基于AR模型的动车组日均走行里程测算方法研究

动车组日均走行里程的测算在动车组运用和检修计划的编制中起着十分重要的作用.首先分析了动车组日均走行里程的各种影响因素,为了能够准确测算出后续一段时间内动车组的日均走行里程,提出了日均里程测算方法.同时,考虑到动车组运用在时间维度上具有一定的关联性和规律性,通过对日均上线动车组数进行时间序列分析,构建了 AR模型来预测下...     

时间序列分析在某滑坡变形监测预报中的应用

为了预防滑坡的发生,需要不断对监测点的高程进行测量,观测其变化,并对滑坡的动态变化做出预报。在简要介绍时间序列模型的基础上,以某露天矿滑坡为例,对某监测点数据平稳化处理建立差分回归模型,分析模型的应用。计算结果表明,预报趋势基本符合滑坡动态发展规律,进而说明运用时间序列分析法对滑坡变形监测进行预报可行。     

基于新陈代谢GM(1,1)模型的客车轴温预测算法

介绍一种基于新陈代谢灰色模型的客车轴温预测算法,对现有算法进行了改进。该算法可对轴温的变化趋势进行预测,且预测精度较高,并可以有效地提高轴温报警器的报警准确度。     

基于BP神经网络算法和时间序列模型的气温预测方法

基于2022年亚太杯数学建模竞赛中关于全球气候变化问题的第一问展开研究,使用BP神经网络算法和时间序列模型预测未来全球气温达到20℃的年限,并对预测结果进行检验,结果表明时间序列模型预测精度更高。     

ARIMA 模型在铁路货运量预测中的应用

铁路货物运输是国民经济的重要组成部分,对铁路货运量作出较为准确的预测,可为铁路管理部门提供决策参考.采用ARIMA模型对1990-2007年全国铁路货运量进行分析建模,并预测出未来几年的铁路货运量.     

ARIMA模型在HIS预测中的初步研究

时间序列预测分析在医院信息系统中具有广泛的应用前景,而ARIMA模型是挖掘时间序列模式的一个有效的方法.介绍利用ARIMA模型发现时间序列模式的方法,并应用于医院时序数据预测,为管理层提供决策依据,完善医院信息系统.     

RSA算法及其在电子商务中的应用

在电子商务系统中,RSA加密算法可以作为实现数据保密性和数据完整性的主要手段.叙述了如何在电子商务网站中,应用非对称加密算法RSA实现顾客个人信息的加密和数据完整性认证,讨论了加密算法所需的模幂算法的构造、素数和强素数的生成、数据加密和数字签名协议等关键技术,并给出具体算法.     

铁路列车沿线车外气象参数模型的建立

借助时间序列分析的思想采用RBF神经网络针对特定铁路客车沿线建立了全年的逐时气象参数(温度与太阳辐射)模型。为铁路客车运行过程性能研究和能耗仿真研究提供了基础。     

蚁群算法在城轨列车运行调整中的应用

当城市轨道交通列车在行车过程中由于设备故障、乘客拥挤等情况发生晚点时,需要对列车时刻表进行调整,使之尽快恢复正点运行。本文以调整区段内总晚点时间最小为目标函数,提出了基于蚁群优化算法的列车调整模型,在Visual C++ 6.0编程环境下,以深圳地铁6号线为例,对模型的实用性进行了验证。     

分析、预测的方法在决策支持中的应用

主要介绍了多元回归分析、时间序列分析的数学原理、建模步骤以及在电信业中的应用，并且利用实际数据验证了这二种方法在拟合、预测方面的准确性和适用性。     

带有对象的Petri网及其在列车运行模型建立中的应用

带有对象的Petri网是一种将面向对象的方法和谓词／变迁网相结合的高级Petri网。网中的托肯能携带各种信息，用这种网所表述的系统具有规模小、灵活、直观、模块性好、可操作性良好、属性描述方便、有利于不确定问题的处理等优点。针对列车群运行控制的核心问题（列车群行为建模），用精确标识的PNO建立了一个具有普适性的模型（TOPNO），该模型是一个典型的离散事件动态系统。通过在对象中定义多种模糊属性和相应的模糊属性的调整方法，该模型就成为研究模糊离散事件动态的平台，使得面向对象的程度设计技术、Petri网的理论和应用、模糊集理论以及DEDS的理论及分析方法有机的结合起来。在网络的变迁规则中直接引用这些属性，使系统的决策机制更有效，简化了系统状态的演化，并使DEDS的理论在处理不确定性问题时得到延伸、从而为建立具有自动行车指挥的智能交通系统奠定了良好的基础，也为铁路系统的可靠性分析、可利用性分析、效率分析等问题的处理提供了新的途径。     

AR技术在制造业物流领域的应用研究

阐述了AR技术原理,分析了传统物流模式存在的问题,基于制造业物流领域的主要业务,探索了先进技术与业务场景融合应用,提出了应用AR技术的具体做法,以期降低作业风险、提高操作效率,实现全程透明可视化管理。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法,建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列,并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射,利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验,得出3种预测模型的平均相对误差,分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多,可为铁路货运量预测研究提供方法支撑。     

蚁群算法在铁路乘务运用计划编制中的应用研究

乘务调度是铁路运输组织的一个重要问题,好的乘务调度计划能够对乘务员进行合理的乘务工作调度,节约铁路运营成本,而乘务调度计划的编制方法决定乘务调度计划的质量.目前,我国铁路方面主要采用手工方式编制乘务调度计划,这种方式编制乘务调度计划效率低,抗扰动能力差,难以满足轮乘制乘务调度计划编制的需求.从蚁群算法和乘务调度计划问题之间的相关性出发,建立该问题的蚁群算法模型;最后,通过计算机实现本文研究的铁路乘务调度计划编制方法,并以京广线的部分数据为例,对论文的方法进行验证.     

非等距高差序列GM(1,1)模型在索塔监测数据处理中的应用

GM(1,1)模型用于贫数据建模问题,但是传统的GM(1,1)模型是基于等距时间序列,对于数据量少且是非等距非时间序列建模问题就成为一个难题。为了探索在实际工程中应用非等距非时间序列的GM(1,1)模型的可行性,本文以鄂东大桥索塔监测数据处理为实例,提出非等距高差序列的GM(1,1)模型,并进行了模型精度分析。     

铁路车流改编方案随机优化模型及其算法

以同一支车流不可拆散、编组去向容量、车站最大编组去向数量、车站改编能力作为约束条件,以车流走行和改编总成本最小作为目标函数,构建车流改编方案优化模型;在此基础上考虑日均车流量的波动,构造车流改编方案随机优化模型;设计基于随机模拟的混合模拟退火算法;以具有10个节点的网络为例进行验证计算.结果说明:随机优化模型可以获得鲁棒性较强的车流改编方案,该方案虽然不能保证在所有情景下都为最优,但是在绝大多数情景下都是"较优"解.此外,车流改编方案的总成本在车流量随机波动的情况下变化相对平稳,在可容忍的范围之内.可见采用给出的随机优化模型获得的车流改编方案具有更高的可靠性,对车流量变化的敏感度更低.     

BIM+AR技术在高铁无砟轨道监测中的应用研究

针对传统高铁无砟轨道监测在传感器参数与布点布线信息查询、监测数据处理与分析等方面存在的可视化水平低、直观性差等问题,借助BIM和AR技术,研究无砟轨道监测信息管理和表达方法。在总结道床板伤损病害及关键监测参数的基础上,搭建了双块式无砟轨道、监测设备模型;基于Unity3D平台,开发传感器参数及布点信息AR查询终端;采用可视化编程工具Dynamo,构建道床板轻量化模型,将监测数据与道床板模型动态关联。将其应用于兰新高铁双块式道床板监测中,结果表明：AR信息查询终端可实现道床板监测设备参数与布设信息的快捷查询,有效提高监测信息管理效率;道床板板端倾角与温度梯度变化峰值出现的时间一致,监测数据与模型的联动能够反映真实情况下道床板的位移和变形情况,BIM的应用可提高监测数据分析和服役状态观测的直观性。     

改进的K-means算法及其在铁路客户细分中的应用

提出使用距离均和识别孤立点,并引入方差对孤立点进行判断处理,对传统的K-means算法进行改进并将改进后的K-means算法应用到铁路客户细分领域,实验结果表明,改进后的K-means算法能更为准确地对铁路货运客户进行聚类分析,从多维的角度较为全面、深入地细分客户消费行为特征,从而辅助铁路货运营销部门制定有针对性的营销策略,进行高效的客户关系管理,提高市场竞争力.     

流量影响线及其在桥梁山洪水害预报中的应用

在单位线法的基础上提出流量影响线法。流量影响线的数学模型与简支梁应力影响线的数学模型相同,这样就将洪峰流量计算转换成结构力学中的影响线最不利加载。流量影响线法需要利用历史上的洪水在桥梁墩台上留下水痕高程并收集到降雨量系列,完成流量影响线的标定。在接收到新的降雨量数据后,将雨量当作移动荷载在流量影响线上加载,计算出流量历程曲线,据此确定出最大洪峰流量和到达桥址处的时间即造峰时间。使用流量影响线计算流量时不需要流域面积,可以减少外业工作量。无论是已经建立单位线的地区还是没有建立单位线的地区,都可以利用流量影响线法预报山洪对中小桥的影响。流量影响线法可以为抗洪提供科学依据,为行车安全与抢险赢得宝贵的准备时间。     

在Arc/Info中建立和应用数字高程模型

首先介绍了数字高程模型的建立方法 ,然后详细探讨了在Arc/Info中基于数字高程模型进行空间分析的方法