基于模糊时间Petri网的列车运行时间不确定性问题的处理

定义一种应用于铁路列车运行系统的模糊时间Petri网；针对列车运行时间存在的不确定性，该Petri网引入了4个模糊集理论函数：模糊时间片、模糊使能时间、模糊发生时间和模糊延迟，来处理时间的不确定性问题；能够对列车运行过程中的时间不确定性问题进行定量分析，可以有效应用于列车交会、列车终到时间、列车运行计划调整的分析等；其相对于已有的方法具有精确分析、计算简单、简化系统、便于系统集成的特点。     

基于遥感数据的选线三维地理环境建模方法

遥感技术、数字摄影测量技术可以快速获取选线区域的数字高程模型和影像数据,结合计算机图形学、科学计算可视化快速建立虚拟选线系统的三维真实地理环境,从而在该三维环境中进行选线设计。针对虚拟环境铁路选线系统大规模地形的特点,给出一个与视点相关、视线方向相关、地形起伏幅度相关、格网最小间距相关的连续多分辨率简化网格模型,克服拼接裂缝问题,实现基于四叉树的动态多分辨率三维地形实时显示与漫游。试验结果表明,该方法可以很好地满足虚拟环境选线系统大规模三维地形可视化和实时漫游的要求。     

基于粗集的转向架故障诊断研究

转向架故障诊断是客车行车安全监测的一个重要方面。针对转向架故障诊断困难的现状，现将基于粗集的数据挖掘方法应用于转向架故障诊断中，介绍了基于粗集的转向架故障诊断过程和应用实例。通过粗集的约简算法，挖掘出影响转向架故障的关键特征和知识，放于专家库中，按照专家库中的知识进行转向架故障诊断。该方法对监测转向架的运行状态、诊断转向架故障具有重要意义。     

铁路货车缓冲器测试平台采集数据的处理方法

针对铁路货车缓冲器测试平台在在采集数据及数据处理中存在的问题，提出了处理方法。     

基于凸集模型的不确定性钢筋混凝土桥墩抗震性能设计方法

当对不确定变量的信息掌握较少时,由概率模型得到的结果是值得怀疑的.本文采用对信息要求少得多的凸集模型描述设计目标位移、水平地震基本加速度和反应谱特征周期的不确定性,结合直接基于位移的设计方法,针对钢筋混凝土桥墩,提出一种界限性能设计方法.该设计方法考虑不确定设计参数的界限范围,得到抗震设计结果的区间,从而可以评定现行抗震规范设计结果的可靠性或抗震设计结果对不确定性设防参数的敏感性.算例结果表明,由我国规范方法得到的设计结果均处于本文基于凸变量分析得到的结果的下半个区间;设计基底剪力对目标位移的变化最敏感,其次为反应谱特征周期,最后为水平地震基本加速度.     

基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法

在铁路列车运行图调整日趋频繁的背景下,列车时刻表数据集具有数据量大、属性多、不同车次时刻表记录数量差异较大、相同车次时刻表记录属性值相似的特点,列车时刻表数据分析和挖掘面临着数据集不均衡问题。为此,提出基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法,依据列车时刻表属性与列车运营指标(客座率)的相关分析,可有效合并蕴含冗余信息的相似数据,降低数据集中此类相似数据的占比,可削弱非均衡数据集对后续数据分析的不利影响,并能保留数据所蕴含的主要信息,减少过多相似数据对数据分析模型应用效果的不利影响,提高模型的预测准确度。     

基于GPS的遥感图像纠正

介绍GPS在遥感影像纠正中的应用。主要内容有:GPS数据采集和数据处理,GPS坐标转换,七参数的解算,几何纠正等。对视图式纠正方案和文件式纠正方案进行了比较分析,提出了将这种方法应用于西部或沙漠地区遥感影像纠正的初步设想。     

基于多神经网络的入侵检测系统模型研究

为了进一步提高入侵检测系统的检测性能,提出一种新型的基于多神经网络的入侵检测系统模型IDSMN.该模型引入多神经网络和模糊理论,基本思想是将网络数据集分成不同类型的子集,在不同子集上训练形成不同的子神经网络,然后用模糊理论进行多神经网络非线性融合,形成最优判断.     

基于意向调查数据的非集计运量预测模型估计的研究

如何利用假设意向调查数据ＳＰ（Ｓｔａｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ ｄａｔａ）构造非集计模型，是运量预测研究中的一个重要课题。本文以新运输方式的运量转量转换率预测模型为研究对象，通过引入假设意向调查误差项构造了新的效用函数模型，并对基于ＳＰ与ＲＰ（Ｒｅｖｅａｌｅｄ Ｐｒｅｆｅｒｅｎｃｅ ｄａｔａ）组合数据的模型参数估计方法进行了深入探讨，最后利用日本关于磁悬浮列车新交通规划的ＲＰ和ＳＰ调查数据进行了     

基于模糊理论的铁路信号系统风险评价方法

风险,是指能够引发灾难性后果的事件。铁路信号系统风险的评价存在许多难点,包括可用的统计数据缺乏;新应用统计数据的缺乏;专家评价结果难以综合考虑等。模糊理论恰好适用于铁路信号系统的风险评价。简要介绍模糊理论;根据模糊理论的推理方法形成铁路信号系统风险评价的方法;应用该方法对示例风险进行评价。讨论采用模糊理论对风险进行评价方法的优缺点。最后得到结论:该方法适用于铁路信号系统的风险评价。     

铁路工程地质遥感信息的处理方法研究

从系统工程和信息论的角度提出了对铁路工程地质信息的理解和分析。用部分研究项目的卫星遥感图像进行断裂、褶皱、岩性等信息模型描述和处理效果的对比。认为:采用功能组合的图像处理方法是萃取信息的有效方法;多个处理功能实施时,处理功能必须有序的使用;在增强提取岩性信息时,采用对光谱维的幅度参数图像进行KL压缩,选择压缩后的前三个波段合成彩色图像,具有较好的效果。从色度学和视觉响应特性的匹配关系,提出假彩色图像波段赋色,应当按照波段信息量从主到次的顺序与蓝、红、绿色别对应。     

基于ANP和粗糙集计算权重的绿色铁路客站评估

建设满足节能环保要求的绿色铁路客站,是我国铁路发展的趋势所在,因此铁路客站的绿色等级评估是极有必要的。通过建立绿色铁路客站四节一环保评价指标体系,以网络层次分析法(ANP)确定指标主观权重,经典粗糙集理论确定指标客观权重,再通过最小相对熵原理对二者进行优化结合,最后用得出的指标综合权重对银川新铁路客站进行绿色星级评估。结果表明:该权重确定方法既克服了因未考虑各指标之间的依存反馈关系而使主观权重不够准确的弊端,又利用相对熵原理优化并减小了主、客观权重结合的偏差,得出科学合理的组合权重,体现本文指标权重确定方法的有效性和优越性,为更加准确地评估铁路客站的绿色等级提供参考。     

基于粗糙集与模糊神经网络的车-地无线通信设备故障诊断研究

针对传统铁路列车车-地无线通信设备网络故障诊断模型结构复杂,诊断精度不高等问题,运用粗糙集理论(RS)、模糊系统(FS)和神经网络(NN)相融合的方法进行铁路列车车-地无线通信设备故障诊断研究。首先对原始样本数据进行模糊化处理,建立故障诊断样本数据表,基于粗糙集理论对故障样本数据进行约简,去除冗余属性,减少样本输入,然后利用约简后的数据训练神经网络,建立基于粗糙集与模糊神经网络车-地无线通信设备故障诊断系统模型结构;最后,将该模型运用于故障诊断中。试验结果对比表明,此方法简化了网络的结构,缩短了训练所需要的时间,提高了故障诊断的精度,从而验证了该方法的可行性。     

粗糙集理论在铁路行车调度指挥系统中应用的研究

针对铁路行车调度指挥的智能知识表达与决策问题,给出行车调度指挥的列车相对优先度、列车相对正点度、列车相对旅程完成度、列车区间运行裕度、列车车站停车裕度、后继列车新增出发晚点、后继列车新增到达晚点等七个条件属性及运行次序一个决策属性。论述基于粗糙集理论的知识表达和粗糙集决策规则的提取过程。提出一种相应的行车指挥决策评价体系。证明列车运行次序决策属性,能完全作为列车运行调整的决策条件。     

基于Rough Set理论的铁路货运量预测

利用Rough Set理论通过对数据进行分析和推理发现隐含知识的优点，在结合该理论与铁路货运量预测要求的基础上，提出一个基于Rough Set理论的铁路货运量预测流程；合理选择统计指标并将相关原始数据代人预测流程涉及的各步骤后，得出预测我国铁路货运量发展水平的规则集；利用该规则集预测了“十五”期间我国铁路货运量的发展水平；该规则集有望在我国“十一五”规划的制定中发挥一定的参考作用。     

南昆铁路施工阶段遥感工程地质调查应用

扼要地叙述了遥感技术在南昆铁路施工地质调查中的应用概况及效果 ,这是遥感技术首次用于施工的一次尝试 ,也是遥感技术应用的一个突破。首先对沿线地形、地质概况进行介绍 ,然后结合施工部门的要求 ,开展全线陆地卫星TM图像的断裂构造判释 ;利用全黑白像片开展主要隧道、八渡桥位地区等的判释 ;利用不同时期航片对段家河流域的泥石流沟进行动态分析。还列出该线部分地段地质遥感图像判释意见与施工验证结果对比一览表。从该表得知遥感判释成果绝大部分是正确的。最后 ,在结论中归纳出几点认识 ,并提出施工阶段在特定条件下有针对性地应用遥感技术是有益的。同时指出 ,施工阶段应用遥感技术是有条件的 ,并非任何情况下均可应用遥感技术     

提高遥感影像分类精度方法的研究

如何提高遥感影像数据的专题信息提取精度 ,是遥感应用中研究的主要问题之一。在遥感影像应用的实践中 ,需综合利用多种方法参与分类过程 ,来提高影像分类的精度。本文探讨了在现有遥感影像处理技术的基础上 ,提高遥感影像分类精度的多种可行性方法     

基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用，越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类（RS＆FC）理论的文本分类新模型，详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前，以训练样本直接聚类的结果构造信息表，并对表中的连续属性离散化，再对信息表中的特征词属性进行二次聚类，压缩文本特征子集的向量维数，提取关键字特征属性，建立决策信息表，然后利用粗糙集理论，采用启发式约简算法，对信息表进行约简，产生优化的分类规则，指导文本分类。最后通过实验和性能评价，本文提出的分类方法的分类准确率高于传统的K-最近邻分类（K-NN）法，提高了系统的适应性能和分类能力。