铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型.结果表明:组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠.与单一模型相比,该法具有较好的实用价值.     

改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

灰色关联决策在物流园区投资方案选择中的应用

物流园区的经济性是影响物流园区投资的主要因素,不同的投资方案对应不同的经济性。运用层次分析法处理评价过程中各因素的权重问题,再利用灰色关联决策对物流园区投资方案相关因素进行综合评价,确定最优方案。     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

改进AHP和灰色聚类在装备战损排序中的应用

针对武器装备系统战损的抢修排序问题,应用改进层次分析法（AHP）确定指标权重的同时,并提出了战损装备抢修排序的递阶层次结构模型;然后运用灰色聚类方法,构造评价函数,综合决策战损装备抢修排序。通过实例验证,将改进AHP与灰色聚类方法相结合,取得了较为满意的结果,为战场指挥员抢修决策提供帮助。     

基于灰色关联度分析某型空压机故障诊断

一般情况下,级差式空压机各级缸互相影响,使得空压机的测量数据存在着不确定信息,增加了故障诊断的难度。而灰色关联度分析在处理此种不确定信息方面有着独到的优势。因此,灰色关联度分析非常适合于级差式空压机的故障诊断。     

基于灰色关联度分析的模拟电路故障诊断

一般情况下,模拟电路中存在着元件容差,使得电路的测量数据存在着不确定的信息,增加了故障诊断的难度。而灰色关联度分析在处理此种不确定信息方面有着独到的优势,可以代替传统故障字典法单纯采用样本距离作为故障的分类指标方法进行故障诊断。因此,灰色关联度分析非常适合于容差模拟电路的故障诊断。     

改进的道路交通安全灰色聚类评价方法

传统的灰色聚类评价方法在确定灰类白化值时,由于受到样本数据的约束,使得评价只是在样本范围内进行比较,没有真正达到评价的目的。针对这一不足,对传统的灰色聚类评价方法进行改进,通过确立合理有效的评价指标体系,并通过相关规范标准确定灰类白化值,改变传统方法确立灰类白化值的模式,以获得一个更加合理的评价标准,使评价结果更加准确、合理。改进的灰色聚类评价方法有理论依据、算法简单、可操作性强,评价结果能更好的反映道路交通安全状况。将该方法用于3个城市的道路交通安全评价,取得了良好的效果。     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.