基于实车数据的电动汽车电池剩余使用寿命预测

电动汽车电池剩余使用寿命预测是当下电池研究领域的热点内容,现有电池剩余使用寿命预测模型大多基于单一预测指标,预测精度较低,模型的泛化性能较差。本文通过实车数据构建了GM-LSTM的Stacking融合模型,实现电动汽车电池剩余使用寿命的准确预测。首先根据电池剩余使用寿命影响因素,提取车辆真实的运行参数和环境参数,基于随机森林算法筛选最优特征集合作为模型输入,其次选择差分整合移动平均自回归算法对所选特征进行惯性延伸,克服数据时间维度上的限制,最后基于数据特点,分别建立灰色预测模型和长短时记忆神经网络模型实现电池剩余使用寿命预测,并通过Stacking模型融合进一步降低预测误差。结果表明：模型融合 后平均相对误差为1.6%,平均绝对误差为0.013,能够稳定可靠的实现电动汽车电池剩余使用寿命预测。     

基于专家先验信息的轨道不平顺预测研究

为了研究在缺乏历史数据时如何准确预测轨道不平顺的发展趋势。提出了一种可以考虑专家先验信息的轨道不平顺预测方法。通过问卷调查法获取专家先验信息并构建具有先验信息的贝叶斯线性回归模型，然后使用马尔科夫链蒙特卡洛方法对模型参数进行求解，最后对轨道不平顺的幅值进行预测和误差分析并对比了不同模型在缺乏历史数据时的预测效果。结果表明：该方法可以准确预测短期内有砟轨道不平顺的发展趋势，相关系数均在0.9以上。在缺乏历史数据的情况下，贝叶斯线性回归模型也能保持较高预测精度R2为0.88，比传统线性回归模型高17%。     

航道内实时船舶交通流航行风险主动评估

为主动评估航道内实时交通流航行风险,并对交通事故状态做出预警,利用高斯混合模型和最大期望算法构建了贝叶斯网络。基于长江草鞋峡水道内船舶检测器数据和交通事故数据,学习和训练贝叶斯网络的结构和参数,构建了贝叶斯网络分配器。分别对8组船舶交通流数据建立贝叶斯网络分类模型,结果表明:采用交通事故发生前20~40 min内、且距离事故地点最近的2个船舶检测器的数据构建的模型分类效果最优,正确率为78.13%。最后通过与BP神经网络和K近邻两种估计算法比较,证明了BN模型预测效果更优,是一种较好的实时交通流航行风险评估方法。     

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。      

单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题，本文采用数据驱动的机场道面预测性维护方法，通过指示变量将两种数据集进行联合分析，考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响，以机场道面性能状况指数衰变的非线性函数为期望函数，建立一种机场道面性能退化双参数预测模型；根据模型的参数估计结果，采用边际效应分析结合预测性能曲线图示，对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明，采用数据驱动和非线性混合效应方法，搭载联合估计技术，能较为显著地提高机场道面性能退化预测的精度和效果。     

面向动态交通流的高速公路事故风险模型空间移植研究

本文旨在探究不同尺度数据集对高速公路实时事故风险建模的影响，并实现不同数据特征路段间事故风险模型的空间移植。首先，提取不同特征路段检测器信息，以动态交通流匹配事故数据构建多尺度数据集：高精度数据集、小样本数据集、低精度数据集以及同尺度条件下(同为高精度大样本量)的空间差异数据集；进而，通过贝叶斯Logistic回归量化不同样本量对事故风险模型预测性能的影响；分别采用统计学和机器学习手段建模分析高精度和低精度数据集；最后，基于贝叶斯更新方法建立实时事故风险移植模型，对高速公路实时事故风险预测模型进行空间移植，并验证其可靠性。结果显示：贝叶斯Logistic回归的性能随着样本量增大而有所提升；高精度数据条件下，贝叶斯Logistic回归和RF-SVM(Random Forest-Support Vector Machine)模型的AUC(Area Under Curve)值比低精度条件下分别高出0.092和0.037；在不同数据精度的空间移植中，贝叶斯更新方法可令低精度路段模型的AUC值从0.645提至0.714，在相同数据尺度的空间移植中，该方法可将被更新路段模型的AUC值从0.737提...     

基于ARMA 预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均 (ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q 定阶、解析式系数估计、适用性检验.试验结果表明：利用实测车速中的前40 个时序数据建立ARMA 模型,预测出的20 个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56 和0.003 4;利用全部60 个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.     

基于朴素贝叶斯轨道交通网络客流分配模型

在充分分析轨道交通行程时间组成要素及分布特性的基础上,利用已知AFC数据对行程时间参数进行估计,提出一种基于朴素贝叶斯分类器的轨道交通网络客流分配模型。利用AFC数据估算行程时间组成要素参数,得到OD间每条路径行程时间的均值及方差;将每名乘客的AFC数据作为一个样本,行程时间作为一个特征属性,利用朴素贝叶斯分类器进行概率分类,将每名乘客划分到后验概率最高的某条路径;得到轨道交通OD间每条有效路径的客流。根据广州地铁算例验证及仿真实验结果表明,该方法能较好预测每条有效路径客流分配比例。     

基于车牌照数据的城市快速路行程时间短时预测方法研究

为了深入研究基于路段与基于路径两种不同的建模方法在城市快速路行程时间短时预测中的预测效果,以车牌识别系统采集的行程时间数据为研究对象,分别采用历史平均法、神经网络模型、支持向量机回归模型、非参数回归模型4种典型的预测算法,对快速路的行程时间进行预测。研究结果表明,考虑交通特征的支持向量机模型会显著提高基于路段的行程时间预测效果,同时基于路径的非参数回归建模方法优于基于路段的组合建模方法,更适合城市快速路行程时间预测。     

交通事件持续时间预测贝叶斯网方法研究

交通事件持续时间的预测是事件管理系统的重要组成部分,根据I-880实测数据集,利用逐步回归分析的方法确定事件持续时间的主要影响因素,分别建立了应用于事件持续时间预测的朴素贝叶斯(NB)模型、加树朴素贝叶斯(TAN)模型以及一般贝叶斯网(BN)模型,在分析数据特点的基础上确定了贝叶斯网的推理算法、参数学习以及结构学习方法.在不同数据缺失的程度和不同训练样本规模下,分别对三种模型的预测准确率进行了评价,结果表明贝叶斯网预测模型在数据缺失30%的情况下30min准确率高于80%.     

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型，提出一种新的随机约束岭估计，得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计（Yalian，2008）和另一随机混合估计（富月，2003）的充要条件。理论结果与数值实验都表明：新的估计在均方误差矩阵意义下的性能是优良的。     

基于贝叶斯估计的短时空域扇区交通流量预测

为准确把握空域扇区流量分布态势及未来变化趋势,提出了一种基于贝叶斯估计的短时空域扇区交通流量预测方法.首先,通过解析空域系统内航空器原始雷达数据,提取各扇区历史运行信息,建立了多扇区聚合交通流模型;其次,采用贝叶斯估计理论对模型参数进行最优估计和动态更新,预测了空域扇区交通流量的未来演变趋势及其不确定范围;最后,选取国内5个典型繁忙扇区为例,以5 min为时间段,以未来1 h为预测范围,对所提预测方法进行了验证.研究结果表明:85%以上时段交通流量预测结果的绝对误差在3架以内,平均绝对误差均在2架次以内,预测结果的稳定性较好,可充分反映各空域扇区之间短时交通流的动态性和不确定性,符合空中交通的实际情况.      

基于Kriging插值的无检测器路段交通数据插补方法

从交通流扩散的特点和人的先验知识出发,提出采用Kriging插值法对路网中无检测器路段进行交通数据插补.基于交通数据空间相关性的特征,对交通数据进行空间建模,从而以空间距离作为度量基准对未知路段交通数据进行估计.利用南昌市浮动车系统中提取的路段行程速度作为试验数据,进行了试验验证.研究结果表明:在城市交通中各个典型时段...     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

双边定数截尾情形下一个两参数有浴盆形状失效率的寿命分布参数的Bayes估计

在双边定数截尾情形下,给出了一个2参数有浴盆形状失效率的寿命分布参数的极大似然估计和在平方损失下基于无信息先验下和共轭先验信息下的Bayes估计,通过大量的Monte-Carlo数值模拟试验,对这2种情况下的估计的结果与极大似然估计作了比较.当样本n较大时,r愈大,s愈小,即丢失数据的数目愈小,Γ先验的Bayes估计与极大似然估计差不多,更接近于真值,都比无先验的Bayes估计要好.     

大数据背景下基于特征学习的机械设备剩余寿命预测

传统数据驱动剩余寿命的预测方法是通过信号处理从监测数据中手动提取特征并构建健康指标，而在大数据背景下，手动提取特征需要特定专家知识并耗费大量人力，为解决该问题，提出了一种基于特征学习的机械设备剩余寿命预测方法——自适应特征学习寿命预测方法（AFLRULP）. 该方法构建移动窗口数据矩阵解决单次采样中的数据波动问题，并建立了多层一维卷积神经网络将数据矩阵映射为机械设备的健康状态；根据失效阈值可以计算出机械设备的剩余寿命；采样轴承全寿命周期数据集合对提出的AFLRULP进行验证，并且与传统基于手动提取特征的方法进行寿命预测准确性的对比. 研究结果表明:AFLRULP不需要人工提取特征，可从原始监测数据映射为机械设备的性能状态与剩余寿命，相对于现有的基于手动提取特征的寿命预测方法，提出的方法在轴承寿命预测累积相对准确率上平均提高了0.20.      

两种算法结合的公交到站时间预测

随着临港地区经济高速发展,人口规模与机动车拥有量急剧增加,公交优先战略对于缓解城市交通压力起着举足轻重的作用。在临港智能公交体系大背景下,尝试对公交到站时间进行算法分析研究,具体提供了一种结合非参数回归与卡尔曼滤波的公交车到站时间预测算法。通过非参数回归方法得到基于历史数据的公交车到站时间预测值,进而根据预测值和当前公交车实时运行结果的误差,通过不断更新最优到站时间估计和卡尔曼增益,实现对预测运行时间的修正。研究结果表明,基于非参数回归和卡尔曼滤波混合后的模型预测误差减小,预测效果良好。     

一维定态薄膜方程Dirichlet边值解的存在性

研究一类定态四阶退化薄膜方程Dirichlet边值条件下的弱解存在性.通过方程变形、构造逼近方程及先验估计的方法,得到非退化问题弱解存在性及正性结果.利用截断方法、Leray-Schauder不动点定理以及Sobolev空间紧性结果,得到退化模型弱解的存在性.由于最大值原理和比较原理对于薄膜方程并不成立,故将方程变形为...