基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测

针对交通运输业中环境治理成本规划问题，提出基于数据包络分析(DEA)和扩展置信规则库(EBRB)的环境治理成本预测模型. 基于DEA模型对环境治理投入产出历史数据进行有效性分析，量化EBRB中每条规则的可靠度，建立考虑规则可靠性的EBRB模型，用于预测交通运输业的环境治理成本. 根据2004-2017 年我国各省份交通运输业环境治理实际数据验证模型. 研究结果表明，本文模型的准确性高于现有环境治理成本预测方法，可为相关决策者提供一个模型支撑和参考依据.     

海盗袭击突发事件形成机理的演化博弈分析

为了准确分析海盗袭击的决策行为与预测海盗袭击事件发生的可能性,在同时考虑海盗与海军两个群体决策行为的基础上,根据演化博弈理论建立海军护航下海盗袭击决策的非对称演化博弈模型,并分别推导出海盗采取袭击策略与海军采取护航策略的复制动态方程.通过对复制动态方程参数的讨论,确立了不同的博弈情境,并分别对各个情境下博弈的演化过程与稳定策略（ESS）进行分析.最后,以近年来索马里海盗活动的实际数据进行了实例模拟,模拟结果符合海盗活动的实际情况.理论分析和实例模拟结果表明,海盗袭击事件形成主要受袭击收益与海盗劫持成功率影响,海军护航行动使海盗更倾向于选择不袭击策略.     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

基于灰色PSO-BP的客运量预测模型

在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。     

基于粒子群优化算法下的灰色系统船闸货运量预测

采用灰色系统理论,建立了基于GM(1,1)的船闸货运量预测模型.模型参数计算分别采用粒子群优化算法和最小二乘法,两者进行对比发现,预测误差相当,但是粒子群优化算法可以避免繁琐的矩阵运算而优于最小二乘法.应用基于粒子群优化算法的灰色系统模型进行了船闸货运量的预测.     

船舶航速优化综述

从航速优化模型、油耗预测模型、航速优化模型求解方法与船舶能效管理系统方面, 分析了国内外航速优化研究现状, 探讨了航速优化存在的问题, 并针对这些问题提出了建议。研究结果表明: 在航运市场持续萎靡的情况下, 经济航行将被更广泛应用, 针对航速优化的研究仍然具有重要的意义; 在航速优化模型方面, 目前多集中在以碳排放政策、不确定因素的影响、排放控制区政策、船队调度等为单一优化目标建立航速优化模型, 优化目标主要为成本最小化和利润最大化, 未来应将航速与航线、纵倾、船队部署联合优化, 考虑多种不确定因素、多种优化目标建立航速优化模型; 在油耗预测模型方面, 预测模型主要分为白盒模型、黑盒模型和灰盒模型, 白盒模型具有更好的可解释性, 黑盒模型的预测性能更好, 灰盒模型弥补了白盒模型和黑盒模型的缺点, 将成为未来的研究重点, 未来应基于精确的船舶数据和先进的人工智能算法进行数据学习, 提升油耗预测模型预测准确性; 在优化算法方面, 由于航速优化模型的复杂性, 大多采用启发式算法进行优化求解, 这种算法可以减少优化求解时间和提高求解质量, 未来需要探索更加精确高效的求解算法; 在优化策略方面, 采用大数据分析可以识别天气对航行的影响, 动态优化策略可以补偿环境因素引起的扰动, 能够进一步提升船舶能效水平; 在船舶能效管理系统方面, 船舶能效管理系统主要包括航行数据采集、数据传输、数据储存、数据分析与智能决策等功能, 由于其成本高昂, 目前尚未在船舶上大规模运用。      

组合预测模型在路基沉降中的应用研究

为提高路基沉降预测的准确性,在S型单项预测模型和传统熵值法组合预测模型的基础上,对模型的预测值取值范围和整体稳定度2方面进行了优化,提出一种复合确权预测模型,并对其可行性和有效性进行了验证。研究结果表明:基于复合确权的组合预测模型比传统熵值法组合模型和单优化预测值取值范围模型的预测精度分别提高了3%和5%。     

基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP)，有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢，容易陷入局部极值的问题，提出一种自适应递减的收敛因子，使灰狼算法区分全局搜索和局部搜索；改进灰狼个体的位置更新公式，引入惯性权重，调节惯性权重大小使灰狼算法具有跳出局部极值的能力；对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型，结果显示，TGWO-BP的短时交通流预测模型误差为10.03%，达到较好的预测精度.     

2009年上半年全球海盗袭击案件研究

文章对2009年上半年全球海盗活动的时间、区域、遭袭船舶的国籍、种类、吨位及海盗袭击的形态进行了分类与统计分析;对船舶与海盗袭击型态,海盗袭击发生区域及其他项目进行了交叉分析;通过pearson卡方检验验证了与发生海盗袭击案件有关的变项。最后提出了一些警戒与防范海盗的建议。     

Stackelberg 博弈下海盗活动地区海军护航选择优化

为了优化海军在海盗活动区域的护航选择决策,更好地保护过往船舶,维护海上运输安全,在对实际护航行动涉及的海军与海盗两方主体博弈关系分析的基础上,建立了一个包括海军和海盗双方在内的非合作非零和Stackelberg 博弈对双方行为进行描述,并选取双层规划模型将博弈关系进行数学转换.针对该双层规划模型的特点,采用基于灵敏度分析的启发式算法（SAB）对反应函数具体形式进行计算,并进行模型求解算法设计.最后,以索马里海盗活动区域为例进行实例分析,得出海军继续选择亚丁湾进行护航,海盗活动区域将向红海转移的结果,结果也说明了模型与算法的合理性.     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型（Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM）.首先支持向量机（Support Vector Machine,SVM）参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化（Particle SwarmOptimization,PSO）算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

Multi-Step Model Predictive Control Based on Online Support Vector Regression Optimized by Multi-Agent Particle Swarm Optimization Algorithm

As optimization of parameters affects prediction accuracy and generalization ability of support vector regression (SVR) greatly and the predictive model often mismatches nonlinear system model predictive control, a multi-step model predictive control based on online SVR (OSVR) optimized by multi-agent particle swarm optimization algorithm (MAPSO) is put forward. By integrating the online learning ability of OSVR, the predictive model can self-correct and adapt to the dynamic changes in nonlinear process well.     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

Optimization of Clinching Tools by Integrated Finite Element Model and Genetic Algorithm Approach

Clinching is a convenient and efficient cold forming process that can join two sheets without any additional part. This study establishes an intelligent system for optimizing the clinched joint. Firstly, a mathematical model which introduces the ductile damage constraint to prevent cracking during clinching process is proposed.Meanwhile, an optimization methodology and its corresponding computer program are developed by integrated finite element model(FEM) and genetic algorithm(GA) approach. Secondly, Al6061-T4 alloy sheets with a thickness of 1.4 mm are used to verify this optimization system. The optimization program automatically acquires the largest axial strength which is approximately equal to 872 N. Finally, sensitivity analysis is implemented, in which the influence of geometrical parameters of clinching tools on final joint strength is analyzed. The sensitivity analysis indicates the main parameters to influence joint strength, which is essential from an industrial point of view.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法（MPC）,提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.