排序方式: 共有7条查询结果,搜索用时 203 毫秒
1
1.
年前参加某单位年终工作总结述职报告会时,一些同志把带病坚持工作作为一种主要政绩的故事不绝于耳。对此,笔者在赞叹但不敢苟同的同时,突然想到车辆的维护保养来,因为人带病工作与带故障出车结果太相似:人倒了,车毁了。 相似文献
2.
目前已在我国开始使用的燃气汽车主要有两大类:一类是在原汽油发动机的基础上增加一套燃气(压缩天然气CNG或液化石油气LPG)供给系统,称之为“两用燃料汽车”。两用燃料发动机工作时,要么使用汽油,要么使用燃气,燃油和燃气不可同时使用。另一类是在原柴油机的基础上增加一套燃气 相似文献
3.
干部带班出车,一直是加强行车组织领导、强化运输途中管理、确保顺利完成任务、防止失控失管的有效措施.最近,我们对所属单位的干部带车情况进行了调查,发现还存有职责不清、情况不明、监督不到位的问题. 相似文献
4.
笔者一个干个体出租车司机的朋友,去年夏末在一次载客中判断不当,错把歹徒当乘客,在与歹徒搏斗中,被砍伤头部和手臂。歹徒抢劫得手后,向青纱帐中逃去,朋友则在好心人的帮助下被送往医院,得到及时救治。但是以后他再也不敢开出租车了。 相似文献
5.
6.
7.
汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度,以及调控汽车保有量规模具有重要意义。为此,本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先,分析汽车出车率的关键影响因素,提取出17个特征影响因子,结合标准化处理后的重构时间序列,基于随机森林算法进行变量的重要度评估,筛选出最优特征集合作为预测模型输入;其次,为解决神经网络算法容易陷入局部极值的难题,建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型,利用HPO的探索-开发机制,实现BiLSTM框架的动态化搭建与精细化调参;最后,结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明:与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比,HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%~54.38%、20.67%~57.40%、27... 相似文献
1