基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析

为研究隧道管片渗漏与盾构掘进参数之间的关联性,对关联规则中的Apriori算法与FP-Growth算法进行比较,选择FP-Growth算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用FP-Growth算法,结合Matlab数据分析语言编程,挖掘基于掘进参数频繁项集的管片渗漏关联规则,分析关键掘进参数渗漏原理。依据渗漏频繁项集和渗漏规则,推荐4个关键掘进参数组合的预设范围,并应用在某隧道东线的盾构掘进中。结果表明,关键掘进参数组合优化后的成环管片发生渗漏的概率降低29.36%。     

基于灰色关联与Apriori算法的道路交通事故数据分析

针对运用关联规则挖掘道路交通事故(road traffic accident,简称RTA)数据产生大量无效规则与使用灰色关联分析无法发现数据隐藏联系的缺陷,提出将灰色关联分析与关联规则的Apriori算法相结合的方法,并将其运用于RTA数据。首先进行数据预处理;然后运用灰色关联分析,找到与RTA发生数有强关联的因素,并保留其数据,反之剔除相关数据;最后对保留下来的数据进行关联规则挖掘,找到数据之间令人感兴趣的联系。将此方法运用在四川省RTA数据上,通过与仅采用Apriori算法相对比,实验结果表明:此算法的时间缩短了近40%,冗余规则减少了近50%。由此挖掘出了RTA数据之间有趣的联系,并证明了灰色关联分析与Apriori算法相结合方法的有效性。     

新多维序列挖掘算法:对AprioriAll算法的改进

本文在序列模式挖掘算法AprioriAll算法的基础上,提出了一种新的序列模式挖掘算法。该算法改进了AprioriAll算法每次从候选项集中挑选大项集都要扫描数据库的缺点,以位图袁示法(bitmap representation)描述数据库,并利用矩阵式的数据结构对候选集进行计数,减少了数据库扫描次数,从而提高了挖掘的效率,实验证明,该算法在性能上优于AprioriAll算法。     

补偿模糊神经网络对电动汽车续驶里程的应用

回顾了模糊逻辑系统和神经网络技术各自的特点，在讲述二者融合的基础上，引入了一种具有快速学习算法的模糊神经网络，介绍了该算法的基本思想，关键问题，并通过电动汽车研究应用中的实例进行了验证，最后对使用该算法进行模糊故障检测。     

改进的关联规则挖掘算法及其在教育信息挖掘中的应用

利用数据挖掘的关联规则技术，可以从大量数据中发现有价值的规则。文章利用改进的Apriori算法对上海海事大学的教育信息数据库进行了挖掘，从中发现了一些有价值的规则，为学校的教育决策和教学管理提供了有指导意义的信息。文章还实现了大量规则的文本和图形可视化。     

基于自适应模糊神经网络的故障诊断方法

对模糊逻辑和神经网络的优缺点进行分析,提出一种基于自适应模糊神经网络的故障诊断方法。它把模糊逻辑和神经网络有机结合起来,生成自适应模糊神经推理系统(ANFIS);文中给出了该系统的原理及实现算法,最后使用M atlab Fuzzy工具箱对柴油发动机喷油泵柱塞故障数据进行建模,结果表明该方法是可行的,并且有较高的诊断效率。     

汽车故障诊断中的缺省规则挖掘

对基于Rough集理论的缺省规则挖掘算法进行了研究，在引入规则支持度概念后，提出了一种基于Rough集的缺省规则挖掘新算法。并将该算法应用于汽车故障诊断领域的知识挖掘。试用表明该算法具有一定的实用价值。     

移动式沥青砂浆车液压调平系统试验研究

为了实现沥青砂浆搅拌车在频繁移动中的快速调平，建立了沥青砂浆车调平系统模型，分析和研究了不同的调平控制算法．最后通过试验对不同的调平控制算法进行了对比研究，结果表明：基于去耦合最低点调平算法能满足移动式沥青砂浆车的调平精度和调平效率要求。     

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识,提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法,并以100份船舶自沉事故调查报告为语料进行具体挖掘.在词语层面,使用PMI算法从事故原因文本中挖掘频繁共现的词语模式,通过文本特征词的共现揭示事故致因要素间的关联.在主题层面,使用BTM算法对事...     

基于模糊PID算法的电子离合器系统离合器位置控制研究

文章以电子离合器系统为控制对象,用Matbab软件建立了电子离合器的仿真模型,并使用模糊PID算法对离合器位置进行闭环控制,该算法兼具模糊控制和PID控制的算法优点。仿真结果表明,模糊PID算法比传统算法有更好的抑制超调和抗干扰能力,该算法为电子离合器系统的离合器位置精准控制提供了更优的解决方案。     

基于大数据挖掘技术的车载自组织网络状态异常检测

基于主成分分析法与Apriori关联规则挖掘算法,提出一种利用大数据技术检测车载自组织网络(VANET)运行状态异常的方法。运用主成分分析法从大数据中挖掘出关键评估指标;针对关键指标采用并行关联规则模型,挖掘强关联规则,进而找出主要影响因素;基于历史数据和自组织人工神经网络预测方法,输入主要影响因素值,输出关键评估指标值。对评估指标值进行算例分析,利用VANET状态异常检测方法预测指标概率,结果表明,所提方法得到的预测值较仅使用人工神经网络方法准确性高。     

桥梁结构动力特性的模糊有限元分析

在研究模糊有限元分析基本理论以及借鉴前人研究成果的基础上,采用模糊变量表达结构参量的不确定性;并基于区间运算和区间有限元理论,提出了用于求解模糊有限元自由振动方程的1阶泰勒级数展开算法。该算法避免了由于2阶泰勒展开所造成的区间扩张问题,在保证精度的前提下大大减小了计算量;随后又基于APDL语言用大型有限元软件ANSYS进行了二次开发,通过参数化语言的方式实现了该算法。最后以某大跨拱桥为例,在对其刚度和质量进行模糊化的条件下,基于ANSYS软件的二次开发功能采用该算法对算例中拱桥的动力特性进行了模糊有限元计算,从而验证了该算法在实际结构动力设计中的可行性和有效性。     

高速公路模糊神经网络限速控制与仿真研究

高速公路限速控制是一个非线性时变系统,难于用数学模型准确建模,提出一种模糊神经网络实现限速控制。本文阐述了网络的结构和学习算法,根据高速公路车辆群状态、路面性能、气象条件等,建立交通流速度限制模糊神经网络模型,并进行了仿真研究。仿真结果表明网络训练速度快、精度高,适合交通流限速控制的在线建模。该方法切实可行,可使交通流更加均匀、稳定,从而提高主线运行的安全和效率。     

基于随机森林与FP-growrh算法的山区追尾事故数据分析

传统的离散选择模型在分析事故数据过程中,容易出现模型假定条件不满足的现象。基于此背景,文中收集了2012-2017年昌金及泰赣山区高速公路的948条追尾事故数据,从非参数方法的角度对山区追尾事故进行分析。首先,利用随机森林算法对追尾事故数据进行了模型训练。模型中树的数量为144棵,预测效果最优,精度为0.778;进一步设置因素重要度阈值0.05,剔除了潜在风险因素中的星期、疲劳驾驶、超速、性别4个因素,筛选出10个重要度相对较高的因素。最后,利用FP-growrh算法训练得到40条频繁项集及关联规则。结果表明,FP-growrh算法可以有效说明潜在风险因素间、潜在风险因素与事故严重程度的关联程度。     

基于模糊积分的ETC干扰问题解决方法

有效结合车辆电子标签信息和车辆图像,提出一种基于模糊积分的ETC车辆身份验证方法,从而解决ETC系统中的干扰问题。该方法以系统获得的车辆信息为已知信息,用车辆图像信息作为特征进行验证,再通过模糊积分融合验证结果,判断车辆身份的合法性。同时对模糊密度的赋值方法进行了改进。实验结果表明该算法具有简单、鲁棒性强的特点,利用模糊积分算法可以切实有效地解决ETC系统中的干扰问题。     

四轮独立驱动电动汽车轮毂电机控制策略的研究

为降低轮毂电机转矩脉动对电动汽车平顺性的影响,提出了开关磁阻电机的控制策略。建立了电机的非线性模型,对电机进行了最优角度控制。针对电机转矩脉动问题,首先在直接转矩分配控制基础上,采用模糊算法对传统PID控制器的参数进行在线整定,其次提出将快速终端滑模控制算法与直接转矩分配相结合的控制策略。仿真结果表明,模糊算法的引入提高了系统的稳定性;而快速终端滑模控制算法不仅提高了系统抗干扰的能力,而且降低了电机的转矩脉动。     

基于全量理论的客车侧翻一步碰撞快速算法

提出了一种客车侧翻一步碰撞快速算法,利用该算法对某款长12 m的公路客车典型车身段进行了侧翻碰撞模拟,并与LS-DYNA仿真及侧翻试验结果进行了对比,结果表明,侧翻一步碰撞快速算法可以较好的预测客车结构的侧翻安全性能,其模拟结果与其它两种方法之间的误差小于15%,模拟时长约为LS-DYNA仿真的1/10,在基本保证计算精度的同时使得计算效率大幅提升。     

基于APRIORI-GBDT算法的沥青路面路表温度预测

为探讨沥青路面路表温度与气象因素之间的相关关系,实现路表温度变化趋势的准确预测,在使用Python平台清洗数据集中缺失和错误数据的基础上,利用关联规则挖掘算法(Apriori)分析了气象因素与路表温度之间的关联性。在识别出影响路表温度关键气象因素后,分别采用梯度提升树(Gradient Boosting Decision Tree,GBDT)、随机森林(Random Forest,RF)以及线性回归(Linear Regression,LR)等3种分析技术构建了以关键气象因素为输入量,路表温度为输出量的冬季沥青路面路表温度预测模型。结果表明:Apriori算法在关联规则分析上表现优异,且在最小支持度为0.003,最小置信度为0.8的条件下,识别出影响沥青路面路表温度变化的关键气象因素是气温、气压、露点温度和相对湿度;梯度提升树模型的温度预测效果优于随机森林和线性回归,均方误差小并一直稳定于1.5,与随机森林相比鲁棒性相对较高,拥有良好的泛化能力,在预测领域中具有良好的适用性。研究成果为机器学习相关算法在关联规则分析领域以及预测问题应用中提供了理论与实践依据。     

交通量观测数据处理的模糊融合算法

交通量数据资料是交通规划的基础，但限于观测手段、观测方式等原因，致使交通量数据不完整、数据失置：针对这些存在的问题，介绍了3路交叉和4路交叉转向交通量的分解方法，提出了路段交通量的模糊融合模型及其量解算法。最后以某简单路网为例对模糊融合模型进行计算，结果证明利用该算法对原始数据进行处理，可以得到完整可靠的交通量数据。该方法借助MATLAB软件求解，简便可行，提高了交通规划工作的效率。     

基于多源文本挖掘的城市交通舆情分析——以苏州为例

通过多媒体收集的各类交通信息构成了丰富的交通舆情,充分挖掘舆情中所蕴含的信息对宏观掌控交通问题的发展变化、制定全面的交通解决方案具有重大意义.基于网络论坛、热线电话及交通广播听众路况播报的文本数据,采用多种文本挖掘方法研究交通舆情价值.文本数据预处理后,利用SVM模型进行交通舆情主题自动分类,并通过对应分析探究不同数据源的舆情特点及其差异,基于Apriori算法利用关联规则分析关键词隐含的交通现象,另外,使用共现网络分析方法深入挖掘舆情所反映的交通问题及其随时间的变化.通过对姑苏区投诉数据和苏州交通广播微信路况数据的实证研究发现:姑苏区交通基础设施相关的投诉最多;通过不同渠道反映的舆情内容有明显差异;道路改造后,实施新的交通管理方案时会引发较多的争议和抱怨.此外,通过文本挖掘还发现了苏州市早高峰由西向东方向拥堵严重,晚高峰时各方向均较为拥堵的规律.