基于深度学习的网约车需求预测研究

网约车需求预测是一个典型的时间序列预测任务,准确的网约车需求预测能够辅助网约车平台合理地派单和规划路径,从而降低网约车的空驶率,具有重要的研究意义。文章利用长短时记忆模型（LSTM）及门控循环单元（GRU）进行网约车需求预测,对比了同一地区休息日和工作日,一周和一个月内的网约车需求及其变化,构建基于LSTM和GRU的需求预测模型,使用历史数据对未来需求进行预测,使用Geohash代码对西安市进行区域划分,对数据和划分的网格进行匹配得到汇总数据,采用线性模型进行对照试验,结果表明,LSTM和GRU在网约车需求预测中的表现优于线性模型,二者相比LSTM预测精度更高。     

汽车零部件新技术概览(上)

随着汽车技术的不断发展,电子技术在汽车中的应用越来越广泛。汽车电子化逐渐成为开发新车型、改进汽车性能最重要的技术措施。汽车制造商也因此普遍把电子技术作为自己的产品能否在竞争日益激烈的市场上独树一帜的关键。作为世界著名的汽车系统供应商,德尔福的汽车技术一直处于行业领先位置。从最先进的集     

“轮机自动化”网络考试系统的研发

系统分析现有B/S加C/S结构系统构架出现的速度慢等缺点,采取纯B/S主流的三层技术结构的方法,融合HTTP传输协议,使系统具有良好的负载能力和可扩展空间。分析网络考试系统的研发和应用,提出考试训练的新途径。     

学习实践科学发展观展现档案工作新形象

深入开展学习实践科学发展观活动,在我们技术档案馆这个比较“另类”的单位同样一石激起千层浪。作为集团公司一个专门的科技档案管理所,一直以来,七六所都在默默地从事着船舶行业具有永久和长期保存价值的档案资料的保管工作,过着一种很“平静”的生活。     

中国海军护航舰艇编队获IMO“航运和人类特别服务奖”

2009年12月中下旬,交通运输部水运局分别召开局专题会和局务会,认真学习、深刻领会中共中央政治局委员、国务院副总理张德江12月9日至12日调研内河航运发展时作出的一系列重要指示和在内河航运发展座谈会上发表的重要讲话精神,传达和学习了部党组会议关于贯彻落实张德江副总理重要讲话精神的部署和要求。     

基于计算兴波云图的舰船航速智能识别方法

数据挖掘是船舶领域中的研究热点,针对船舶领域流场分析问题,基于波形图的航速判断误差较大,提出一种人工智能解决方法。由于可利用的数据集较少且图像噪声较多,采用数据增广扩充数据。通过图像处理降噪与生成对抗网络增加仿造样本,结合深度神经网络迁移学习的方式进行模型融合并分类,分别通过原始样本实验测试、数据扩增实验测试和迁移学习实验测试并比较,得出该方法预测结果接近实际航速,在样本丰富的情况下可以实际应用。     

基于深度学习算法的船用高频电路工作状态检测研究

为了提升船用高频开关电源的运行可靠性,提出基于深度学习算法的船用高频电路工作状态检测方法。采集船用高频电路工作状态信号,作为深度受限波尔兹曼机的输入,深度受限波尔兹曼机利用2层受限玻尔兹曼机,通过2次非线性映射,提取船用高频电路工作状态特征。设置所提取的高频电路工作状态特征,作为支持向量数据描述方法的输入,将输入样本映射至高维内积空间,判定样本是否存在于高维内积空间的最优超球体内,检测船用高频电路工作状态为正常或异常状态。实验结果表明,该方法可以精准检测船用高频电路工作状态,满足船舶高频开关电源的运行可靠性需求。     

基于最大熵强化学习的自主船舶航迹跟踪研究

为解决自主船舶在航迹跟踪过程中使用最大熵强化学习作为控制器出现的收敛速度慢和训练时间长等问题,提出一种基于改进最大熵强化学习的航迹跟踪算法,引入了优先经验回放(PER)技术,并结合视线制导算法(LOS),构建PER-SAC的深度强化学习控制器,设计了相应的状态、动作空间和奖励函数。仿真结果表明,设计的PER-SAC控制器能快速收敛,收敛稳定后的控制器相较于原始SAC控制器控制性能更稳定,且控制精度更高,为自主船舶的航迹跟踪控制提供了一定参考价值。     

基于深度学习的船用大功率放大器特性数学建模

设计基于深度学习的船用大功率放大器特性数学建模方法,合理分析船用大功率放大器特性及特性影响因素间的相关性,为船用大功率放大器实际应用与改进提供可靠依据。通过模拟实验采集船用大功率放大器特性影响因素数据,并对其实施有效的归一化处理,将归一化后的船用大功率放大器特性影响因素数据、放大器输出功率当作深度学习算法的有效输入以及输出,利用深度学习算法合理实施训练,合理构造、拟合船用大功率放大器特性关于影响因素的数学模型,并实施合理验证。实验结果表明：该方法构建的船用大功率放大器特性数学模型,可有效分析负载电阻、环境温度等影响因素与船用大功率放大器间的相关性,助力设计出更适合应用于水上领域的船用大功率放大器。     

基于强化学习的船舶网络数据传输拥塞控制方法

针对船舶网络数据量大、缓冲队列过长导致的拥塞问题,提出一种强化学习的船舶网络数据传输拥塞控制方法。针对链路拥塞节点的时延和数据流分散特点,建立拥塞问题模型,运用非线性微分法,计算拥塞前后可控和非可控数据流在预设节点处队列长度和数据传输滞留的变化,设定参考阈值,当滞留数值和队列长度超过该值时表明源端发送窗口与接收窗口间链路存在拥塞,按照数据传输平均往返时间确定具体出现拥塞的节点位置。利用强化学习算法,求得经过和未经过拥塞点的数据队列长度变化,根据数据的反馈回报,计算拥塞概率较高链路与正常链路间的窗口差值;根据数据队列长度、流量以及速率值,调节窗口大小补偿值,完成拥塞控制。实验结果表明,实施控制后船舶网络吞吐量增大,节点受限次数下降,控制效果较好。