基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

基于自相关分析的交通流预测输入步长研究

目前的交通流预测研究中,输入步长主要取决于人为的选择,容易受到干扰,并且缺少从理论方面选择输入步长的方法。为了能够自适应地选取输入步长,基于交通流历史时间序列的自相关分析,以机器学习中典型的最小二乘支持向量机（LSSVM）、随机森林（RF）以及长短记忆（LSTM）3种算法进行多输入步长的交通流预测,探究以自相关系数值选取最佳输入步长的方法可行性。实验结果表明,在输入步长的自相关系数为0.80～0.91时,LSSVM能获得较优的预测精度,当自相关系数为0.47～0.51时,LSTM能有较好的预测精度,而RF交通流预测的最低误差对应的输入步长自相关程度较低,自相关分析方法 可能并不适用。     

昔榆高速水土流失预测研究

公路施工建设过程中,项目建设区内的原地貌将会被严重扰动,再加上强降雨的冲刷,可能造成严重的水土流失和生态环境破坏.以昔榆高速为例,根据工程布局和不同施工特点进行防治分区,并采用经验法对各防治分区水土流失量进行预测分析,进而确定出该工程水土流失的重点区域,为客观评价水土流失危害、开展水土保持监测提供科学依据.     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

桥梁结构健康监测基于相关性分析的多源数据预测算法研究

通过大数据预处理和分析技术,对位移、应变、风速、温度、湿度和索力等桥梁监测数据进行分析。首先使用傅里叶变换和小波变换,分析了不同监测数据类型之间的相关性,之后通过Bi-LSTM多源预测模型验证了相关性分析的结论。结果表明：位移信号与温度信号之间具有负相关性、位移信号与湿度信号具有正相关性,引入相关性强的桥梁监测数据建立多源预测模型能有效提高预测精度。研究结果对桥梁结构健康监测数据的关联分析与挖掘有参考价值,可为桥梁的日常养护、监测运营和应急管理提供决策依据。     

趋势

收支难平衡 班轮公司望恢复运价 【McQuilling：2013年船用燃油平均价格将创历史新高】纽约航运咨询公司McQuilling日前预测，今年船用燃油平均价格将创历史新高，世界IFO380燃油平均价格将为690美元／吨。该公司还预测，未来燃油价格可能上涨至760美元/吨。     

自适应T-S模糊多模型在汽包水位滑模预测控制器设计中的应用

针对船舶增压锅炉汽包水位随时间变化及船舶运行的非线性等特点,本文运用自适应T-S模糊多模型进行汽包水位滑模预测控制,并利用减法聚类进行前件辨识,利用最小乘法进行后件规则的在线自适应辨识。最后将本文算法与RBF动态补偿控制进行对比,以此来说明本文算法的鲁棒性强。     

山东省2015年年底形成城市供水安全保障体系

近日，山东省住房和城乡建设厅举行了《山东省人民政府关于贯彻落实国发[2013]36号文件进一步加强城市基础设施建设的实施意见》（简称《实施意见》）新闻发布会，《实施意见》提出，到2015年年底所有城市供水水质全部稳定达到国家标准，形成城市供水安全保障体系。     

基于运输网络的公路交通量分析与预测

目前，在运输网络体系中，各种运输途径竞争日益复杂，但也逐渐向着协同合作方向发展。以国道主干线A市至B市高速公路X段至Y段（简称XY段）为例，并以铁路运输作为参照对象，全面对公路交通量进行分析和预测。     

《宁波-舟山港总体规划》修编的建议

<正>一、《宁波-舟山港总体规划》修编迫在眉睫1.港口吞吐量发展迅猛总规规划基础年为2005年,兼顾2007年,预测水平年为2010年和2020年,并展望2030年。