我国海洋产业结构动态演进及优化研究

本文基于2004—2011年中国海洋统计年鉴和中国海洋统计公报的数据资料,引入灰色关联度的概念,对各海洋产业之间的关联程度进行了实证研究,在此基础上分析了我国海洋产业结构动态演进的特质,指出传统海洋产业和新兴海洋产业之间的结构不合理是当前制约我国海洋经济发展的主要因素。然后利用灰色预测模型对海洋产业未来三年的发展趋势进行了预测,并对海洋产业进行了产业结构优化研究,针对传统海洋产业和新兴海洋产业的特点,提出了一系列相应的政策建议。     

有望量产 Citroen Cactus Concept

雪铁龙发布了全新的Cactus概念车,此外这款全新的概念车将会在2014年2月份左右投入量产,命名将会延续C4的序列,到时有可能被称为C4 Cactus。Cactus概念车未来将会基于雪铁龙全新的EMP2平台打造,车身长度4210mm、宽1750mm、高1530mm,虽然尺寸不大,却采用了四座式设计。Cactus概念车还搭载了Hybrid Air技术,标致之前也曾展示过     

基于LSM和GST的悬浇桥梁施工状态预测方法

针对节段悬浇桥梁的施工特点,建立了指导该类桥梁施工控制的多参数动态识别和状态预测模型.该模型在敏感性分析的基础上,将基于最小二乘法(LSM)的多参数识别和基于灰色系统理论(GST)的趋势预测相结合,使桥梁实际状态与理论状态吻合.算例表明,该方法能够有效指导悬浇桥梁的施工.     

基于优化灰色神经网络模型预测公交换乘需求量的换乘枢纽选址

根据公交换乘枢纽换乘量的生成特点和影响交通换乘量的主要组成因素,研究发现交通换乘量具有“小样本、贫信息”的灰色特征,为此提出了一种基于灰色软计算的换乘需求量预测方法.该方法利用灰色系统原理建立灰色神经网络系统预测模型,通过采用遗传算法改进神经网络的性能,提高系统预测的精度.以兰州市市区公共交通枢纽规划为例,结合实际的道路交通调查数据,运用该方法对提出的交通枢纽方案进行了实证分析与评价.结果表明:改进的灰色神经网络能有效地改善预测精度;运用GA-GNN模型求解道路交通中的非线性问题对提高决策水平具有较大的现实意义.     

基于对线控位策略的UUV回收运动控制研究

研究了水下坞舱回收UUV (Unmanned Underwater Vehicle) 过程中的运动控制问题,详细介绍了坞舱搭载回收UUV的原理,建立了UUV回收中的数学模型。提出了一种基于对线控位策略的回收方法,通过一个双参考点的定位控制来实现UUV的回收。设计了UUV回收的位置和姿态的灰色预测PID控制器,以减小UUV回收控制中的超调量和调整时间。仿真验证结果表明了对线控位策略对于坞舱回收UUV是可行的,所设计的灰色预测PID控制器可以实现UUV回收的精确控制。     

基于PCI的高速公路微表处实施最佳时机分析

文章以南方某高速公路沥青路面未实施微表处时PCI的实测数据为基础,采用灰色系统理论建模软件(GTMS3.0)对高速公路沥青路面PCI指数进行预测,并采用效益费用分析方法确定了微表处实施的最佳时机.     

基于层次灰色评估模型的远程精确打击作战效能评估

以灰色系统理论为基础,将层次分析法与灰色评估法相结合,建立了基于AHP的灰色评估模型,论述了利用该模型进行评估的基本步骤,并对远程精确打击作战效能评估进行了研究,给出了评估远程精确打击作战效能的具体过程.实例表明,这种评估方法科学合理,可以减少主观因素的影响,提高评估结论的准确性,为远程精确打击作战效能评估提供了一种新方法.     

基于SPSS Modeler的超售方法在京沪高铁票额管理中的应用研究

以京沪高铁客票预售为例,针对退票数据对预测结果的影响,使用工具SPSSModeler并选择时间序列模型,估算可超额发售的票额数量.在应用于实际生产时,将其与现有客流预测的结果相结合,可弥补列车能力虚靡现象,提高列车利用率,同时,增加相应的社会和经济效益,实现旅客出行和铁路收益的双赢.     

基于交织最佳自相关序列的ZCZ序列设计

为了减少零相关区序列设计中对相关参数的限制,基于任意一个周期大于4的最佳自相关序列,运用交织技术和递归运算,提出了一类新型的接近最优零相关区序列集的构造方法.通过递归运算,在保持ZCZ (zero correlation zone) 序列集包含的序列数目不变的条件下,可以将序列长度和零相关区宽度成倍扩展.构造的ZCZ序列集接近理论界,可应用于准同步CDMA (code division multiple access) 通信系统,消除共道干扰,提高通信质量.      

基于ARIMA模型的全球跨国快递业务量预测

快递是交通运输行业中的新兴子行业,其发展具有长趋势性和短周期性。对全球跨国快递业务量进行分析和预测。数据来源是四大快递公司的季度跨国快递包裹量,跨度为2001年1季度至2010年4季度,考虑到原始数据为非平稳时间序列,运用时间序列分析方法中的ARIMA模型,对原始序列进行差分处理,根据自相关和偏相关函数的特性,确定模型中的各项参数,最终可以选择ARIMA(1,1,1)(1,1,1)4作为模型,该模型可以得到较为理想的结果。