基于路用性能指标的高等级公路沥青路面预养护方案研究

高等级公路沥青路面预养护对于遏制路面早发病害劣化进程，延长路面使用寿命具有重要意义；为了提高现有沥青路面预养护方案编制的精准性和科学性，基于路用性能指标对路面通行工况的影响权重建立了路面工况量化评价模型和路面预养护决策模型，可根据预养护评级结果Y值所处区间，给出相应的预养护执行标准，该模型在公路预养护施工项目中已得到较为成功的应用。     

广西海事:聚焦国家战略落地落实,全力服务保障经济社会发展

一年来,广西海事局共成功救助遇险船舶121艘.次、遇险人员1337人,人命救助成功率达9653%。记者从1月12日召开的广西海事2022年工作会议上了解到,2021年广西海事局扎实开展党史学习教育,将以人民为中心的发展思想贯穿履职尽责全过程,推动党中央及上级各项决策部署落地见效,实现"十四五"良好开局。     

模糊多属性航线评估决策方法研究

航线评估是航空公司进行航线决策的重要依据。为解决模糊多属性航线决策问题,在航线属性权重完全未知,但航线评估模糊语言信息已给出的情况下,本文将评估模糊语言和模糊偏好信息转换为梯形模糊数,利用梯形模糊数之间总偏差最小建立一个二次规划模型,从而确定航线决策中各属性的权重,通过对航线属性值和权重值进行加权平均运算,比较每条航线模糊综合评价的期望值大小,进行航线评估排序,最后通过一个实例验证了该方法的可行性和有效性。结果表明:该方法可用于航空公司解决权重未知的多属性航线评估决策问题,方法科学有效。     

基于主客观综合定权法的单值中智TODIM决策方法

定权问题是多属性决策问题中的核心内容,传统定权方法大多仅单方面从主观或客观角度确定权重,合理的属性权重应综合考虑专家偏好与决策数据.因此,文中以单值中智集为研究对象,设计基于熵权法和DEMATEL法的主客观综合定权法,充分考虑决策者的有限理性特点,提出基于单值中智集的TODIM决策方法.首先,分析现有记分函数的缺陷,提出一种新的记分函数,实现单值中智数的大小比较;其次,提出主客观综合定权方法,其中,运用熵权法确定客观权重,根据DEMETAL方法获得主观权重,根据线性加权法确定各属性的综合权重;再次,将TODIM方法拓展到单值中智集理论,构建了基于单值中智集的TODIM方法模型;最后,以决策者投资中小企业为决策背景进行案例分析,验证文中方法的可行性和合理性.     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

强化铁路检修车管理的思考

如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

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.