排序方式: 共有34条查询结果,搜索用时 15 毫秒
1.
2.
提出一种将秩亏自由网平差和三参数坐标转换相结合的平面控制网平差方法,其特点是在平差过程中控制网整体网形不因上级控制点点位的改变而变化。首先介绍秩亏自由网平差及其精度评定的原理,推导进行控制网三参数坐标转换及对置平后的控制网进行精度评定的数学模型。仿真计算结果证明了对传统边角控制网而言,置平平差较约束平差具有更强的抗原始数据误差的能力,是一种工程平面控制网平差的新方法。 相似文献
3.
随着物流运输行业的兴起和发展,无车承运人平台的定价成为了一个亟待解决的问题。以无车承运人平台为研究对象,结合平台大量已成交历史订单数据,构建了无车承运人平台线路定价的XGBoost预测模型,并且基于订单的紧急程度制定了无车承运人平台的调价策略,随后利用XGBoost预测模型和调价策略相结合预测出货运订单的3次定价数值,最后基于数据包络分析法(DEA)对样本订单预测出的3次定价进行综合效率评价,结果证明了采用XGBoost预测模型和调价策略相结合的定价策略的合理性,为无车承运人平台的定价决策提供了有益借鉴和科学依据。 相似文献
4.
5.
6.
7.
研究目的:室外路基土连续压实技术中所采用的表征指标,大多是在振动压路机钢轮上采集的振动加速度信号频率、幅值的基础上换算得到的,受跳振及机械自振影响表征效果差,信号也未得到深度挖掘。为了能找到可靠表征土体压实度的指标,本文在室内测试分析的同时引入声源材料识别技术,并基于人耳听觉和心理学,结合材料物理属性研究提取音色特征,以提高土体压实度的识别率。试验通过在室内激励不同压实度土样,采集加速度信号和声音信号,引入MIRtoolbox音色工具箱,采用听觉感知原理的冲击声特征提取法提取声音中的音色特征,并将此方法应用到加速度信号的特征提取。研究结论:(1)当锤击力为55 N±5 N级时,加速度和声音信号中提取的特征值mfcc6max与土样压实度秩相关系数分别为0.81和0.69,即可采用特征值mfcc6max作为表征土体压实度的指标;(2)反向识别土体压实度时,锤击力控制在55N±5 N,加速度信号中计算得到的mfcc6max值代入相关性方程y=0.014x-0.92,或声音信号中计算得到的mfcc6max值代入相关性方程y=0.018x-1.09,得到的两个y值可较好地反向预测土体压实度;(3... 相似文献
8.
提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。 相似文献
9.
将三角基本图的交通状态细分为自由流、中断和拥堵;基于非自由流特性,重新划分了U型时空域,以此找到适合的波速范围;重新确定了上游边界累积流量,使得边界函数刻画不过于宽泛;建立了非自由流Newell模型,并提出了使用该模型的判断条件;引入了车辆秩参数,达到在多车道上描述车辆超车现象的目的,并建立了更精确的车辆秩估计模型,从而建立了非自由流Newell扩展模型;提出了针对非自由流下2种情形的车辆轨迹估计算法,根据是否存在超车现象分为先进先出(FIFO)情形与非先进先出(non-FIFO)情形;结合数值模拟和实际交通案例,验证了算法的有效性。研究结果表明:2种情形下的轨迹估计算法都是有效的,当超车现象存在时,non-FIFO情形的估计效果较准确和稳健;在数值模拟研究中,non-FIFO情形的估计误差相对FIFO情形下降13.45%,non-FIFO情形更优;实际交通案例中,2个小汽车数据集在non-FIFO情形的估计误差相对FIFO情形均有所下降,下降幅度分别为2.38%、2.04%,且估计误差均服从高斯混合模型;公交车数据集因不存在超车现象,non-FIFO与FIFO情形的估计误差相等,均为4.90%,且估计误差服从伽马分布。可见,所建立的非自由流Newell模型对于中断多或拥堵状态占比多的交通数据均是有效可行的,且所提出的non-FIFO和FIFO情形的轨迹估计算法效果表现良好。 相似文献
10.
针对船舶自动识别系统(Automatic Identification System,AIS)在实际应用中存在错误数据频发、数据丢包等问题,本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法,利用去噪实现轨迹重构,同时,实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐,将轨迹数据转化为轨迹矩阵,从而补全轨迹中的缺失值。由于补全结果存在非常大的误差,因此,引入
PLR(Patch-Based Low-Rank Minimization)算法去噪,消除误差。同时,为进一步提升补全效果,通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF
(Intrinsic Mode Function),并分别进行PLR去噪,合并去噪结果,得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象,通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性;并与 HALRTC(High-Accuracy Low-Rank
Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较,结果表明,
该方法相较于HALRTC等方法具有更高的精度,并在高损失率下表现出较好的重构效果。 相似文献