基于优化支持向量机的隧道涌水量预测

为实现隧道涌水量的高精度预测,该文以支持向量机为基础,通过核函数筛选和粒子群算法优化,构建了隧道涌水量的PSO-SVM预测模型。实例研究表明:支持向量机的核函数和惩罚因子对其预测精度具有较大影响,且Sigmoid型核函数的预测效果相对略优,粒子群算法也能很好的优化惩罚因子,进而达到提高预测精度的目的;同时,PSO-SVM模型预测结果的相对误差均小于2%,具有较高的预测精度,进而验证了该模型在隧道涌水量预测中的适用性,为隧道涌水量预测提供了一种新的思路,值得深入研究。     

新的非线性弥散关系及其波浪变形数学模型

针对Hedges、Kirby、李瑞杰提出的修正非线性弥散关系在浅水区存在较大偏差的问题,给出了一个在整个水深范围内相对波速具有单值性的新的非线性弥散关系。它在深水区与二阶Stokes波的弥散关系相一致,在浅水区较前人的修正式与Hedges经验弥散关系更加吻合,在中等水深区域与二阶Stokes波的弥散关系及Hedges经验弥散关系的偏差也达到最小。为了避免非线性弥散关系引入缓坡方程而导致的迭代,采用显式形式近似表达该非线性弥散关系,得到与其精度几乎完全相同的显式表达式。用该显式表达式,结合弱非线性效应的缓坡方程,得到考虑非线性弥散影响的波浪变形数学模型。用该模型对复杂地形进行模拟,计算结果与实测值吻合很好。     

基于CFD的船舶货舱通风数值模拟

以某集装箱船的货舱通风系统为研究对象,根据船舶舱室的通风系统的特点,采用合理的数值模拟方法,并利用拉格朗日粒子示踪的方法描述舱室中的气体流动状况。在此基础上,分析比较3种不同的通风设计方案,通过对比分析研究送风管上开孔朝向和数目对通风效果的影响,确定对通风最有利的方案。模拟结果表明,应用CFD技术进行通风系统分析,可以很好地从流场的分布特性以及空气粒子的运动追踪等方面来评估设计方案的优劣,为通风系统的设计、优化提供有力的工具。     

基于自适应BP神经网络的城市道路偶发性拥堵判别

在分析交通拥堵时空分布特征的基础上,将交通流状态划分为正常状态、常发性拥堵和偶发性拥堵3种;以BP神经网络为基本工具,引入粒子群算法确定网络结构,通过加栽学习动量项加快网络收敛速度,实现偶发性拥堵的准确、快速识别。研究表明,自适应BP神经网络比传统网络在偶发性拥堵判别方面具有更高的正确率,能实现快速判别。     

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法.仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性.     

基于粒子群算法的道路交叉口信号配时优化模型——以昆明市为例

在现有交通资源下,利用交通信号的动态调控缓解交通拥堵是一种行之有效的方式。首先探讨了道路交叉口信号控制的空间和时间优化思路,在时间优化方面提出基于粒子群算法的信号配时优化模型。以昆明市学府路为例,在分析大量交通流数据的基础上,根据三相交通流理论,对交通状态进行划分并提出有针对性的控制策略。将信号配时优化模型应用于学府路3个相邻的关键交叉口。交通仿真和方案试运行结果显示,优化前后同步流状态下交叉口延误平均降低21.0%,车辆排队长度平均降低12.4%;堵塞状态下交叉口延误平均降低32.0%,车辆排队长度平均降低24.9%。这一结果表明该模型在道路交叉口信号配时优化中具有合理性和有效性。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

基于连续体近似法的特大城市公交系统规划研究

公交普线规划因服务对象时间、空间的分散性,是大城市公交系统中最难规划的部分。本 文分析了大规模多中心城市地区公交网络分层级功能及规划次序,重点针对普线网提出基于运 营商和用户广义成本最低的连续体近似法模型搭建方法。通过确定区域网络的普线总服务距 离,总停靠站数,以及发车间隔等决策变量的最佳值,使公交运营企业和乘客在单位时间内的广 义预期成本最小化。利用本文提出的方法,对北京市进行区域划分,重新优化普线网,并基于北 京市路网和兴趣点分布,校核规划的理想网络,得到能够实施的设计网络。相比现状网络,优化 后的方案在成本控制和乘客出行体验方面都得到明显提升,分别减少企业运营成本5%,减少乘 客出行时间21%,达到了降本增效的目标。     

基于轨迹压缩的航空器飞行轨迹聚类研究

为准确掌握终端区航空器飞行模式,有效评估、优化飞行程序,首先,针对飞行轨迹点的时空特性,提出基于时间比的自上向下算法压缩轨迹;其次,结合轨迹点的速度和航向特征,建立基于多维属性特征的轨迹相似性模型;最后,应用禁忌粒子群(TSPSO)算法改进和优化模糊C-均值聚类(FCM)算法,并结合终端区的真实飞行轨迹数据对改进聚类算法进行验证.结果表明:轨迹压缩技术极大地降低了计算开销;与传统的FCM算法相比,改进后的聚类算法可以得到更优的满意解,提高飞行轨迹聚类效果.     

基于粒子群算法的虚拟应急物流风险识别投影寻踪模型

应急物流风险分析与识别是一项复杂的系统工程,为了提高虚拟应急物流的风险管理,本文结合虚拟应急物流的特殊性,提出了基于投影寻踪的虚拟应急物流风险分析与识别模型,在此基础上,通过引入罚函数法,提出了基于粒子群算法的求解思路.最后,以实例分析了该方法的科学性、合理性,并与神经网络模型进行了比较分析.结果表明:基于粒子群算法的虚拟应急物流风险识别投影寻踪模型的精度较高,能很好地反映事物发展的规律,有效地改善了风险分析精度.