基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

基于灰色关联分析的通用机场安全风险影响因素研究

为了提高我国通用机场的安全管理水平,本文首先收集整理了国内2010～2018年348起通用机场事故/事件,结合我国目前通用机场的运行模式和管理体制,统计分析了影响通用机场的5个一级风险指标和15个二级风险指标,建立了通用机场风险指标体系。然后运用灰色关联分析方法对各级指标进行关联顺序分析,最终得出了典型通用机场安全风险的关键影响因素,根据关键风险因素进行针对性的管控,对通用机场监管及安全运行提供一定的借鉴。     

基于DHGF模型的铁路物流金融风险评价

论文以铁路物流金融业务风险管理为对象,运用DHGF模型分析和评估铁路物流金融业务风险。基于铁路物流金融发展特点,从铁路物流企业角度构建铁路物流金融风险评价指标体系,采用融合德尔菲法、层次分析法、灰色系统理论和模糊评价理论的DHGF综合评价模型进行实例分析,有效识别和评估铁路物流金融业务中的各类风险,为铁路物流企业识别、评价和规避风险提供依据,有针对性地提出了风险控制建议,为铁路物流企业的决策提供参考。     

城市快递末端节点规模影响因素探讨

电子商务的发展使得快递末端节点数量不断增加,但是在规划末端节点上大多按照经验设置,造成许多末端节点的规模并不合理。为了明确影响城市末端节点规模的因素,为合理规划末端节点提供依据,本文通过实际调查收集了城市快递末端节点的一手数据,并采用灰色关联度法确定了影响末端节点规模分拣暂存区的主要因素。根据分析结果显示,派件量、快递员数量、快递配送频率和快递到达频率为主要影响因素。根据主要影响因素提出了确定末端节点规模的一般流程和通过将末端节点部分功能转移至上级节点以此降低末端节点成本的建议。     

汽车前围板前部拉延成型模拟及组合参数优化

汽车前围板是汽车零部件中形状复杂及成型质量要求高的冲压零件,为提高其成型质量,对其拉延成型的工艺参数进行研究.从冲压材料的选取入手,对零件工艺、成型参数等进行设计和计算,运用AUTOFORM软件模拟其拉延成型过程,通过观察成型极限图、成型极限云图和减薄率云图等分析得到拉延成型模拟结果.基于模拟结果,采用灰色关联分析方法对压边力、凹模圆角、拉延筋系数进行参数组合优化分析,得到了最佳组合参数,为汽车前围板前部的拉延成型提供了参考,极大缩短研发周期,对新型汽车的设计具有非常重要的意义.     

基于有限混合零截尾事故预测模型的事故多发段判别方法

为了准确判别事故多发段,有针对性地提出安全应对措施以提升道路交通的安全水平,针对零值缺失交通事故数据并考虑其异质性特点,在单零截尾负二项(ZTNB)模型的基础上建立有限混合零截尾事故预测模型(FMZTNB)。应用R软件对单零截尾负二项模型中的参数进行估计,采用马尔科夫链蒙特卡洛算法(MCMC)对FMZTNB预测模型参数进行求解,并采用Gelman-Rubin收敛统计量对抽样结果进行检查。选择事故风险水平分别为低、中和高的9个路段,分别用2种模型对交通事故次数进行预测。综合观测到的事故次数和相应的事故预测模型结果,采用经验贝叶斯方法对事故相对多发段进行判别。最后采用事故次数一致性检验、判别点段一致性检验和排序一致性检验3种检验方式对判别结果对比分析。结果表明:基于事故率的事故相对多发段判别方法存在较大的不一致性,基于零截尾负二项预测模型的路段事故相对多发判别结果明显优于基于传统负二项预测模型的结果。整体上,基于有限混合零截尾事故预测模型的事故相对多发路段的判别结果高于基于单零截尾负二项分布模型的判别结果。     

基于吞吐量的集装箱码头卡车污染扩散研究

作为港口码头货物的主要陆上运输工具和能源消耗设备,集装箱卡车是港口区域大气环境污染的主要来源之一.从港口大气环境安全出发,分析环保部公布排放因子的局限性,综合考虑集装箱卡车保有量、发动机状态、运行工况、燃料使用和道路条件等复杂因素,通过功率法确定集装箱卡车尾气中CO ,SO2和NO2的平均排放因子.以长江某内河港口为案例计算得到该地区2016年全年各类污染的总排放量,并利用灰色预测估计未来10年该港区集装箱吞吐量的变化,与实际数据对比发现,模型精度达到了95% 以上,预测结果良好.借助高斯模型建立港区大气污染物风险扩散模型并计算未来几年集装箱卡车尾气排放对周围居民的影响.结果表明,2016年该地区4月日平均CO的浓度达到250 ug/m3;SO2浓度为57 ug/m3;NO2浓度为1 100 ug/m3.大气污染排放中NO2占比最大,分担率超过80% .各类尾气污染物24 h平均浓度已远超国家标准,港口区域集卡尾气污染对港口周边工作人员健康和港口所在城市大气环境安全威胁极大.      

基于偏最小二乘法的集装箱吞吐量预测模型研究

利用偏最小二乘法(PLS)能够克服样本个数比变量维度少的特点和消除变量多重共线性的优点对港口集装箱吞吐量进行建模预测,该方法适用于历史数据较少的港口。并以黄骅港为例,通过SPSS软件对港口集装箱吞吐量进行建模预测并给出2025年集装箱吞吐量预测值。结果表明,偏最小二乘法能够有效的消除影响因素的多重共线性,具有良好的预测精度,可为今后的港口集装箱吞吐量预测提供参考。