基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

杭州市城市轨道交通 优势区域的时空变化

选择杭州市地铁站点网络,使用复杂网络与空间格局分析方法,研究城市轨道交通优势区域的时空变化 特征,对认识地铁客流量分布及城市格局的演变具有重要意义。结果表明：①地铁站点客流量与地铁站点中心度 指标具有显著的正相关关系,站点中心度指标可部分预测站点客流量;②随着地铁网络的扩建,具有中心度优势 的站点不是一成不变的,具有中心度优势的站点往往具有大地铁客流量的特征;③在总体上均呈现东西南北低, 中部区域高的分布趋势。以杭州铁路西站和未来科技城为主的城市西部区域将会成为杭州的重要发展区域。各阶 段站点网络在空间上均呈现显著的高值集聚特征。对于中间中心度,高值集聚区与凤起路和延安路交叉口区域、 火车东站区域有紧密联系;对于接近中心度,高值集聚区以凤起路和延安路交叉口为源点,呈不断向周边各方向 扩张的趋势。上述区域与目前杭州市地铁客流量居前的站点区域高度吻合。     

基于试验数据的城轨车辆二系悬挂系统神经网络辨识研究

针对城市轨道车辆二系悬挂系统的输入-输出动态关系,根据实测数据应用神经网络对城市轨道车辆二系悬挂系统进行辨识,建立了二系悬挂动态系统神经网络模型。仿真结果表明:所采用的辨识网络能够对城市轨道车辆二系悬挂系统的动态关系进行有效的辨识,可以建立一个分析二系悬挂系统特性的神经网络模型。     

局域路网IO矩阵反推模型研究

引入一种适用于描述局域路网出行车流分布的IO矩阵，提出了IO矩阵反推模型、求懈算法（SQP法），并对模型解和提高模型推算精度的途径进行了讨论，最后给出了应用实例，显示了模型的优越性。     

城市机动车拥有量发展战略研究

以路网广义容量计算理论为前提,通过对规划年路网容量的计算,从供需平衡的角度和对未来路网机动车运行状况的估计,确定规划年机动车限制保有量的预测值,从而为城市机动车发展战略提供重要的决策依据.最后根据文中提出的计算模型对重庆市主城区未来机动车发展状况进行实例分析.     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

铁水含硅量实时预报专家系统的设计与实现

将时差方法与人工神经元网络方法有机地结合起来,提出了一种在高炉铁水含硫量预报中的应用策略。并基于鞍钢10#高炉操作过程,建立了高炉铁水含硫量预报专家系统。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。