主成分回归的新疆兵团道路客运量预测

道路客运量预测是道路运输业规划的基础工作,科学准确地预测新疆生产建设兵团道路客运量是制定其运输业发展规划、发展战略的重要理论依据。根据新疆生产建设兵团道路旅客运输业发展特点,运用spass统计软件,综合主成分分析法和全回归法,确定道路客运量的主要因素,构建客运量预测模型,实现spass主成分回归分析在新疆生产建设兵团道路客运量预测中的应用。     

基于项目化的“船体装配”课程改革探析

文章针对当前的职业岗位需求,以项目引领、任务驱动为导向,从改革思路、项目化设计、教学方法和手段等方面,开展了“船体装配”课程的改革探索,具有一定的实践指导意义。     

高职《船体放样》课程教学资源库建设的探索与实践

课程教学资源库的建设有利于教师组织和利用网络资源进行教学,有利于学习者开展自主学习,从而促进人才培养质量和教育信息化水平的提升。本文针对高职教育《船体放样》教学资源库建设的探索与实践,重点介绍了《船体放样》教学资源库的建设意义、建设原则、建设基本思想和主要内容等。     

船体分段吊装吊码布置综合优化研究

以某船厂57000DWT散货船G901分段为研究对象,根据最小应变准则与吊装设备性能等约束条件,利用粒子群算法实现吊码位置的优化,结合基于二分法的吊码最小数量优化方法,解决吊码数量和位置的综合优化问题,使优化后分段结构的总体应变能和最大应力得到有效降低。该优化方法对船体分段吊装的吊码布置具有实用和借鉴意义。     

21000立方米LEG/LPG船总体设计研究

21000立方米LEG/LPG船是我公司近年来自主研发的新一代两万立方米级的液化气船,它满足最新的规范、规则的要求,适用范围广,节能、环保。本文主要针对该船型的市场需求,在主尺度优化,线型设计,总布置设计,稳性等方面进行了研究。     

大学体育主从一体化教学模式的研究

本文根据《全国普通高等学校体育课程教学指导纲要》的精神,从理论与实践上探索大学体育“主从一体化”的全新教学模式．实验结果表明：大学体育课实行“主从一体化”教学模式,能有效地提高学生的体育兴趣,增强学生的体育意识,帮助学生在较短时间内掌掌握一、二项运动技能与健身方法,丰富体育基础知识,达到增强学生身心健康的目标,形成终身体育观念。为学校体育教学与社会接轨奠定良好的基础．     

后疫情时代菏泽A汽车销售公司行业竞争力比较研究

通过运用主成分实证法对菏泽市案例公司的竞争力开展评价,分析得出显著因素,提出政策建议,旨在在后疫情时代,通过对案例企业实证分析,延伸行业发展空间。     

基于主成分法的道路监测点的分析

对北京市二环快速路微波检测器采集流量数据的分析,用主成分分析法筛选出能反映二环路运行状况的关键检测器对应的路口或路段,这样交管部门可以通过协调相应关键路口或路段来改善交通运行状况,既可以减轻工作负荷又有助于提高工作效率和效益。同时,利用主成分分析法的结果得到基于流量的综合服务水平指标函数,可以此来标定道路的服务水平。     

平移模式下挡土墙墙背土侧压力系数的计算

根据库仑土压力理论中墙背滑动楔体整体达到静平衡的基本原理，假定沿墙高方向，土与墙背的摩擦角均达到极限值，从墙背处土体主应力偏转的应力状态分析出发，得到墙背处的主应力偏转角和土侧压力系数的计算公式；把土侧压力系数用于水平层分析法，建立了竖向土压力的基本方程，求解该方程，导出了挡土墙主动土压力、土压力合力及其作用位置的理论公式。经比较，该方法与其他方法对土侧压力系数的计算结果基本一致，所得的挡土墙主动土压力计算结果与模型试验结果也较为吻合。     

Forecasting journey time distribution with consideration to abnormal traffic conditions

Travel time is an important index for managers to evaluate the performance of transportation systems and an intuitive measure for travelers to choose routes and departure times. An important part of the literature focuses on predicting instantaneous travel time under recurrent traffic conditions to disseminate traffic information. However, accurate travel time prediction is important for assessing the effects of abnormal traffic conditions and helping travelers make reliable travel decisions under such conditions. This study proposes an online travel time prediction model with emphasis on capturing the effects of anomalies. The model divides a path into short links. A Functional Principal Component Analysis (FPCA) framework is adopted to forecast link travel times based on historical data and real-time measurements. Furthermore, a probabilistic nested delay operator is used to calculate path travel time distributions. To ensure that the algorithm is fast enough for online applications, parallel computation architecture is introduced to overcome the computational burden of the FPCA. Finally, a rolling horizon structure is applied to online travel time prediction. Empirical results for Guangzhou Airport Expressway indicate that the proposed method can capture an abrupt change in traffic state and provide a promising and reliable travel time prediction at both the link and path levels. In the case where the original FPCA is modified for parallelization, accuracy and computational effort are evaluated and compared with those of the sequential algorithm. The proposed algorithm is found to require only a piece rather than a large set of traffic incident records.