基于KPCA算法的高校大学生网络消费预警研究

当今各高校的学生网络消费趋势逐渐加强,为促进高校大学生形成良好且积极的消费观念并进行合理评价与校正,通过多渠道收集了在校大学生的月消费总额以及各个消费领域的金额.采用KPCA算法,建立了针对高校大学生的网络消费预警模型,通过实例分析建立了消费回归曲线,将结果与PCA算法进行对比.结果表明:该模型较PCA算法表现出更显著...     

考虑不确定性影响的管内混凝土超声波速概率预测模型

为克服传统确定性预测模型无法合理考虑主客观不确定性因素影响所存在的缺陷,研究建立一种基于材料和时间因素的管内混凝土超声波波速概率预测模型。通过分析混凝土抗压强度和检测龄期对核心混凝土超声波波速的影响规律,在综合考虑上述影响因素的基础上,建立考虑不确定性影响的核心混凝土超声波波速预测模型表达式,进而结合贝叶斯理论和M-H(Metropolis-Hasting)算法确定了概率模型参数的后验分布信息,从而建立了核心混凝土超声波波速概率预测模型。并利用传统的确定性模型和超声波检测数据,验证了该模型的适用性。     

基于CNN的城市道路交通事件检测算法

交通事件检测是预防和缓解城市路网偶发性交通拥堵的重要手段.基于卷积神经网络(CNN)和浮动车数据(FCD),提出1种改进的城市道路交通事件检测算法,形成城市道路交通流的时空特征与交通事件之间的映射关系.将道路按照交叉口分段设置,重构具有时空特征的多维信息输入张量,通过时空矩阵来描述完整的道路交通流时变信息.在隐藏层和输...     

疫情期间社区商超物资配送路径优化研究

在抗击新型冠状病毒肺炎的战役中,采取"商超+社区"创新无接触配送模式对疫情影响下的社区进行物资配送,以保障居民生活物资供应。利用SOM神经网络算法与遗传算法求解车辆路径规划中的特例问题——TSP问题,以湖北省黄石港区社区物资配送路径为例,对两种算法的优化结果进行对比,发现遗传算法比SOM神经网络算法拥有更高的求解精度及效率。结果表明:优化后的路径距离为初始路径距离的37.2%,使用遗传算法可更快地搜寻到最佳的物资配送路径,得到较好的物资配送方案。     

基于改进支持向量机的船舶电力系统稳定性容错控制研究

为了提高船舶电力系统控制稳定性,提出基于改进支持向量机的,船舶电力系统稳定性容错控制方法。在传统支持向量机的基础上添加SVM分类策函数,生成电磁波最优超平面,对电磁波进行微观划分,引入模糊控制思想,建立模糊控制PID控制器,将划分后的电磁波作为PID控制器输入值,利用控制器模糊传递函数,提取电力系统控制输出值,建立PSO-LSSVM电力系统无线传感路径,通过传输节点,将控制输出值传输到电力系统指令层,实现船舶电力系统稳定性容错控制。实验数据表明,该控制方法对电力系统正向电流控制稳定性提高了16%,反向电流控制稳定性提高了22%,具有鲜明优势性。     

自激气动力有理函数系数的直接识别算法

有理函数系数识别是基于气动力有理函数逼近的桥梁颤振计算的前提条件. 有理函数滞后项的数量对其系数的识别结果影响较大，现有方法中一般仅考虑单滞后项的有理函数系数识别，易造成气动力描述上的失真，进而导致桥梁颤振计算结果不准确. 基于正弦信号的自激气动力在时域上与有理函数对等的原则，采用最小二乘拟合方法，提出了一种可计入多个滞后项的有理函数系数的直接识别算法. 以薄平板模型为对象，利用强迫振动风洞试验获得了自激气动力，采用该算法直接识别了计入不同滞后项的有理函数系数，并分析了滞后项数量对气动力重构精度影响以及对颤振临界风速计算精度的影响.通过自由振动颤振试验获得了实际的颤振风速，进而与采用识别出的有理函数计算的颤振风速进行对比，结果表明:颤振临界风速的试验值与计算值吻合较好，从而验证了本文所提识别算法的准确性；与现有的有理函数系数识别方法相比，本文提出的识别方法兼顾了效率和精度，可广泛用于实际桥梁断面自激气动力有理函数系数的识别中.      

基于新鲜度损耗的社区团购电商配送中心选址研究

社区团购电商S2B2C供应链模式带来了新环境下的选址问题,进行选址决策能够有效降低社区团购平台的运营成本并保障企业利益。为了使选址决策更符合社区团购运营实际,作者调研了社区团购供应链模式并建立了考虑新鲜度损耗的混合整数选址模型,借助蚁群算法设计两阶段求解模型,用于优化选址过程中的成本求解,最后通过算例进行比较分析。结果表明选址策略能够有效降低企业的运营成本,局部最优解会在特定配送中心数量约束条件下出现。     

基于MEC-BP神经网络的基坑水平位移反演分析

随着城市地铁建设快速发展,地铁车站基坑的变形要求越来越严格,基坑土层设计参数的选择面临着极大挑战.利用思维进化算法(MEC)优化BP神经网络的初始权值和阈值,结合有限元数值模拟,提出基于基坑水平位移的土层参数反演分析方法.采用文献算例对该方法进行验证,并与不同反演方法进行对比.研究结果表明:1)MEC-BP神经网络对多工况水平位移的反演分析结果与文献结果基本一致,验证了该方法的有效性和实用性;2)MEC-BP神经网络的收敛速度快于遗传神经网络(GA-BP),其反演结果优于常规BP神经网络、GA-BP方法和修正高斯-牛顿法(G-N);3)采用标量误差函数Ferr进行寻优,可以提高MEC-BP法水平位移反演分析结果的稳定性和准确性.     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题，提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型，提取轮轨激扰和轴承故障情况下的轴箱振动信号；然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优，确定最佳参数组合；最后利用已确定的最佳参数对轴承振动信号进行VMD分解，得到不同本征模态分量(Intrinsic Mode Function,IMF)，并对最佳模态分量信号进行包络分析，识别到轴承故障时的特征频率。试验分析表明，基于优化参数的VMD分析方法能够有效提取轴承故障特征频率，通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比，可以发现文章提出的分析方法效果更加有效。