面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明：本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%～19.80%,均方根误差降低了11.20%～17.99%,决定系数提升了8.62%～12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%～13.81%,均方根误差降低了4.23%～10.67%,决定系数提升了3.50%～7.01%,且本文...     

关于弱紧算子与紧算子分解的注记

主要讨论Banach格之间弱紧算子与紧算子通过自反Banach格来分解的问题,在已有结果相同的条件下证明了Banach格之间弱紧算子与紧算子由Banach格来分解的一个更具对称形式的分解定理。     

城市道路交通拥堵状态出行者感知差异性研究

为研究出行者在感知城市道路拥堵状态时的个体差异性,首先,选取长沙市 5条典型路段,采用视频观测法,设计拥堵状态主观感知实验,收集出行个体对城市道路拥堵状态的真实感知数据;其次,基于多层有序 Logit贝叶斯模型,获取出行者个体感知参数,深入分析道路及交通流因素对出行者拥堵感知影响的差异程度,并进一步探究造成感知差异的个体属性因素.结果表明：所选道路和交通流特征因素,对出行者的拥堵感知结果有显著影响;在其他变量不变的情况下,道路特征因素对不同出行者拥堵感知结果的影响差异性大于交通流特征因素,其中平均车速的影响差异性最小;个人属性的不同,是造成感知差异的主要原因.     

一类积微分方程组的解及莫渐近性质

本文讨论了二维人口算子A B的谱特性,以及由它生成的C_0-半群的性质,导出了相应的积分微分方程组的解及其渐近性质。     

基于小波包分析的货车滚动轴承故障诊断

铁路车辆滚动轴承故障的不解体诊断，对于提高轴承诊断效率，减轻操作人员的劳动强度和保证铁路运输的安全是至关重要。结合小波包分解和加权K近邻法提出了一种新的货车滚动轴承不解体故障诊断方法。首先利用小波包对滚动轴承的振动加速度信号进行分解，得到滚动轴承动态信号在不同频带的能量，并以此作为滚动轴承的特征向量；然后采用加权K近邻法对滚动轴承进行故障诊断。对197726型货车滚动轴承在轮对不解体条件下进行了诊断实验，结果表明该方法能准确地检测出滚动轴承外圈、内圈及滚子的局部缺陷，并且诊断速度快，完全满足实时诊断要求。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。     

基于属性加权回归的组团式城市轨道交通进出站客流预测模型研究

为增强轨道交通进出站客流回归预测模型在组团式城市的适应性，利用多源数据细化和完善各影响因素的统计指标，更加精细地体现不同轨道车站之间的差异。针对组团式城市进出站客流在不同尺度下表现出截然不同的空间分布特征的特点，结合K近邻非参数回归和地理加权回归(Geographically Weighted Regression, GWR)模型，采用样本之间的属性差异表征异质性特征，提出一种属性加权回归(Attribute Weighted Regression, AWR)模型。重庆中心城区的案例分析表明：AWR模型能够兼顾样本集合在不同尺度下的空间分布特征，更适用于样本差异较大的情况，且对样本的空间相关特性没有特定的限制条件，针对组团式城市具有更强的适应性；相比于采用普通最小二乘法(Ordinary Least Squares, OLS)的多元线性回归模型和GWR模型，AWR模型对组团式城市轨道交通进出站客流需求的拟合优度和预测精度均显著提高，且误差的空间负相关性明显减弱，是轨道交通进出站客流预测方法的一种有益补充。     

基于案例库的管制指令偏差识别与匹配方法

基于历史管制指令偏差案例的分析,案例风险特征的挖掘方法以提高案例匹配的准确性.建立概念向量模型,解决文本词义相近产生冗余特征的现象,构建风险模式案例库.考虑传统欧式距离无法区分属性差异化,提出基于粗糙集理论的加权欧式距离进行案例相似度匹配,以高权重表征突出人为因素偏差、风险指令模式关键风险特征的重要性,来提高案例匹配的准确性.对比试验结果显示,基于粗糙集理论的加权欧氏距离能准确区分出关键风险特征,且案例间的距离由原来的0.2~0.4缩小到0.1~0.2,提高了匹配的准确度.并进行实时案例仿真,结果验证了改进后的方法适用于属性差异化大的案例匹配.      

n维非对称Duffing方程周期解的存在性

讨论了ｎ维非对称Ｄｕｆｆｉｎｇ方程周期解的存在性，利用Ｓｃｈａｕｄｅｒ不动定理，给出了其周期解存在的四个充分条件。     

加权残数法分析前屈曲变形对正交各向异性层迭圆柱壳屈曲载荷的影响

用加权残数法求解考虑前屈曲变形影响时正交各向异性层迭圆柱壳的屈曲载荷。文中采用满足边界条件的三角级数作为试函数，然后用最小二乘法得到特征方程，求得屈曲载荷，并与差分法的结果作一对比，得到了一些满意的结论。