基于熵与回归树的票价影响因素研究

为构建统一开放的交通运输市场，航空运输早已实行了浮动票价，高铁也在逐步实行。本文以京沪高铁和航空为例，对高铁和航空票价影响因素进行了对比研究。首先使用Ward方法将票价的影响因素聚成了四类：出行需求、旅客选择、出行效率、出行路线。然后基于信息熵和Copula熵对单个因素进行分析，再借助CART树对多因素进行回归分析，使用回归树模型拟合了票价数据，回归树分析解释了73.1%的航空票价变化和93.8%的高铁票价变化，可信度较高。结果表明，航空票价主要受出行需求、旅客选择因素影响，而高铁票价主要由出行效率决定。     

基于蚱蜢算法优化变分模态分解的滚动轴承故障诊断

针对变分模态分解(VMD)在处理实际信号无法预先掌握其分解参数(K,α)而限制其使用，以及包含故障信息的特征参数的选取问题，提出了自适应变分模态分解(AVMD)算法。该算法首先以所分解模态的平均包络信息熵和包络峭度两种指标融合作为目标函数，利用蚱蜢算法(GOA)寻优，获取VMD的分解参数(K_op,α_op),接着对原始振动信号进行VMD分解，通过能量百分比的计算，选取能量90%及以上的敏感模态，对其多域联合的特征参数构建特征向量，最后利用支持向量机(SVM)对滚动轴承的四种状态进行识别。通过滚动轴承数据集分析表明，采用AVMD方法提取的故障特征比EMD、EEMD、传统VMD以及PSO-VMD等方法提取的故障诊断特征的故障模式识别准确率更高，在测试数据集上的准确率达到99.166 7%。