一个随机模型的参数辨识

给出了一个随机房室模型——胆红素模型的参数辨识方法，并给出了具体求解过程。     

利用混合神经网络辨识Hammerstein模型的方法

研究了Hammerstein模型的辨识问题 ,并考虑了多输入多输出 (MIMO)情况 .提出一种混合神经网络辨识模型 ,该模型由一个多层前馈神经网络 (MFNN)与一个线性神经网络 (LNN)串联而成 .给出了一个反向传播 (BP)算法同步训练该混合神经网络的权值和阈值 .仿真结果表明了该方法的有效性 .     

一类交通流模型研究

针对一类动态交通分配中的输出流模型,在一定的条件下,研究该模型的解,并利用数学软件Mathematica7给出初始条件下的数值解,最后结合特定路段的交通流数据进行数值仿真并进行比较.     

电机部分参数的辨识方法

电机理论、电机模型以及电机参数辨识的方法在共同进步．随着电机辨识理论的发展，辨识方法的逐步完善，电机参数在现实中的应用十分广泛．同时电机参数辨识在电机控制中具有极其重要的意义．简要阐述几种当前典型的电机参数中的频响法、最小二乘法和卡尔曼滤波法等一些辨识方法的原理和框图．     

非线性对象快速神经网络辨识方法

本文使用改进的神经网络模型结构与算法来辨识未知非线性系统,具有辨识精度高,速度快的特点。该方法简单有效,为设计非缌陛对象控制器提供了一条思路,从而摆脱了用线性模型近似被控对象的粗略做法。算法中,学习率采用随误差变化率而改变的做法减小了学习率选取的盲目性,加速了网络训练过程。     

基于神经网络的直流电机模型辨识及应用

为了提高控制系统的控制性能,实现自适应控制,提出了一种基于神经网络模型的参数辨识方法.首先,为一台未知参数的直流电机设计了基于DSP(数字信号处理器)的控制器,再通过采集卡获取大量的实时观测数据,然后对数据进行预处理,将预处理后的数据按照神经网络辨识的原理完成模型辨识.通过比较直流电机实际阶跃响应与模型阶跃响应,对辨识模型进行检验,最后设计了该系统的PI校正装置.结果表明该方法可操作性强、辨识精度高、应用性强.     

改进灰狼优化算法辨识光伏模型参数

针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S型函数的非线性调整控制参数a策略,以平衡算法的全局勘探和局部开采能力;以一定概率对当前最优决策层个体执行反向学习策略,帮助群体跳出局部最优。选取4个复杂函数测试IGWO算法的性能,利用实际光伏模型测量数据对IGWO算法进行检验。结果表明,IGWO算法相比其他算法,能更准确且稳定地辨识PV模型参数。     

基于ConvLSTM的高速公路交通流预测仿真研究

交通流通常具有复杂时空关联性,且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性,设计一种基于ConvLSTM网络且融合时空关联性和外部因素的交通流预测模型——STE-ConvLSTM。构建交通流、速度、天气时空矩阵,将其延深度方向堆叠,通过滑动窗口模型将其处理为类图像时间序列数据,利用ConvLSTM网络提取交通流的时空关联性和外部因素特征;利用卷积层实现交通流预测多变量多步输出。实验结果表明,相较于传统的交通流预测模型,该模型在交通流多步预测方面的预测准确度有所提升。     

变压器分层绕组模型变焦遗传算法的参数辨识

电力变压器分段绕组的传递函数模型可用来实现局部放电的精确定位，受制于测量条件，其模型参数辨识较为困难，文章应用遗传算法来解决电力变压器分段绕组模型参数辨识的问题，在绕组套管上施加一脉冲信号，通过在接地端测量其响应，在分段绕组的RLC数学模型基础上，假定分段绕组各单元的绕组之间绝缘损耗RS，对地电阻Rg，线圈之间电容Cs，线圈对地电容Cg，绕组损耗R和漏抗L相等，分段绕组之间的互感M通过一个电流控制的电压源模拟，对变压器分段绕组数学模型的参数进行辨识，同时进一步研究了参数变化范围对辨识结果的影响，引入变焦算子大搜索范围与辨识精度之间的矛盾，辨识结果表明，该方法是可行的。     

小波神经网络在短时交通流预测中的应用

研究了小波神经网络对于预测短时交通流的适应性,提出了利用小波神经网络的特性建立短时交通流预测模型;并利用苏州市某交叉口实测交通流量,运用小波神经网络建立了非线性回归预测模型,结果证明预测是可靠的,有助于城市交通流动态参数的预测,可为 ITS 的构建提供数据支持     

Study on One-Dimensional Model of Traffic Flow with Stochastic Deceleration via Lattice Boltzmann Method

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　Ｉｎｒｅｃｅｎｔｙｅａｒｓ ,ｔｈｅｔｈｅｏｒｙｏｆｔｒａｆｆｉｃｆｌｏｗｈａｓｂｅｅｎｅｘｔｅｎｓｉｖｅｌｙｄｅｖｅｌｏｐｅｄｄｕｅｔｏｔｈｅｃｏｏｐｅｒａｔｉｖｅｗｏｒｋｏｆｓｃｉｅｎｔｉｓｔｓａｎｄｅｎｇｉｎｅｅｒｓｉｎｖａｒｉｏｕｓｆｉｅｌｄｓｓｕｃｈａｓｐｈｙｓｉｃｓ,ｍｅｃｈａｎｉｃｓ,ａｐｐｌｉｅｄｍａｔｈｅｍａｔｉｃｓ,ｅｔｃ .(ｆｏｒｒｅｖｉｅｗｓ,ｃｆ.[1]) .Ａｖａｒｉｅｔｙｏｆｔｒａｆｆｉｃｍｏｄｅｌｓｈａｖｅｂｅｅｎｐｒｏｐｏｓｅｄ ,ｆｏｒｉｎｓｔａ…     

基于遗传算法的交通量平衡分配预测

本文介绍了现有交通分配模型,并分析了现有模型的局限性,提出了基于遗传算法的交通量平衡分配预测模型,并给出了算例对所提模型进行了验证。     

基于诱导信息的交通堵塞路径流量转移模型

以UE均衡分配为前提,根据个别路段出现突发性交通堵塞的程度来发布诱导信息,并以此为依据分析出行者新的路径选择行为,从而建立路径流量转移模型,通过堵塞路径的流量转移来获取最优的交通分配新模式.     

基于改进支持向量机模型的交通拥堵情况预测

随着机动车数量的迅猛增加,城市交通拥堵状况日益严峻,城市道路拥堵严重影响着居民的日常工作和生活,因此研究道路拥堵程度,以及对道路拥堵变化进行预测则显得尤为重要。为此,构建一个基于拥堵指标的MM-SVR模型,在考虑下一时段可能到达路段的潜在车流量情况下,对道路拥堵情况进行深入探究。首先,融合速度、区域内交通流量构建道路拥堵程度指标,然后基于历史数据构建将马尔科夫链与支持向量机预测相结合的MM-SVR模型对道路拥堵进行预测,以向前[n]阶状态的交通流量和速度作为输入量,将道路拥堵程度指标作为输出量。在实例验证中,使用广州市某片区的实时交通流数据对模型效果进行评测,并且使用SVR以及Adaboosting模型进行对比实验。实验结果表明,该模型无论是在拟合优度还是预测误差上均优于对比模型,在实时反映交通流拥堵情况方面有着良好表现。     

基于自相似特性的网络流量模型研究

详细描述了自相似业务流的特点,包括自相似性的定义、性质、网络流量自相似程度的Hurst参数估计方法、自相似流量的产生原因以及对网络性能的影响等。利用RMD方法生成了自相似分形FGN流量,并分别利用R/S分析法、V/T法和周期图法估计自相似流量的参数,通过与传统的M/M/1排队模型比较,得出自相似对网络性能的影响。     

改进蛙跳算法的小波神经网络短时交通流预测

为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。     

论我国交通事故认定与交通肇事罪的关系

交通事故认定与交通肇事罪的关系一直是我国学术界争议的焦点,《最高人民法院关于审理交通肇事刑事案件具体应用法律若干问题的解释》出台以后,明确规定将分清交通事故责任作为交通肇事罪的定罪量刑基础,引起了广泛的争论。为了进一步厘清两者的关系,应当从交通事故认定的性质出发,通过交通肇事罪的犯罪构成和刑事责任两个层面分析交通事故认定在认定交通肇事罪中的地位,以使实务中的交通肇事案件得到更加合理的解决。     

柔性机构非线性运动的神经网络辨识模型

研究目的是建立柔性机构非线性运动辨识模型.柔性机构的运动形态为高度非线性,利用径向基函数(RBF)神经网络,将机构驱动力矩和机构非线性运动参数分别作为RBF神经网络的输入和输出,利用达到训练精度要求的RBF神经网络进行柔性机构的非线性运动参数的辨识.计算速度快,精度高,为复杂系统的辨识提供了一种理想的建模方法.