基于聚类分析算法的公交车到站时间预测研究

在现代城市中,准确获取公交车到站时间可以吸引更多人选择公交出行。但在目前城市交通日益拥堵的情况下,公交车在实际行驶过程中受多种因素的影响,导致行驶时间不稳定,这严重影响人们乘车体验感。本文结合了聚类分析和支持向量机,提出了一种基于聚类分析的公交到站时间预测模型。该模型使用了公交线路的站点数据,对所采集的数据进行标准化的预处理,并考虑了公交车在运行过程中受到的多种干扰因素,对鹰潭市27路公交上行线路进行了分析。结果表明,基于聚类分析和支持向量机的公交车到站时间预测模型的平均绝对误差在四十秒以内,预测精度也优于直接支持向量机的模型,能很好地预测公交车的到站时间。     

圆柱桥墩绕流分析及局部清水平衡冲刷实验研究

针对理想液体与实际液体圆柱桥墩绕流分析 ,进行了圆柱桥墩局部清水平衡冲刷实验研究 ,并获得了一些有价值的结论     

风湿性心脏病心肌细胞线粒体膜磷脂损伤与换瓣术后低心排血量的关系

目的　探讨风湿性心脏病心肌细胞线粒体膜磷脂损伤与换瓣术后低心排血量的关系。方法　将 2 0例风湿性二尖瓣替换患者按术后有无严重低心排血量分为正常心排血量组 (n =1 4)和低心排血量组 (n =6) ,另 8例健康意外脑死亡者心肌为正常对照组。应用电镜细胞化学法测定术前右房心肌细胞线粒体膜磷脂超微结构定位改变 ,同时测定术中再灌注 3～ 5min时全心肌氧摄取率 ,并定量分析上述指标变化与术后低心排血量的关系。结果　风湿性心脏病心肌细胞线粒体膜磷脂结构定位呈现不同程度的脱失改变。其中低心排血量组与正常心排血量组比较 ,心肌细胞线粒体膜磷脂结构小部分脱失 (7 5%± 2 6%vs 4 9%± 1 6% )和大部分脱失(4 5%± 2 0 %vs 2 6%± 1 7% )比率均明显增高 ,且再灌注 3～ 5min时全心肌氧摄取率 [(2 .30± 0 50 )Vol%vs(3.42± 0 .60 )Vol% ]明显降低 (P均 <0 0 5)。结论　风湿性心脏病心肌细胞线粒体膜磷脂结构定位脱失程度与换瓣术后低心排血量的发生密切相关 ,可能是参与术后低心排血量形成、发展的细胞基础之一。     

基于ARX技术的巷道堆垛结构CAD

运用有关的机械力学理论及ＣＡＤ技术,建立了堆垛机结构优化设计的数学模型,并在此基础上使用Ｍｉｃｒｏｓｏ ＶＣ＋５．０及ｂｊｅｃｔＡＲＸ技术进行堆垛结构ＣＡＤ软件的开发。计算结果表明,利用该ＣＡＤ软件进行堆垛机结构优化,可以改善结构性能,减轻结构自重。     

新型250吨肋骨冷弯机机构特点

介绍 新型２５０吨肌骨冷弯机的技术性能,详述了该机的主要新型机构,分析了各机构的优点所在。     

提高车站客票发售与预订系统硬件环境的可靠性

作者分析了目前车站客票发售与预订系统硬件环境的可靠性及存在的问题,论述加强车站客票发售与预订系统硬件环境可靠性的必要性和重要性.     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

车用燃料电池质子交换膜研究进展

氢燃料电池汽车被认为是真正的环保新能源清洁动力汽车,质子交换膜作为其核心部分,它性能的好坏直接影响着燃料电池的性能与使用寿命。文章介绍了三类质子交换膜的研究情况,并提出静电纺丝技术能够通过控制材料形态来调整材料性能,在质子交换膜生产领域具有广阔的前景;发掘能够多方面提升质子交换膜性能的材料或者将多种填料复合改性将成为质子交换膜领域新的研究方向;为车用质子交换膜领域提供了新思路。     

基于PSO-LSSVM的牵引供电系统故障诊断研究

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。