支持向量机对交通流量的预测模型

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。     

基于最优回归理论的舰船辐射噪声指向性统计模型及分析方法研究

文章在已有单航次的舰船噪声空间特性建模分析方法等研究成果的基础上,进一步研究了若干航次条件下的统计建模及分析方法。该研究主要以单一部位垂向剖面的噪声指向性为例,建立了基于最优回归理论的舰船目标辐射噪声特性的统计模型及分析方法,并开展了海上实测研究,验证了该模型及分析方法的正确性和可行性。该项成果为深入分析不同航行工况下各类舰船目标的噪声空间特性及其统计规律等创造了条件。     

我国高铁快运潜在市场规模预测

对我国高铁快运的潜在市场规模预测,有利于优化高铁快运服务质量,支撑高铁快运服务产品开发。以快递量作为潜在转移对象,建立向量自回归模型进行快递量预测;考虑运输安全性、便捷性、经济型、可靠性和时效性等影响因素,构建logit分担率模型进行分担率预测,得到了高铁快运市场可分担率及2020-2025年的潜在市场规模。结果表明,高铁快运市场潜在规模远大于实际市场情况,通过提高寄件服务便捷性,缩减前置等待时间,优化两端作业时间,将有利于提高高铁快运市场占有率。     

鱼雷内弹道特征参数估计的回归分析

论述了以建立回归方程为中心,利用有限的实验数据建立舰艇鱼雷发射内弹道特征参数（鱼雷出管速度、膛压极值）的线性回归方程。通过实验数据计算,证明这是一种舰艇鱼雷发射内弹道特征参数估算的有效方法。在回归分析法基础上,提出了如何进行实验的优化。     

船舶操纵性指数预报研究

为了对营运船舶的操纵性进行预报,基于SPSS软件的相关分析和统计功能,采用多项回归法对59艘船舶的K、T指数统计资料进行分析,得出具有一定精度的K′、T′指数估算公式.考虑船型数据之间非线性因素的影响,构造了四元二阶多项式回归模型.增加了渔船等中、小型船舶,使回归方程更具有普遍性.所构建的船舶操纵性指数回归模型较原有的回归模型将K′、T′的复相关系数精度分别提高了8.5%和7.2%,在保证原回归方程显著性的基础上兼顾了数据拟合的精度和回归多项式的简洁性.因此,该模型对操船者在航海实践中评估船舶的操纵性有一定的实用价值.     

全回转起重船主尺度模型研究

分析了国内全回转起重船的发展现状及发展趋势,对现有的船型数据资料进行整理分析,利用EXCEL回归分析、Matlab中BP神经网络工具与RBF神经网络工具分别建立了全回转起重船主尺度与最大起重量的关系模型,并对它们的回归分析误差进行了比较.该模型的建立有利于掌握全回转起重船主尺度要素随起重量的变化规律,对起重船方案设计以及后续的技术经济论证可起指导性作用,有助于该船型的报价设计和初步设计,并可使其总体设计得到优化.     

施工期软土边坡稳定分析中抗剪强度指标的确定方法

灵敏度高、抗剪强度低的软土边坡、码头工程施工期安全储备低,易发生失稳破坏.十字板强度一般被作为施工期稳定分析较常采用的抗剪强度指标,但据工程经验表明,十字板强度计算的施工期的安全系数偏低.经分析,十字板强度不能反映实际土体滑动面的抗剪强度,是抗剪强度中的最小值.由此,基于摩尔-库伦抗剪强度公式,考虑土体各向异性等建立了十字板强度与深度的线性方程,可将抗剪强度指标回归出来.将回归出的抗剪强度指标用于数个实际边坡中,表明在塑性指数为20左右的土中,安全系数可提高到1.0～1.1,较准确地反映了土体真实抗剪强度.同时,就稳定安全系数与塑性指数的关系作了探讨,提出将安全系数修正到1.0的方法.     

粗糙床面水流运动特性试验与建模研究

山区河流的大尺度粗糙床面对水流运动特性的影响是航道整治工程中的重要问题。文章基于模型试验研究,并结合CFD计算分析的方法,研究了不同摆放密度的混凝土立方块体对有限水深流动的自由液面波动、纵向流速分布以及纵向水头损失的影响。在此基础上,文章根据水流阻力的影响因素,对传统经验公式开展了相关修正,并采用非线性多元回归法对经验修正系数进行了回归分析。研究结论表明:文章所提出的经验公式具有更加普遍的适用性,且经验公式的预测结果与试验和CFD计算结果相一致,对于航道整治工程具有重要参考价值。     

杨涛:渴盼国家层面的公交立法

我参加过全国人大,同时还是南京市人大常委。从学术层面上讲,大家可以放开来,回归初心、回归源头,从理论、实践的角度,从国际与国内的角度谈一些关于公交立法的事情,针对《城市公共交通管理条例(征求意见稿)》的讨论,我主要想表达以下观点。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.