一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

上海一乘客强登地铁被夹身亡

7月24日17时20分许，由于遭受强降雨袭击，位于河南省栾川县潭头镇汤营村的伊河大桥发生整体垮塌，截至8月6R，事故造成53人遇难，13人生死不明。温家宝总理、张德江副总理对此次事故专门作了重要批示。     

基于MATLAB和VB的船舶短时电压波动检测软件设计

针对船舶短时电压波动检测软件的设计实现,介绍了用VisualBasic和Matlab混合开发该软件的两种实用方法。方法结合了VB和Matlab的优点,具有软件实现简单,界面友好,数据分析功能强,可做到实时复杂分析等特点,而且有利于实现对船舶电能质量信号的分析。     

基于短时傅立叶变化反鱼雷鱼雷主动声引信浅水检测方法

反鱼雷鱼雷在浅水工作时,背景混响干扰强,攻击目标具有高速、尺寸小的特点。发射信号应选用高频率、窄脉冲来抗混响干扰。而对高速、小目标的检测,在频域内通过不同多普勒频移将混响与目标区分开来,可降低强混响背景干扰。利用信号在频域的特征可以获得较好的检测效果。     

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.     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

多模型交通流预测优化

根据当前交通流预测模型发展的情况,提出采用卡尔曼滤波模型、指数平滑模型和非参数回归模型进行预测融合的方法,该方法在提高系统预测速度的基础上也能提高预测精度,因此,具有很好的推广价值.     

时频分析法在高压水泵启动过程分析中的应用

对水泵机组振动信号分析中短时傅立叶变换的时间分辨率和频率分辨率的设定、窗函数的选取进行了研究，以短时傅立叶变换方法为基础分析高压水泵振动信号，克服了单纯采用快速傅立叶变换进行分析的不足．结果表明：用时频分析法对离心式高压水泵的启动过程进行分析不但可以准确确定各频率成份在启动过程中的变化，还可以确定某些外界的干扰信号，为判断水泵运行是否正常和故障原因提供了有力的依据．