基于随机森林的铁路冷藏运输需求预测

为提升铁路冷藏运输效率和实现铁路冷藏运输资源的合理配置,推进铁路冷藏运输的快速发展,对铁路冷藏运输需求进行预测尤为重要。在分析铁路冷藏运输影响因素基础上,利用Spearman相关性分析进行特征筛选。结合Spearman相关性分析结果,构建基于随机森林的铁路冷藏运输需求预测模型,并与BP神经网络,AdaBoost,Bagging和未经特征筛选的随机森林预测模型的预测结果进行对比分析。研究结果表明：经Spearman相关性分析进行特征筛选后构建的随机森林回归预测模型的平均绝对误差和拟合优度值均优于其他模型,均方根误差值仅高于BP神经网络。随机森林回归预测模型的泛化能力较好,且特征筛选能够提高模型的预测精度。     

基于特征融合的变电设备类型及故障识别算法研究

针对机器视觉智能巡检中,红外图像下变电站设备类型多、故障状态难以准确判别的问题,提出一种基于FastPCA和PHOG特征加权融合的电气设备类型及其故障状态识别算法.引入K-means算法完成红外图像分割;提取分割图像的FastPCA和PHOG特征并加权融合成新的混合描述子;将新的描述子作为训练好的SVM分类器的输入向量...     

基于虚拟激励法的大跨径连续刚构桥地震作用下力学特征分析

为探究大跨径连续刚构桥在各维度地震作用下结构受力规律,基于随机振动理论,将虚拟激励法应用至连续刚构桥抗震分析中。并以某(65+120+65)m连续刚构桥为分析对象,选取Clough-Penzien功率谱模型对比分析了各维地震激励下主梁和桥墩力学响应特征。计算结果表明：一维激励下,各方向的激励荷载分别控制各方向的弯矩;纵向+横向二维激励下主梁纵向和横向弯矩与纵向、横向一维激励规律大致相同,均方根结果有小幅增大;在竖向激励下,结构反对称振型被激发,使得主梁和桥墩弯矩值有所降低;结构位移变化规律与弯矩变化规律大致相同。     

辽东湾西北部波浪特性及其对港区泊稳条件的影响分析

基于辽东湾西北部2016年7月至2017年6月1 a的风和波浪观测数据,分析风浪特征,统计分析风和浪的年和季节变化规律,对波高与周期的分布特征进行分析,分析了大风浪时风速与波浪的相关性.受地形影响主要浪向是偏S向,强浪向为偏SE向,秋季和冬季偏E向的波浪所占频率有所增大.年常风向为SW向,强风向为SW向,春夏季节的常风...     

青杠坡隧道的工程地质条件分析及相关建议

详细介绍了贵州省遵义市青杠坡隧道的工程地质条件,包括地形地貌、地质构造特征、地层岩性、水文地质条件等,通过分析可知,地质勘察分析对隧道工程的设计施工至关重要,建议施工中如发现新的地质问题及时反馈、及时解决。     

落石撞击桥墩计算模型研究现状与展望

为了对桥墩进行科学的落石撞击验算及防落石撞击设计,分类整理了国内外相关研究成果,从落石撞击力的静力计算方法、简化动力计算方法、桥墩损伤特征及影响因素等方面进行了分析论述,为桥墩落石撞击验算及防落石撞击设计提供参考。对落石撞击力及结构撞击响应计算提出了建议和展望。     

基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping, SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。     

复杂光照环境的车道线检测方法

为了解决高速公路和城市道路上复杂天气环境下车道线检测的问题,提出一种复杂光照环境的车道线检测方法。该方法通过自动调节复杂光照环境下图像的对比度特征,从而更好地提取道路上的车道线,实现黑暗及雾天环境下的车道线检测。通过实验验证,该方法在黑暗环境下车道线检测识别率为96.7%,雾天环境下的车道线检测识别率为95.2%,具有较好的算法鲁棒性、准确性和实时性。     

基于LBP算子的路面类型识别研究

不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义。论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类。实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度。