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.     

船舶无线网络通信过程差错数据智能检测方法

现有的异常数据检测方法无法适应船舶无线网络通信环境,存在漏检率高的问题,为此提出通信网络差错数据智能检测方法。根据舰船无线网络通信的特点,选取通信数据差错特征。利用数据采集设备,获取船舶无线网络通信过程数据。通过计算数据集的离散度与设置置信区间2个步骤,实现对通信过程差错数据的识别。以识别结果为基础,分别从数据长度、格式和内容3个角度,实现对通信差错数据的智能检测。为了验证设计的智能检测方法的检错能力设计性能对比实验,结果表明,与传统差错数据检测方法相比,设计的智能检测方法的漏检率降低了30.1%,且通过该方法的检测与控制提高了无线网络通信的稳定性。     

基于RFID技术的动车组轮对检修管控系统

应用射频识别（RFID）技术和信息物理融合思想，以某转向架车间为研究对象，构建了一个动车组轮对检修管理与控制系统。该系统在信息采集、动车轮对状态监视及检修过程控制等方面提供了一种信息物理融合的管控方案。现场应用效果表明，该系统可有效提高动车组轮对周转效率，实现动车组轮对检修过程实时跟踪和实时控制。     

云计算的船运物流运输中智能航道选取算法设计

船运物流运输过程中,经常碰到航运路线有多条,或受外界因素影响航线需要调整的状况。此时需要航道调度系统对航道数据进行分析计算,给出当下的最优航道选取方案。但是,现有的航道选取算法存在数据分析处理慢,多资源航道数据融合度差的问题。因此,将云计算技术作为算法的核心,提出云计算的船运物流运输中智能航道选取算法设计。通过引入KDUFN-YUN云端航线资源融合算法,完成对航道客观数据与云端数据互通;接着,在云计算的基础上引入最优选取算法,对云计算下融合的航道数据进行最优选取;最后,通过仿真实验证明提出算法的可行性。     

基于BIM的大型桥隧集群智能运维关键技术研究

以大型桥隧集群智能运营维护为背景,研究BIM技术在大型桥梁隧道集群运维中的关键技术,包括基础设施数字化技术,桥隧构件级解析与编码技术,巡查、检测、监测、养护等多业务协同技术,静态、半静态、动态实时等多元数据融合技术,以及数据集成可视化交互等技术。并以重庆曾家岩嘉陵江大桥工程大型桥隧集群为应用案例,介绍了研究成果的工程应用。     

杭州至海宁城际铁路智能维保研究

为解决传统维保存在的诸多问题,进一步优化运维方式、降低维保成本、提升管理效率,以杭州至海宁城际铁路(以下简为"杭海城际铁路")智能维保项目为切入点开展相关研究.将智能维保划分为数字化、自动化及智能化3个方面,强调了数据接口、数据共享的重要性,重点阐述了生产计划管理、设施设备管理、生产工具管理、人力资源管理及设施设备智能检测的建设思路,提出了对维保自动化、维保智能化的思考.研究成果已成功运用于杭海城际铁路智能维保建设中.     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。