基于PCA-RF组合模型的隧道交通事故持续时间预测

使用主成分分析(PCA)和随机森林(RF)组合模型对高速公路隧道交通事故持续时间进行预测.主成分分析用来提高随机森林模型的精度与效率.此外,通过调节2个模型参数,包括决策树数目和最大树深度来提高模型精度和避免模型过拟合.参数优化的结果表明,建模时决策树数目取150、最大树深度取10可降低模型的泛化误差.用以建模的数据包括了山西省的所有高速公路隧道自2012—2017年内的2115起事故数据.每起事故数据包括16个变量,包括隧道类型,事故发生位置类型,事故类型等.结果表明,PCA-RF组合模型的平均绝对误差为12.80 min,误差20 min以内的准确率为89.15%,取得了良好的预测效果.并且,PCA-RF组合模型的精度高于RF模型,说明PCA-RF组合模型能够提高事故持续时间预测的精度.且PCA能够降低数据维度,提高算法的效率.与人工神经网络模型的结果表明,PCA-RF组合模型预测结果精度高且其模型更简单、效率更高.      

拓扑绝缘体薄膜和有限尺寸效应

拓扑绝缘体是近年来发现的一类新的量子材料,已成为凝聚态物理的研究热点领域.厚度仅几纳米的拓扑绝缘体薄膜不但具有奇特的物理性质,而且还是拓扑绝缘体应用于平面器件的基础.文章以Bi2 Se3为例,介绍了Bi2 Se3家族拓扑绝缘体薄膜的分子束外延生长以及其能带、自旋结构和拓扑性质随层厚的演化.这些结果为人工调控拓扑绝缘体的电子结构和物理性质提供了指导.     

拓扑绝缘体表面态的STM研究

文章主要介绍了利用扫描隧道显微镜对拓扑绝缘体表面态进行的一系列研究工作,包括拓扑绝缘体表面态的电子驻波以及拓扑表面态的朗道量子化现象.这些工作对于拓扑绝缘体基本性质的确立以及深入理解具有十分重要的意义.