基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测...     

Research on roll stabilization for ships at anchor

With the increasing importance of ocean exploitation, providing anti-rolling stability for ships at anchor has become more and more important. The lift-generation theory of traditional fin stabilizers is based on incoming flow velocity, which is not suitable for explaining lift generated at anchor. We analyzed non-steady flows, with forces on fin stabilizers generated by non-incoming flow velocity conditions, and gave a new lift-generation model. The correctness of the model was proven by comparing experimental results of fin stabilizer motion under non-incoming velocity conditions from the fluid computation software with that from the emulator of the lift-generation model. Finally, the model was used in an anti-rolling system on a ship and the reduction of roll was much better than what could be achieved by passive anti-rolling tanks.     

四洞公路隧道火灾模式下烟气控制标准研究

为了确定四洞公路隧道火灾模式下的烟气控制标准,通过理论公式计算得到火灾隧道内防止烟气逆流的纵向临界通风风速,并采用火灾动力学软件FDS进行对比验证,同时研究阻塞场景下在相邻安全隧道内进行反向通风的控烟模式,得到阻止烟气经火源下游的横通道蔓延到安全隧道的临界风速。结果表明:Kennedy理论公式计算的结果与FDS模拟结果吻合较好,确定三车道隧道火灾模式下临界风速为2.2m/s,双车道为2.3m/s;阻塞场景下,三车道隧道发生火灾时,相邻三车道安全隧道反向通风临界风速不小于3.5m/s,双车道隧道发生火灾时,相邻三车道安全隧道反向通风临界风速不小于5.5m/s。     

上海地铁2号线基于自动扣车的反向插车作业实现方案

提供一种基于自动扣车的冲突管理方法,满足上海地铁2号线特殊的“反向插车作业”,让晚于计划出库的列车提前自动扣在前一个正线载客站台,待出库列车完成插车作业后,再自动取消前一站台的扣车。该方法能够有效避免列车长时间停在区间,保证了列车的运营顺序,保留后续自动调整早晚点功能,同时整个过程自动完成,无需调度参与,有效减少了人工误操作,为项目现场稳定运营提供了良好的保障。     

基于多阶段特征优选的高速铁路列车晚点预测模型

为克服大规模高维数据集不相关和冗余信息对列车晚点预测模型性能的影响，提出一种融合多阶段（MS）特征优选方法和改进深度神经网络（IDNN）模型的高速铁路列车晚点预测模型（简称MS-IDNN模型）。首先，利用MS特征优选方法，基于列车运行实绩提取影响列车晚点的相关特征，构建初始特征集，并对其进行数据清洗和特征优选，生成最优特征子集；其次，将列车晚点特征映射为IDNN模型的神经元，采取全连接方式提取特征间的交互关系，并叠加多个浅层神经网络以克服深度神经网络反向传播过程中梯度消失的缺陷，实现列车到达晚点的精准预测；最后，以武广高速铁路列车运行实绩为例，验证MS-IDNN模型的有效性。结果表明：相比初始特征集，构建得到的最优特征子集特征维度降低了54.29%；相比6种基线模型，MS-IDNN模型的平均绝对误差和均方根误差分别至少降低4.85%和8.97%，在沿线至少66.66%的车站中表现出更高的预测性能；MS-IDNN模型能够有效剔除数据集中的不相关和冗余信息，提升列车晚点预测精度。     

新冠疫情影响下基于GA-BPN模型的民航客运生产量评价方法

2020年初爆发新冠肺炎疫情，民航运输业受到了巨大的冲击，虽后续国内疫情得到了一定程度的控制，但国外疫情的泛滥，以至于2021年国内各地疫情的点状爆发，对民航客运生产仍持续造成不同程度的影响。鉴于民航客运生产与市场环境紧密相关，且根据国家卫健委的预判，疫情在今后较长一段时间内将长期存在。为了让民航客运生产运营单位在未来能够科学地评价有疫情存在的特殊市场需求，以及合理地规划和安排航班生产，本文提出一种遗传优化算法（GA）结合反向传播神经网络（BPN）的预测模型。实例应用的结果表明，GA-BPN模型相比传统BPN模型降低具备更高的预测精度，可为未来民航的生产规划提供一定程度科学地指导。