基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

中国重汽最新产品——期太尔王系列重型汽车

近几年来，随着国民经济的快速发展，特别是运输总量的增加，大吨位重型汽车的需求量增长迅猛。在各类载货汽车中增长最快，在可预见的时期内，大吨位重型汽车产品将是国内汽车市场的主要增长点之一。中国重型汽车集团有限公司审时度势，果断决策，按“新重汽”制订的主导产品“四个平台”的发展战略，力争在重型汽车行     

JLC—1型接触网巡检车拉出值超限复检装置

文章分析了在接触网设备的状态修中，接触网巡检车对接触网拉出值测量误差超限的原因。提出了在动态检测中提高检测精度的措施。     

彰显个性缔造完美——力之星LZX125-18II

喜爱摩托车的人心中都有一辆属于自己的车,特别是现在各种新技术,新车型的出现,让我们有了许多选择的余地,但当我们看过,听过更多以后,反而无法抉择,都希望有一辆完美的车出现。如果你对国产车没有偏见的话,它也可以说称得上完美了,这就是宗申集团旗下的高端品     

新款斯巴鲁森林人

7月6日，长安福特再次推出蒙迪欧家族第四款车型——售价为19.98万元的05歙2.0自动挡精英版蒙迪殴。今年3月的升级让蒙迪欧性价比进一步提高，手动挡蒙迪殴以不到19万元的价格价入市，而21.98万元的尊贵型蒙迪欧则增加了电动座椅和DVD影院系统等豪华配置。