改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

国产PE/PP复合粒子高模量外掺剂增强效果试验研究

利用AC-20C型沥青混合料,分别掺入以日本和国产PE/PP复合粒子为原料的高模量外掺剂,与掺入法国PR-Module高模量外掺剂的改性沥青混合料路用性能进行比较,分析了几种高模量外掺剂的技术性能差异,论证了以国产PE/PP复合粒子为原料的高模量外掺剂的性能优势,进一步阐述了采用国产PE/PP复合粒子原料生产高模量外掺剂对高速公路建养施工的适应性及其对环保的贡献。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

家庭光伏发电系统动态经济调度研究

随着光伏发电技术的快速发展,我国安装光伏发电系统的用户逐年增长,研究家庭光伏系统动态经济优化调度问题具有重大意义。以用户收益最大化为目标函数,设置上网比例和买电比例作为决策变量,充分考虑家庭光伏发电系统的并网收益、购电支出、政府补贴、光伏阵列和蓄电池系统维护支出等因素,确定了发电系统的经济效益调度模型。在MATLAB仿真环境中,以某家庭光伏发电系统24 h内的运行调度为算例,选取目前市面上实行的几种购电电价机制,采用改进型粒子群优化算法对所建立的模型进行寻优求解。分别比较了基本不同电价机制和不同的负荷情况下所得到的最优收益,最终为调度者提供了最好的调度策略。     

机车车辆轮缘胶印式润滑法的可视化

介绍了轮轨胶印式润滑法。ВЛ80T型电力机车在各种运用条件下的试验结果表明,该方法对于降低车轮磨耗是有效的。     

VLCC货舱区分段吊装方案的自动化设计

VLCC超大型油轮(Very Large Crude Carrier)的载重量可达30万吨以上,能够装载200万桶原油,其设计和制造难度在船舶工业中具有非常大的挑战性。随着船舶工业的集成化、信息化发展,大型船舶的分段制造和吊装工艺越来越成熟,大量的工艺与装配信息为船舶工业的发展提供了保障。本文研究的目标是VLCC货舱区分段吊装方案自动优化设计,首先介绍VLCC船舶的特点,然后详细分析VLCC船舶的吊装工艺和流程,最后基于粒子群优化算法,研究了VLCC船舶货舱区的吊装方案自动优化。本文对于改善VLCC船舶吊装工艺、提升效率和降低成本有一定意义。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。