公路客运运输枢纽分类分级研究

在分析公路客运运输枢纽影响因素的基础上,采用人口、国内生产总值、公路客运量、交通区位条件和城市等级作为评价指标,分别采用节点重要度法和聚类分析法对179个公路客运运输枢纽进行分类分级研究,并对比分析两种方法的分析结果,进而提出4个层级结构的公路客运运输枢纽分类结果。研究结果表明,该方法具有较好的适应性和实用性。     

基于PCA和Eros的多元时间序列聚类分析

为提高多元时间序列聚类算法的效率,将原始MTS数据线性组合形成一系列互不相关的簇,利用主元分析对每个簇的代表元素,与剩余元素的前z个主元与之间的扩展Euclid范数对选取的多元时间序列的主元进行聚类分析.理论分析和实验结果表明该算法聚类质量结果和运行时间明显优于直接利用k-均值法时的聚类结果.     

基于人群的汽车市场细分模型及其应用

基于人群的汽车市场细分模型,简称GSM,是一项基于多类高级统计分析技术的市场细分模型,在汽车产品规划、产品战略、商品企划和市场沟通等方面都可以发挥非常重要的作用。文中介绍了模型的构建方法,并对GSM在汽车商品前期企划方面的应用进行了初步应用示范。     

基于聚类分析理论确定广梧高速公路高液限土改良方案

针对广梧高速公路高液限土的不良特性,进行了一系列室内试验,测试土样的物理力学指标;借助聚类分析理论,对样本土样进行分类,并确定各类的属性特征值和改良方案;根据土样与属性特征值的相关距离确定各类土样的改良试验项目。以新土料改良方案确定过程为例,介绍了研究结论的使用过程。     

河南省主要城市交通竞争力综合评价与分析

以河南省17个主要城市(不含济源市)为研究对象,利用因子分析法建立城市交通竞争力综合评价模型,选取指标共11项,提取主因子3个,在此基础上使用综合因子得分对城市交通竞争力进行排名,结果表明:郑州市交通竞争力最强,洛阳、新乡、许昌、开封紧随其后,排在后3位的依次是濮阳、信阳、鹤壁;对17个主要城市交通竞争力进行聚类分析;结合因子得分对在每一聚类城市中选取一个中原城市群城市为代表,对其评价结果进行分析,并提出提升其交通竞争力的有关措施。     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

航标设标锚链长度的优化方法研究

航标的合理配布、实时状态监测是保障船舶安全航行的重要措施。其中,锚链长度的计算与选取航标设置时的重要参数。为优化航标锚链的长度计算方法,开展了航标锚链长度与水位关系研究;基于设标时水位信息,论证并提出了一种航标锚链长度优化计算方法。研究结果表明,采用锚链长度优化计算方法,可将航标漂移最大值降低至20 m量级,低于当前航标布设的漂移报警阈值,有效减少了航标漂移虚假报警次数。所述方法可为航标锚链长度优化设置提供技术支撑,提升当前航标维护管理工作效率。     

京津冀城市群铁路客运枢纽类别划分研究

为满足京津冀城市群不同层次旅客需求,进行轨道交通网络的分层设计实现交通一体化,论文以京津冀城市群中两个直辖市北京、天津、河北省的11个地级市,共13个城市的铁路客运枢纽作为研究对象,首先分析铁路客运枢纽类别划分的影响因素,并对影响铁路客运枢纽划分的指标进行量化和对指标在2020年的数值进行预测,然后分别采用基于虚拟最劣解和灰色关联度的加权综合理想解法和基于立方群准则聚类法对京津冀城市群铁路客运枢纽进行类别划分,提出3个层次的划分结果。     

RBF神经网络在油田累计产量系统的建模和预测中的应用

在k-mains聚类分析方法的基础上,提出一种新的聚类方法,将其与最小二乘法相结合,不仅提高了RBFNN模型的精度和运算速度,而且可以动态的决定RBFNN的结构.在此基础上,提出了对RBF中心建模的方法,并将其应用于油田累计产量系统的建模和预测,结果表明这些方法是有效而适用的.     

基于模糊C均值聚类的柴油机故障诊断

通过对柴油机运行时的表面振动信号进行分析处理得到由一系列特征参数组成的特征向量,利用模糊C均值聚类方法对特征向量进行模式识别,结果表明该方法可通过特征向量准确地区分不同的柴油机故障模式,模糊C均值聚类方法在柴油机状态监测与故障诊断中有较好的适用性。