基于IPSO-Capsule-NN模型的中欧班列出口需求量预测

为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。     

基于捕食搜索策略的粒子群算法求解高铁闭塞分区划分问题

高铁闭塞分区的合理划分可以保证列车的运行安全、提高运输效率和减少投资成本。为了更好地解决这个问题,利用基于捕食搜索策略的粒子群算法求解优化准移动闭塞条件下的闭塞分区划分模型。捕食搜索策略可以平衡粒子的局域搜索和全局搜索,从而避免陷入局部最优,提高算法精度。通过算例仿真,比较基于捕食搜索策略的粒子群算法和标准粒子群算法对模型优化的结果,验证基于捕食搜索策略的粒子算法对模型的求解是有效的,而且得到的解更精确,运算速度更快。     

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.000 18、0.000 006。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于客流影响的城轨交通列车运行调整研究

列车运行调整是城轨交通调度指挥行车的重要内容,但存在约束条件多、搜索空间大、可行解范围小等问题,往往难以获得满意解。为解决该问题,结合城轨交通列车运行特点,本文建立基于客流量影响的列车运行调整优化模型,采用改进粒子群算法进行求解。通过与遗传算法、粒子群算法对比,验证本文模型及算法的有效性。     

基于粒子群算法的铁路工程投标项目择优决策研究

盈利水平与竞争力提升程度是铁路建筑企业项目投标决策时需要考虑的两个重要因素,在企业资源有限的条件下,通过科学的项目择优方法选择若干个项目进行投标,该组合既可以充分利用企业现有资源,又能实现企业综合利益最大化。从铁路建筑企业投标决策的实际需求出发,首先利用基本的企业经验及原则对可投标项目进行初步筛选,然后基于层次分析法与数学规划模型建立资源约束条件下的投标项目择优模型,对经过初步筛选的工程项目进行优先级排序,并利用粒子群算法进行求解和模拟分析,该方法为铁路建筑企业的投标项目组合及资源管理给出有价值的建议。     

考虑公平的铁路应急物资调度优化研究

铁路应急资源调度受到应急需求、运输成本和物资分配公平性等因素制约。为了降低运输成本,提高物资分配公平性,针对灾害突然发生时需求不确定及应急物资不足的情况,以分配公平性最大和运输成本最低为目标,建立铁路应急物资调度多目标优化模型,设计改进遗传算法求解模型。以受自然灾害影响的某区域为例,验证铁路应急物资调度多目标优化模型及算法。结果表明,该模型和算法能够有效地解决应急资源调度问题,改进后的遗传算法与基本遗传算法相比更为有效,有助于提高各应急需求点的公平性,有效降低应急物资调度的成本。     

计及牵引负荷相关性的随机潮流计算

结合随机潮流计算量化系统状态变量的概率信息,构建牵引变电所概率负荷模型,描述牵引负荷的随机性和波动性,对实现系统优化运行具有重要意义。通过蒙特卡洛算法模拟相应数据并结合非线性递减惯性权重与混沌优化的粒子群算法辨识模型参数;针对随机潮流计算输入变量的相关性控制问题,提出一种基于模拟退火算法与拉丁超立方采样的方法。仿真实验结果表明:改进的粒子群算法较普通粒子群算法拟合精度更高;改进的相关性控制方法可以不受随机变量概率密度表达式的约束,实现多个随机变量的相关性控制;计及牵引负荷样本之间的相关性对节点电压越限概率、支路功率的影响较仅考虑普通负荷相关性时更为明显,可指导系统进行概率潮流优化。     

基于客流均衡分析的城际铁路列车运行图优化

将城际客流均衡分配与列车运行图优化相结合,构建城际列车运行图优化的双层规划模型,其中,上层模型以满足行车组织要求、运营时间等为约束,以降低旅客乘车时间、换乘等待时间以及提高始发、终到时间满意度为目标优化列车运行图;而下层模型为基于列车运行图的客流均衡分配模型。模型采用模拟退火算法与GP算法组合求解,在生成初始列车运行图的基础上不断通过均衡分配乘车客流、构造邻域解迭代优化。算例分析表明模型与算法具有较好的收敛性与有效性。     

城市轨道交通列车运行调整的粒子群算法研究

依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型.模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题.在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求.因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解.