高斯过程回归短时交通流预测方法

已有的短时交通流预测方法均属于确定性预测,无法对预测的不确定性进行定量分析.针对上述问题,提出了一种基于高斯过程回归的短时交通流预测方法.通过该方法在对短时交通流进行预测的同时还可以得到预测的方差估计值,并依此可以确定预测值的95%置信区间.在仿真实例中,在相同条件下对所提方法与支持向量机预测方法进行比较.仿真结果表明,高斯过程回归短时交通流预测方法不仅与支持向量机预测方法具有相近的预测精度,其中均方根误差为12.09,绝对值误差为118.42,相对误差为17.32%,而且能够获得预测结果的方差估计值,从而有效实现短时交通流概率意义上的预测.     

区间客运需求组合预测模型研究

考虑客运需求受不确定因素影响,导致基于点预测的值不能客观反映未来需求波动。文章采用区间集合方法表示需求不确定,同时结合组合预测方法,建立实际观察值与预测区间中心值偏差最小、预测区间宽度最小的多目标区间需求组合预测模型。以2003—2013年扬中市客运数据为基础进行预测,实例分析表明区间预测结果不仅能包含实际观察值,还能体现未来需求的不确定性,同时误差平方和均值和平均相对误差指标下降也表明区间组合预测模型精度提高,说明该模型的可行性和有效性。     

离场航空器四维航迹预测及不确定性分析

为了加速基于轨迹运行概念的实施,提出了基于连续动态模型与离散动态模型的航迹预测方法,并将航空器离场分为起飞与爬升两个阶段,实现离场航空器四维轨迹预测.通过深入分析模型构建、航空器意图、初始状态、性能参数以及环境信息等因素,降低了四维航迹预测的不确定性,提高了预测精度.以国内执飞ZSPD-ZUCK的CQH8867航班为实例进行验证,考虑了起飞质量、爬升顶点信息以及风速风向等对航迹预测的影响,以位置误差与时间误差作为评价指标,研究结果表明:本文提出的算法可以将到达离港点时刻的误差控制在1 min以内,满足空中交通管理的需求.      

基于神经网络和支持向量机的大客车运行车速组合预测

为了降低单个预测方法的不确定性,综合神经网络和支持向量机两种学习型算法,基于二者的最优加权组合对大客车运行车速进行了预测.以二级公路上244个路段的平曲线半径和纵坡度等线形数据和实测车速为样本,分别应用BP神经网络、支持向量机、最优加权组合预测以及线性回归对大客车第85百分位运行车速进行了预测.选择均方根误差和判断系数为评价指标,对比结果表明,最优加权组合预测能够综合单个预测方法的信息,提高了预测精度.     

基于AVL的公共汽车到站信息服务系统设计

为了提高公交到站信息服务系统的可移植性、降低到站时间预测误差、增强到站时间信息服务的可获取性,对如何构建公共汽车到站信息服务系统进行设计。以标准化AVL数据输入为基础,阐述了4项关键技术：制定AVL数据采集内容标准;建立基于行程时间的到站时间预测算法;建立基于事件驱动的到站时间预测控制方法;提出电子站牌与手机相结合的联合信息发布模式。选取实际线路在计算机上实现上述设计成果,并对比分析事件驱动和时间驱动两种控制方法在降低预测误差方面的效果。结果证实,事件驱动控制方法对到站时间预测误差的改善效果比时间驱动控制方法显著。     

基于混合约束自编码器的机动车工况智能构建方法

为构建更具代表性的机动车行驶工况，实测采集福州地区1辆机动车共20d的真实驾驶数 据，选取14个特征参数表征运动学片段信息，运用主成分分析和K-means聚类划分运动学片段聚类，根据聚类中心的距离筛选备选片段并随机组合构建工况集合。提取11个特征参数计算构建工况的误差，选择集合中误差最小的工况作为构建工况，提出利用混合约束自编码器构建工况优化模型，并研究参数标定方法，最终将平均误差由2.97%缩小到2.39%。混合约束自编码器模型的分析验证结果表明，优化策略符合实际情况，可以有效避免随机选择带来的误差不确定性，验证了所提出行驶工况构建流程的合理性，并提升了工况预测的精确度，得到模型参数推荐值。对实现碳达峰目标下的机动车碳排放预测及排放控制具有重要的现实作用和意义。     

基于风集合预报的扇区概率拥堵预测全文替换

提出了考虑风不确定性的扇区概率拥堵预测方法。首先研究了考虑风预报不确定性的集合轨迹预测方法以及航班过点时间预测不确定性的分析方法,采用基于集合预报的集合轨迹预测方法获得预测轨迹的集合,根据轨迹集合对所预测的过点时间的不确定性进行了统计分析并以预报时间提前量、扇区进入点以及飞行距离为解释变量,建立航班过点时间极差的回归预测方程;然后研究了扇区概率拥堵预测方法,在轨迹预测集合的基础上获得交通需求预测集合,并进而计算扇区拥堵概率和扇区预期容量缺失值。针对我国典型繁忙扇区采用欧洲中期天气预报中心（ECMWF）,集合预报数据以及我国历史飞行计划数据进行了实例计算。计算结果验证了预测方法的有效性,基于预测方法得到扇区概率拥堵,有利于提高空中交通流量管理（ATFM）策略的有效性,减少管制员的工作负荷。     

列车引起环境振动预测方法与不确定性研究进展

系统总结了列车运行引起环境振动的各类预测方法及其不确定性问题, 梳理了初步预测、确认预测和精准预测3个预测等级内各种方法和模型近10年来的发展状况; 讨论了模型输入参数的随机不确定性, 包括车辆之间差异、轮轨磨耗以及预测模型中输入地层参数等带来的不确定性; 根据新的测试结果分析了车轮和钢轨磨耗状态对地铁振动源强不确定性的影响。研究结果表明: 机器学习方法和地层传递函数解析法可用于初步预测阶段; 用于确认预测的各类数值和解析模型日益完善, 预测效率日益提高, 但考虑车轮和钢轨磨耗发展的轮轨激励输入方法仍有待进一步完善, 仍需进一步发展振动传递路径清晰且可用于工程预测的建筑结构动力学模型; 精准预测需要发展混合预测方法并研究其在地下线振动预测中的应用; 目前对预测结果精准性和预测方法可靠性的研究十分欠缺, 绝大多数预测只能给出定值结果, 无法考虑轮轨磨耗、养护管理水平和振动在地层中传播的不确定性; 建议进一步开发具有远程智能离线采样功能, 并可在建筑结构上长期便捷安装的小型振动采集装置, 以便与机器学习预测方法相结合, 从而适应未来智能化预测的发展要求; 建议发展能够描述钢轨短波磨耗状态等级和车轮不圆顺等级的粗糙度谱, 构建完整养护维修周期内环境振动动态预测模型; 应发展具有可靠性及精准度要求的智能化预测方法, 并在未来实现由定值预测向概率预测发展的根本性转变。      

分数阶干扰观测器在电机调速系统中的应用

针对交流电机调速系统是一个高阶、非线性、强耦合的多变量系统,电机参数的变化、非线性、不确定性等因素不仅引起转矩脉动和误差,同时也引起线性PI控制器性能下降的特点,提出了一种PI控制和分数阶干扰观测器相结合的控制方法.这种方法通过构造分数阶干扰观测器来预测该结构系统中的各种干扰,并根据预测到干扰信息进行补偿以抑制干扰对系统的影响.仿真实验表明,这种控制方法具有较强的适应性和稳定性.     

LSTM Encoder-Decoder方法预测设备剩余使用寿命

应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码,利用解码后的信息预测剩余使用寿命;研究了LSTM Encoder-Decoder方法在公开的C-MAPSS数据集上的剩余使用寿命预测试验,与LSTM、D-LSTM等方法进行了对比试验;研究了不同滑动窗口大小对于剩余寿命预测结果的影响。研究结果表明:LSTM Encoder-Decoder方法的剩余使用寿命预测结果的评分函数值和均方根误差均优于LSTM、D-LSTM方法;在FD001子集上,LSTM Encoder-Decoder方法、LSTM方法和D-LSTM方法对应的均方根误差分别为11、12、16;当滑动窗口大小为30时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为164、3 012、372、4 800,对应的均方根误差分别为11、20、14、22;当滑动窗口大小为40时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为305、1 220、408、4 828,对应的均方根误差分别为14、16、15、19。可见,提出的LSTM Encoder-Decoder方法是一种有效的预测机械设备剩余使用寿命方法,并且滑动窗口大小对于剩余使用寿命预测结果存在一定的影响。      

基于未确知测度理论的普通铁路客运站服务水平综合评价

评价铁路客运站服务水平是衡量铁路运输服务质量的重点工作,针对评价过程中众多信息的未确知性,将未确知测度理论应用于普通铁路客运站服务水平评价中。首先,对未确知信息进行处理,建立了评价指标体系与等级标准,并应用熵权方法计算指标权重,然后采用问卷调查形式获得指标评价结果,并根据调查统计结果建立单指标测度矩阵,结合指标权重计算出综合评价向量,最后,利用置信度识别准则评定出普通铁路客运站服务水平等级。将此方法应用于石家庄铁路枢纽某客运站服务水平评价中,操作过程表明,该方法具有较好的可操作性,评价结果更加合理、准确,为普通铁路客运服务评价工作的开展提供了一种新的研究思路。     

基于未确知测度的港口船舶航行环境风险评价

以实现港口船舶航行安全为目的,按照未确知数学的理论和方法,通过建立未确知测度模型、置信度识别准则并分析指标因素,确定指标因素的可靠程度,从而对港口各航道水域航行环境系统中的风险因素、发生事故的危险程度进行评估,为实现港口船舶航行安全以及制定预防措施提供科学依据。     

基于盲数理论的我国海上战略通道安全风险评价

对我国海上战略通道进行安全风险评价是保障海上通道安全的重要环节。由于海上战略通道的安全风险具有多种不确定性，故可运用盲数理论建立我国海上战略通道安全风险等级评价的盲数模型。通过专家打分的方法对影响因素进行未确知测度，构造判断矩阵获得影响因素的权重，从而得到模型的综合未确知测度，根据既定的评价准则获得海上通道的安全风险级别。文中对我国重要的海上通道马六甲海峡进行了安全风险评价，其评价结果为：马六甲海峡的安全级别为较危险级别，验证了该盲数模型的有效性。     

基于未确知测度理论的铁路运输综合安全预评价研究

通过分析研究,提出利用未确知测度理论对铁路运输综合安全预评价的方法。首先构建了铁路运输安全评价的影响指标体系,然后建立了铁路运输综合安全预评价模型,最后进行实例计算验证模型评价的准确性。     

最佳回归分析法在工程中的应用

在工程中常作回归分析,所建回归模型常含有模型误差,为了提高回归精度,作出正确的回归预报,研究回归模型的误差补偿,笔者在文中建成了一套检验和补偿模型误差的方法.     

基于未确知测度模型的一级公路设计安全性评价

构建一级公路设计安全性评价的量化值,建立了一级公路安全性评价的指标体系;针对公路设计因素与交通安全之间关系存在未确知的特点,在未确知测度空间的基础上,构建了一级公路设计安全评价的未确知测度模型。通过单指标未确知测度、多指标综合测度计算以及指标定权等过程,实现对一级公路设计安全效应的综合评价。实例分析表明,运用未确知测度模型进行一级公路设计安全评价问题研究,理论上是可行的,评价结果是可信的,从而为信息不确定条件下的公路设计安全性提供了一种新方法。     

高校图书馆员绩效评价研究

为了合理、科学地评价图书馆员的工作业绩,根据图书馆员工作岗位职责,从德、能、勤、绩四个方面建立图书馆员绩效考核指标体系,采用未确知测度理论进行评价,以期能全面、系统、科学地对图书馆员进行绩效考核,实现图书馆员考核的科学化、制度化。     

基于多源预报的热带气旋危险区域的确定方法

为了提高热带气旋信息的完整性与准确性,分析了目前确定热带气旋中心周围危险区域的方法,提出了基于多源预报的热带气旋中心周围危险区域的确定方法。根据中、日、美三国对热带气旋中心位置的预报结果,求出预报的离散度,由预报位置与平均误差的关系,得出热带气旋90%落入概率的概率圆范围,然后将大风浪半径套在此概率圆的外面,可得到充分考虑多家热带气旋预报结果的热带气旋中心周围大风浪危险区域。可见,此方法提高了热带气旋预报圆的落入概率,有力保障了船舶绕避热带气旋的安全性。     

水面高速无人艇运动极短期预报技术

采用基于时间序列的乘积季节ARIMA(求和自回归移动平均)模型以及无人艇模型规则波试验数据,研究了水面无人艇运动极短期预报技术。采用经趋势差分和季节差分后的ARMA(自回归移动平均)模型,运用最小信息准则和白噪声检验方法,验证所选择的最佳模型,并对无人艇进行了20步极短期运动预报。计算结果表明:无人艇船模加速度、升沉、纵摇的前10步短期预报最大误差均不超过6%,随着预测步数的增加,误差有扩大的趋势,加速度的后10步短期预报最大误差达到16.68%。可见,极短期预报技术有效。     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。