可行性.     

基于ARMA模型的中国农产品价格的分析与预警

采用ARMA模型,对中国农产品生产价格指数(1979-2010)时间序列进行了建模分析.结果表明,ARMA(5,1)模型是平稳的且是可逆的.对2011-2013的中国农产品生产价格指数GPIFP进行了短期预测.预测结果分别是112,102和108.采用ARMA模型进行农产品生产价格指数的分析与预测,能较好地反映其动态变化,对促进我国农产品价格市场和谐发展具有重要的参考价值.     

考虑信息熵模型的道路交通安全态势模型

分析道路交通事故统计中的交通事故数、死亡人数和受伤人数,并且将这三种统计数据和某地区的机动车辆数和机动车驾驶人数相结合,分别得到万车交通事故数和万人死亡人数和万人受伤人数,建立信息熵模型(information entropy model)对以上数据进行分析研究,从而得出评价交通安全程度的指标.这种方法突破了以往仅停留在万车死亡人数的指标上,且以往的研究方法还需采用专家评价法或德尔菲等定性评价方法,此评价方法对道路交通安全的分析更客观.最后以北京和天津近三年的交通事故统计数据为案例进行分析,研究结果表明:2012年至2014年间北京道路交通安全评价指标主要以交通事故起数认定所在年的道路交通安全状况,天津道路交通安全评价指标主以交通事故造成的受伤人数认定所在年的道路交通安全状况,且北京三个指标的G_i均高于天津,因此北京交通安全水平要低于天津.     

基于效用函数的质量模型研究

在标准形式的CES效用函数的基础上引入饱和需求量，得出扩展形式的CES效用函数，展现其新的数量特征，并进一步利用质量效用函数模型描述劣质品和吉芬商品的需求特性．     

基于变系数回归模型的石油价格预测

石油作为不可或缺的能源和化工原料,在国民经济生产运行中占据重要地位.石油也是一种战略物资,在国防和国家安全领域发挥着不可替代的作用.因此,对国际市场上的石油价格波动进行预测,具有十分重要的意义。本文采用变系数回归模型,以WTI原油现货价格为例,进行了未来4个季度的季度平均价格预测.     

基于跟车思想的一维元胞自动机交通流模型

提出一个改进的一维元胞自动机模型来模拟周期性边界条件下高速公路上车流运动.基于跟车模型的思想,根据所研究车辆与其前方紧邻车辆之间的间距和相对速度来确定该车的运动,间接地反映了次近邻车辆的影响.通过引入安全间距来描述高速运动车辆接近前方缓行车辆时的减速行为,并利用随机减速概率来反映减速行为中的随机因素.由于安全间距的引入,当减速概率大于零时在较高密度下就出现完全的阻塞相.同时在本模型中采用的是有条件减速,因而可以较好描述交通实测中观察到的现象.在临界密度附近,车流运动处于亚稳态并呈现出滞后现象.由于本模型对于车辆微观运动的合理描述,可以直接用以研究在交通灯控制下城市道路交通中的各种现象.