蚁群算法在Logit模型参数标定中的应用

Logit模型作为一种离散选择模型,被广泛地应用于交通需求预测,其中的交通方式选择是其应用的一个典型。建立logit模型最重要的步骤之一,便是对模型的参数进行标定。logit模型参数估计是极大似然估计,求解参数的算法一般使用NR法(Newton-Raphson)和DGP法(Davidon-Fetcher-Powellmethod),本文尝试采用一种新兴的人工智能算法-蚁群算法,来代替NR法和DGP法对logit模型的参数进行标定。最后结合一实例进行验证,并与NR算法下的结果进行对比,证明蚁群算法解决logit模型参数标定的可行性和合理性。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数.针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进.实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率.     

基于双频控制技术的有源电力滤波器分析及应用研究

有源电力滤波器作为对治理电力谐波很有前途的方法,因其功率器件水平限制了APF单元的容量、投入电网运行后的的稳定性问题、以及初装成本高等三个方面啄因限制了APF的大量运用特别是在大功率等级的运用。以后的研究方向是提高补偿容量、降低APF的成本以及解决有源电力滤波器的稳定性问题。为了解决这三个方面的问题,本文提出双频控制有源电力滤波器的新解决方案,用一个低频APF与一个高频APF组合运行。双频控制APF采用低频APF来主要输出功率,可以用低频器件GTO等,这样就可以提高功率等级,提高在现有器件水平下的容量。同时因为低频单元处理功率,系统效率可以大为提高,可靠性也将进一步提高。相对于多重化等拓扑结构而言,系统成本也将大大降低。而高频APF不主要承担处理功率的任务,可以采用IGBT工作在高频,这样就可以提高系统的补偿性能。     

平面图圈边连通度的有效算法

圈边连通度cλ（G）是指图G中所有圈边割中的最小势,即最少割掉多少条边使得图G的两个连通分支中都各有至少一个圈。求一般图的圈边连通度至今仍未找到有效算法。本文提出了一个多项式时间的算法求解平面图的圈边连通度。该算法的时间复杂度是O（｜V｜^2）。     

基于蚁群算法的旅游路线优化方案

在传统旅游路径规划中,通常将问题抽象成旅行商问题（TSP）进行讨论,该方法仅考虑消耗时间最短的路径,忽视了景点当前热度、拥挤程度等诸多影响旅客旅游体验的因素。为了给旅客带来更好的旅游体验,综合考虑上述因素,对蚁群算法作出改进。改进后算法以交通时间更短、导向旅游体验好的景点为目标函数,根据各景点当前热度、拥挤度及景点与景点间路径交通状况对景区内各路径赋以合理的权重,从而规划出合理路径。实验结果表明,改进后的蚁群算法可综合考虑更多影响旅客旅游体验的因素,从而使规划出的旅游路径为旅客带来更良好的旅游体验。     

基于K-Means算法的小区垃圾分类站选址问题研究

为促进垃圾分类政策实施,科学、合理地在居民生活小区设置垃圾分类站,建立选址模型和成本模型对垃圾分类站建设运营成本及居民满意度负效应成本进行求解,并对K-means聚类算法与模糊C-means聚类算法进行比较。通过对某小区每栋居民楼到垃圾分类站的平均距离分析得出,K-means聚类算法计算得出的平均距离相比模糊C-means聚类算法缩短了约17%,在成本模型中建设运营成本降低了1万元,居民满意度负效应成本降低了0.68万元,验证了模型的可行性及K-means聚类算法的优越性。在未来的研究中可对算法进行改进,以进一步优化成本,确定全局最优。     

基于 EMD-PSO-ELM 算法的大坝变形预测研究

基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。     

融合数据增广技术与机器学习算法的个人信用评分研究

为了提高个人信用评分模型算法预测精准率,受视觉领域数据增广思路启发,提出融合数据增广技术与机器学习算法的个人信用评分模型。该模型首先对原始个人信用数据进行数据增广处理,然后基于机器学习分类算法训练一个二分类个人信用评分模型,最后基于公开个人信用数据集,分别建立未经过数据增广和经过数据增广处理后的个人信用评分模型。对比准确率、精确率、召回率、F1 得分、AUC 值和 ROC 曲线等 6 个性能评价指标,结果显示,相较于仅基于机器学习算法的个人信用评分模型,融合了数据增广技术与机器学习算法的个人信用评分模型使得分类性能得到了一定提升,分类准确率平均高出 5%。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于UKF算法的电池荷电状态SOC估算研究

新能源汽车锂电池荷电状态是反映电池及电源系统的重要参数,为达到实时估算SOC目的,基于无迹卡尔曼滤波算法提出SOC估算解决方案。在MATLAB/Simulink环境中建立一阶Thevenin等效电路模型和无迹卡尔曼滤波算法,通过建立混合功率脉冲特性实验,辨析出不同SOC和温度对电池模型的影响参数,将辨析出来的参数代入到UKF算法中进行仿真实验。实验结果表明,该荷电状态估算具有较高的精准度。