基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

基于主成分分析与BP 神经元网络的驾驶能耗组合预测模型研究

近年来交通领域能源消耗问题备受关注,本文从微观交通能耗预测出发,以实现北京市快速路基础路段的油耗预测为目的,基于出租车车载OBD/GPS终端,提取驾驶员微观驾驶行为数据,建立基于主成分分析与BP神经元网络的油耗组合预测模型,实现北京市快速路基础路段油耗的准确预测.结果表明：速度均值及标准差、最大车速、工况百分比、加速度及减速度均值、行驶距离和动能对油耗影响程度相对较高;同时模型能够实现城市快速路基础路段能耗的有效预测,预测精度达到92.46%.该方法的研究为城市交通能源消耗的监管与把控提供了支持.     

基于贝叶斯网络多方法组合的短时交通流量预测

贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型. 首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值. 通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性.     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

基于概率神经网络的城市轨道交通车站客流安全状态评价研究

以城市轨道交通车站安全为研究对象,建立基于概率神经网络的车站客流安全状态评价模型。将模型提炼出的城市轨道交通车站客流安全状态评价指标作为输入参数,将评价等级结果作为输出参数,以各指标不同等级的评价标准作为模型训练数据来源。为验证方法的有效性,设计不同的客流场景,利用微观仿真软件VISSIM对车站客流运行状态进行仿真实验,以获得各指标的数据。仿真应用结果表明,该方法能够对城市轨道交通车站客流安全状态进行评价。     

人工神经网络与遗传算法在发动机性能优化中的应用

利用BP神经网络的自学习以及非线性逼近能力对发动机性能的影响因素和性能进行拟合和预测,再 用遗传算法强大的全局寻优能力对影响因素进行优化,最终得到满足发动机燃油经济性的最佳动力性组合。二者 的有机结合,为发动机性能优化提供了新的途径。     

基于灰色聚类理论和人工神经网络技术的道路交通安全评价

在深入研究了道路交通安全的评价指标确定的基础上,提出了一种基于灰色聚类理论和神经网络技术的综合评价方法,并对神经网络输入、输出指标属性值的量化方法进行了讨论,建立了道路交通安全的BP神经网络评价模型.最后,介绍了该模型在各省道路交通安全评价中的应用实例.     

小波神经网络在舰载雷达多路径效应检测中的应用

针对海面反射对舰用电子支援措施(ESM)产生的多路径效应,研究了多路径反射信号模型,采用删除构造小波网络的结构,探讨了运用小波网络对多路径效应进行检测的方法.     

DNA BIO SOFT COMPUTING AND ITS APPLICATIONS TO INTELLIGENT SYSTEMS

ＩｎｔｒｏｄｕｃｔｉｏｎＩｔｉｓｋｎｏｗｎｔｈａｔＤＮＡｃａｒｒｉｅｓｔｈｅｇｅｎｅｔｉｃｉｎｆｏｒ－ｍａｔｉｏｎｆｏｒｌｉｆｅ．Ｒｅｃｅｎｔｌｙ,ｅｘｔｅｎｓｉｖｅｉｎｔｅｒｅｓｔｓｈａｖｅｂｅｅｎｅｘｐｒｅｓｓｅｄｉｎｐｏｓｓｉｂｌｙｕｓｉｎｇＤＮＡａｓｃｏｍｐｕｔｉｎｇｈａｒｄｗａｒｅ．ＤＮＡｗａｓｆｉｒｓｔｕｓｅｄｆｏｒｃｏｍｐｕｔａｔｉｏｎｂｙＬ．Ｍ．Ａｄｌｅｍａｎｉｎ１９９４［１］．Ｉｎｈｉｓｇｒｏｕｎｄ－ｂｒｅａｋｉｎｇａｒｔｉｃｌｅ,Ａｄｌｅｍａｎｐｕｂｌｉｓｈｅｄｔｈｅｄｅｓｃ…     

燃料电池客车高压电安全和氢安全设计

简要介绍某款燃料电池客车的主要技术参数及动力系统方案;提出该燃料电池客车高压电安全和氢安全设计措施。