基于单参数自调节RM-GO-LSVR的船舶操纵灰箱辨识建模

为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。     

轨道交通与城市协同发展的空间差异性分析：以北京市为例

为识别轨道交通与城市协同发展程度的空间差异性,以及不同空间范围内城市发展水平对轨道交通客流影响的差异性,引入描述空间集聚特征的莫兰指数Moran's I 建立轨道站点周边城市发展水平评价方法,将轨道站点周边城市发展水平和站点客流空间集聚分布特征作为轨道交通与城市发展协同程度判断标准,划定若干研究区域,利用地理加权回归GWR 模型研究两者空间相关性和城市发展因素对轨道交通客流的影响. 实证研究表明：轨道站点周边城市发展水平与站点客流协同程度较高的区域,城市发展水平对站点客流影响更大;将城市发展因素对站点客流影响程度进行排序,密度高于交通便捷程度、功能多样化程度和发展紧凑度.     

基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度,本文从土地利用与交通基础设施建设两方面出发,分析包括土地利用混合指数,职住混合率熵指数,公共交通站点 500 m覆盖率,路网可达性等17个指标与出行强度的相关关系;基于相关系数和拟合优度分析,提取7个与出行强度强相关指标,基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明,职住混合率熵指数对出行强度的影响最为显著,公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外,给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法,用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.     

交通可达性与城市经济活动的空间特征分析：以北京市为例

借助开源大数据平台,提出交通可达性及城市经济活动数据采集策略,利用全局常参数和局部变参数回归模型研究北京市六环区域内两者的空间特征.相比于全局模型,局部模型能够较好地刻画交通可达性与城市经济活动间的空间异质性特征.结果表明,私人交通可达性呈现以天安门为中心径向递减的多圈层结构,公共交通呈现轨道交通沿线区域高的特点.交通可达性与经济活动匹配度具有空间非平稳性,空间分离和匹配现象并存.西北部、中部区域空间匹配特征显著,东北部、东部区域次之,西南区域空间分离现象最为严重.丰台及良乡等分离区域,宜重视道路及轨道线网等基础设施建设工作;未来科学城等私人交通匹配,公共交通分离的区域,可考虑修建轨道线路,并增加公交运营服务水平;中关村科学城、北京经济技术开发区等匹配区域,以调整交通运营管理政策为主.     

权扰动的影响度量矩阵及其矩阵分析

对于加权线性回归模型,我们考虑权扰动的影响度量问题,给出权扰动的影响度量矩阵,利用迹、谱范数为工具,得出一些结论.     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用 BP 神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于 BP 神经网络方法;证明该方法是可行且有效的。     

双断级滑行艇的阻力回归公式

本文以5艘双断级滑行艇模型的试验数据为基础,采用多元线性回归的方法对试验数据进行回归分析,从而导出在不同断级参数情况下双断级滑行艇的阻力回归公式。通过相对误差分析法验证了回归公式的精确性,并根据回归的结果绘制成图以供设计参考。     

铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型.结果表明:组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠.与单一模型相比,该法具有较好的实用价值.     

Part 2. Beyond single-outcome models: Decompositions of aggregate and disaggregate road safety risk

The second part of the state-of-the-art focuses on the development of the founders' double streams explaining single-outcome indicators (probability of accidents and fatalities, respectively) by fixed form regression, as outlined in the Part 1. Following Page (1997, pp. 67–122, 2001) and others, we use as turning point of the evolution of both aggregate and discrete approaches the DRAG-1 model of 1984, itself based on aggregate data, which introduced four key innovations in principle applicable to both streams.