基于改进LSTM-Prophet算法的客运量预测

利用该模型对2019年的铁路月度客运量数据进行预测，并与实际客运量进行对比分析，实验表明，LSTM-Prophet算法模型预测值的MAPE值为1.91%,MAE值为559.07,RMSE值为691.82,三个评价指标值都低于SARIMA模型、LSTM模型和GM(1,1)模型的评价指标值，所以LSTM-Prophet算法模型更能准确预测客运量数据，为决策提供参考价值。     

城市轨道交通乘客出行路径精准分析算法研究

乘客准确出行路径的计算是精准客流分析的关键，而既有技术方法在路径计算准确性及出行链颗粒度、时效性和实现成本方面还没有形成完整的解决方案。基于人车耦合的技术理念，构建不同换乘次数出行类型的时间序列，并通过同时段不同出行路径重叠过程耗时的相互替代，实现对出行路径详细时间序列的准确计算，进而推算出乘客准确出行路径。基于大数据技术，实现对海量乘客出行路径的快速分析计算，能够以低成本方式为以客流为驱动的精准化行车组织、客运组织和个性化乘客服务等应用场景提供关键数据支撑。     

ARIMA模型在二手船价格预测中的应用

本文对克拉克松公司提供的巴拿马型(60—100kdwt)散货二手船价格1984—2004年的时间序列数据进行分析,建立相应的ARIMA(p,d,q)模型,对2005—2008年价格进行预测。根据平均绝对误差(MAE)、平均相对误差(MPE)和均方根误差(RMSE)对模型的预测性能进行度量分析。     

矢值Banach序列空间ss（E）的单调性

刻画了赋序列范数的矢值Banach序列空间ss（E）的严格单调性、局部一致单调性和一致单调性，给出了它们的充要条件．主要结果为：①ss（E）是严格单调的当且仅当ss和E是严格单调的；②ss（E）局部一致单调的当且仅当ss和E是局部一致单调的；③ss（E）是一致单调的当且仅当ss和E是一致单调的．     

Matlab在液浮陀螺随机漂移建模中的应用

介绍陀螺随机漂移数据处理与模型建立过程,基于时序建模理论并结合实测的液浮陀螺随机漂移数据,利用Matlab自带函数,建立液浮陀螺随机漂移的平稳时间序列模型,避免了繁琐的编程,减少了建模的计算量,有效提高了模型的精度和效率.     

基于小波包——时间序列分析的水位调节器故障诊断方法

利用小波包—时间序列分析方法对舰用主冷凝器水位调节系统故障进行诊断，在实验中设置4种工作状态，采集了4种状态下的流量信号。对所采集的信号进行小波包分解消噪，通过时间序列分析方法获取每种状态的特征信息，利用Euclide距离判别系统故障。实验证明该方法的正确、有效性。     

基于相关序列的在线频率估计方法

给出一种在线频率估计的时域算法.从Hankel矩阵与可控矩阵的隐含关系出发,利用可控矩阵的shift结构,推导出系统矩阵特征根与相关序列的显式关系,从而得到信号频率估计的简单公式.对于二阶系统,或可分解为并联二阶系统的高阶系统,特征频率可由信号分量的相关序列估计得到.对定常系统和时变系统的频率估计进行仿真,结果表明频率估计值可以快速逼近真实值,而且稳态误差小于1%.     

公路网建设项目实施序列优化研究

公路网建设受到多种条件的制约,其中建设资金的约束是普遍存在的问题.为了贯彻编制办法中近期宜细的原则,运用整数规划模型,对公路网在近期规划内若干项目建设实施做出合理安排,促使有限资金的合理使用,成为确保项目顺利实施的有效途径.     

基于船期表的一种集装箱码头闸口交通需求智能预判方法

通过集装箱码头闸口交通需求源于船期表具有季节性和非线性特点的系统分析，提出基于每条班线船期表来预测其对码头闸口产生交通需求的思想，采用季节性时间序列方法处理集港车辆到达码头闸口随时间的数量分布，建立处理后的时间序列数据与预测交通量之间非线性关系的人工神经网络模型。在天津港集装箱码头闸口进行具体例子应用，证明了该方法优于传统非线性预测方法、概率分布拟合方法和季节性线性时间序列预测方法，显示其可行性。     

基于混沌吸引子的时间序列预测方法及其应用

介绍相空间重构技术以及混沌吸引子的关联维数的计算方法,阐述了基于混沌吸引子的特性基础上的预测原理及预测模型,指出了已有预测模型的不足,提出改进意见并给出具体算法。然后,用Lorenz 系统所产生的时间序列作为样本,进行了预测,给出了3种模型的预测结果,并作了比较。最后,指出了还存在一些相关问题。