基于出行阻抗的城市地铁网络客流分布计算

为提高城市地铁网络客流分布预测的准确性,结合乘车阻抗、进站候车阻抗和换乘阻抗等出行阻抗建立综合出行阻抗函数,基于阻抗函数对有效路径集进行搜索与筛选,建立基于综合出行阻抗的多路径客流分布计算模型,并设立换乘惩罚系数对不同路径的客流分配进行合理修正.以深圳地铁新开通的11号线为契机,结合地铁1号线、2号线、3号线、5号线分析网络客流分布的变化.结果 表明:新开通的11号线使各线路中的换乘客流有不同程度的增大,增加了乘客出行的可选路径,且11号线车站附近形成新的人口及岗位聚集圈,进一步增加了11号线自身的客流,使得线网客运总量增加,与实际运营中的客流特征相符,验证了所建模型的有效性和适用性.     

基于改进物元法的智慧港口发展水平评价模型

针对当下智慧港口建设如火如荼,而建设行业标准体系却迟迟未能统一的问题.首先利用智慧港口建设发展路径的研究基础,结合国内外信息化发展评价指标体系研究成果,构建了适合国内智慧港口建设发展的评价指标体系;其次利用主客观综合赋权法降低了传统评价过程中,主观因素对指标权重的影响,引入基于云模型的改进物元理论,解决了传统评价方法中模糊性和随机性带来的误差;最后以天津港智慧港口建设工程为算例,对天津港的智慧港口发展水平进行评估,计算得到期望为3.9956,发展等级为较好,与正态云模型和灰色关联分析法的验证结果一致.研究结果表明:评价体系符合现阶段智慧港口的发展方向,评价方法简洁有效,在降低了双重不确定性对于评价结果影响的同时计算了评价结果的置信度,为今后我国智慧港口发展和评价体系的建立提供了参考.     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

芳香硫酸酯酶定点饱和突变方案的比较

目的比较随机引物与精确引物PCR扩增实施绿脓杆菌芳香硫酸酯酶(Pseudomonas aeruginosa arylsulfatase, PAAS)定点饱和突变的整体效率及成本,以建立高效实用的定点饱和突变方案。方法以大肠杆菌碱性磷酸酶(Escherichia coli alkaline phosphatase, ECAP)与PAAS融合表达质粒为模板,分别用针对PAAS目的位点的随机引物、精确引物等量混合物及单个精确引物,进行全质粒PCR扩增构建定点饱和突变体库;碱裂解细胞后高通量测定PAAS突变体与ECAP活性比值进行筛选,比较3种定点饱和突变建库方案需筛选的单克隆数量、所获突变体种类、整体耗时、整体成本及影响因素。结果用随机引物PCR对M72位定点饱和突变有明显密码子偏好性,筛选超600个单克隆仅获得10种预期突变体,但对G138位定点饱和突变未见明显的密码子偏好性且筛选不到150个单克隆获得18种预期突变体;精确引物等量混合物对M72位实施定点饱和突变,筛选不超过190个克隆成功获得19种预期突变体;单个精确引物对M72位逐个PCR实施定点饱和突变,仅各筛选2个单克隆就获得19种预期突变体。单个精确引物逐个PCR实施定点突变所获饱和突变体库完整,需筛选的单克隆数最少,总耗时和总成本最低;相比之下,用随机引物和精确引物等量混合物实施定点饱和突变时,所需筛选的单克隆数、整体耗时及成本均显著增加。结论解析序列-活性关系时,用单个精确引物逐个PCR实施定点饱和突变有显著整体成本和效率优势;仅筛选阳性突变体时,用精确引物等量混合物进行PCR建库在成本和效率上更有优势。     

高校思政课主导性和主体性相统一的话语路径

高校思想政治理论课坚持教学主导性和学习主体性相统一,对大学生进行马克思主义理论教育。从实际教学效果来看,教师话语内容窄化,话语方式单一,话语语境化不够,其根本原因在于忽视学生学习的主体性地位。从话语来看,学生学习的主体性是指提高话语的可接受度,转变话语方式,将单向灌输转为互动式对话交流,提高话语的共识性,从而贴近高校大学生的生活世界。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

基于梯度法的微粒群优化算法在船舶电力系统的应用

随着电力技术的不断发展,舰船电力设备的数量和质量不断提高,不仅提高了舰船航行的安全性,还促进了舰船作业的效率,提高了船舶工业的生产水平。船舶综合电力系统包括发电机、变电站、输电线路、终端负载等,具有拓扑结构复杂、工作条件恶劣等特点。因此,提高舰船电力系统的安全性、可靠性,改善电力系统的使用质量具有重要的意义。本文充分结合基于梯度法的微粒群优化算法,对舰船电力系统的稳定性理论、故障恢复等问题进行优化和改善。