高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度, 分析了离散的高速公路动态交通流数学模型, 基于Elman网络原理, 建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2, 采用Levenberg-Marquardt算法对回归神经网络进行训练, 并对一条5路段的高速公路进行仿真。结果表明: 回归神经网络平均相对误差为8.683 7×10^-5, 最大相对误差为4.237 1×10^-4, 与BP神经网络和RBF神经网络相比较, Elman回归神经网络能更好地逼近交通流数学模型, 真实地描述交通流基本特性, 能准确地建立动态交通流模型, 适应交通状况的变化。     

权扰动的影响度量矩阵及其矩阵分析

对于加权线性回归模型,我们考虑权扰动的影响度量问题,给出权扰动的影响度量矩阵,利用迹、谱范数为工具,得出一些结论.     

个体对通勤时间的态度和偏好视角下的职住空间失调

研究职住空间失调能够帮助我们更好地理解个体对职住分离的态度和偏好,并有助于在制定政策时考虑通勤者更真实的需求和期望.本次研究采用理想通勤时间和实际通勤时间的匹配程度来度量职住空间失调,并以昆明市为案例进行了实证研究.描述性统计结果表明,大多数通勤者认为他们的职住空间是失调的,有41.04%的通勤者遭受重度空间失调.进一步,基于序次Logistic回归模型分析了职住空间失调的影响因素.结果表明,出行方式、居住区位、年龄、受教育程度和家庭有无小孩对职住空间失调有显著影响.同时,由于个体对通勤时间的态度和偏好的异质性,更长的通勤时间并不总是意味着职住空间更加失调.     

贷款基准利率变化对小微企业融资成本影响的实证分析

近年来小微企业融资成本过高一直是备受关注的一个问题,央行频繁降低存贷款准备金率,这项货币政策能否有效降低小微企业融资成本,这类讨论正如火如荼的进行。然而在众多的学术作品中,鲜有学者以实证的角度对二者的关系进行量化分析,进而从量上对二者关系展开研究。利用统计机关发布的权威数据进行回归分析是一条可探索的路径。以数据为基础,以回归分析为工具,揭示出货币政策与小微企业融资成本的关系,回归模型背后隐藏的意义值得决策者思考,通过确定降低贷款基准利率影响小微企业融资成本的程度,有利于辅助决策者作出科学合理的行政行为,使社会经济良好发展。     

巨大儿发生状况及其影响因素分析

目的通过对咸阳地区巨大儿发生情况及影响因素进行分析,为巨大儿的预防提供理论依据。方法本次研究数据来源于陕西省出生缺陷现况及其危险因素调查资料,选取咸阳地区巨大儿及其影响因素数据进行统计分析。率的比较采用χ2检验,影响因素分析采用单因素和多因素Logistic回归。结果咸阳地区末次怀孕活产单胎巨大儿发生率为5.2%,其中男、女巨大儿发生率分别为6.5%、4.2%,差异有统计学意义(P<0.001);2010-2013年各年巨大儿发生率分别为5.4%、6.2%、5.9%和4.4%,差异无统计学意义(P=0.151);城乡巨大儿发生率分别为6.3%和5.5%,差异无统计学意义(P=0.556);各县巨大儿发生率分别为彬县3.2%、长武5.6%、礼泉6.7%、乾县5.4%、武功8.0%、旬邑4.2%,差异有统计学意义(P<0.001)。Logistic回归显示婴儿性别、母亲年龄、孕次、产检次数、妇女孕期饮酒、父亲职业等因素是巨大儿发生率的影响因素。结论咸阳地区2010-2013年巨大儿发生率接近全国平均水平。婴儿性别、母亲年龄、孕次、产检次数、妇女孕期饮酒、父亲职业有可能影响巨大儿的发生。     

十堰县域农业企业信息化建设评估及改善研究

为了了解十堰地区县域农业企业信息化建设的现状,对各县域中的农业龙头企业通过发放问卷和电话走访的方式进行数据的采集,并运用SPSS统计分析软件对数据进行处理分析,根据主成分和综合得分情况分析十堰地区县域农业企业信息化建设的现状及存在问题,针对存在的问题提出改善意见。     

LNG船订单回归理性

近期,国际市场LNG船的订造逐渐趋于理性,投机性订造不见踪影。两年前,业内就曾经有人提示,LNG船投机性订造有风险,当前的市场走势印证了当时的预言。     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用 BP 神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于 BP 神经网络方法;证明该方法是可行且有效的。     

卡尔曼滤波在船舶跟踪预测中的研究应用

利用卡尔曼滤波算法的自回归性,将其应用到船舶动态跟踪预测中,建立船舶运动的状态方程,通过当前状态进行下一时刻的位置和速度预测,然后利用Matlab对采集到的10帧图像进行实验仿真。通过对测量值、估计值和最优值的对比可知,本文算法能够较高精度的对船舶进行跟踪预测。