基于短时交通流量预测对路网微观交通仿真的研究

针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。     

基于因子分析和曲线拟合的集装箱吞吐量预测

为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的三次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016-2020年的综合经济发展值,进而求得2016-2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。     

用数理模型对体育分组教学进行预测与控制

为了使身体条件不同的学生在体育课中得到一定的锻炼效益,促使体育教师从多方面考虑和研究如何进行体育分组教学,以遵循“区剐对待”的教学原则,对不同情况的对象给予相应的指导,做到使体育优等生和体育差生的身体素质同步向前发展。在体育教学改革中实行体育“优生”和“差生”的分类教学,那么如何将学生分类呢?本文采用建立数理模型进行数值预测,计算出预测值与控制常数,从而达到对不同体育程度的学生进行分类,为广大教师提供切实可行的方法和科学依据。     

灰色预测法在情报研究中的应用研究综述

[目的/意义]灰色预测法可有效处理情报研究中广泛存在的小样本数据,通过对灰色预测法在情报研究中的应用情况进行梳理,总结其在应用过程中存在的不足,为灰色预测法在情报研究中的进一步应用提供参考.[方法/过程]通过综述情报研究中涉及灰色预测法的相关文献,从数据选取、模型构建和解决的问题等方面对情报研究中灰色预测法的应用进行概...     

郑州市机动车新车入户量预测研究

对郑州市2009～2012年机动车新车入户量的数据进行一阶弱化算子处理,然后建立新车入户量的灰色模型GM(1,1),并预测了未来5年郑州市机动车新车入户量.     

基于 PPG 信号的 LSTM 网络同步动脉血压预测

为通过光电容积脉搏波信号获取动脉血压参数,并将其作为判断个人健康状况的依据,基于 Tensorflow框架训练 LSTM 网络模型与传统 RNN 模型,使用 625 000 条光电容积脉搏波数据序列通过忘记、选择记忆、输出阶段得出符合生理规律的血压参数,将两种模型放在 125 000 条样本的测试集中进行有效性验证。实验结果表明,训练后的 LSTM 模型对血压的预测比传统 RNN 模型更准确,LSTM 预测评价指标 MAE、RMSE、STD 和 R2_score 分别为 4.05、8.78、7.42 和 0.89,且预测结果符合美国医疗仪器促进协会标准（MAE<5mmHg,STD<8mmHg）,而传统 RNN 模型则为 11.58、17.03、14.54 和 0.73。LSTM 模型能较好地预测血压参数,在生物医学领域有较高的应用价值,其效果优于传统 RNN 模型。     

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。     

基于组合神经网络模型的新冠疫情传播预测分析

在全球抗击新型冠状病毒肺炎（COVID-19）疫情的过程中,合理的疫情传播预测对于疫情防控有重要参考意义。为了对病毒传播进行合理预测,针对传统疫情传播预测模型存在的不足,提出一种组合式神经网络的疫情传播预测模型,并将其应用于湖北省1月29日-3月15日每日新增确诊人数预测及湖北省每日累计确诊人数预测。预测结果分析显示,该神经网络预测模型预测结果可靠有效。模型性能分析结果表明,组合式神经网络预测模型平均相对误差（MRE）不超过0.16,均方误差（MSE）不超过0.1,均方根误差（RMSE）为0.262 9,性能明显优于其它几种神经网络预测模型。基于武汉市与广东省疫情传播预测的实证结果显示模型具有较好的适用性及准确性。     

基于XG-B00ST和多数据源的药物重定位预测

新药物研发时间长、成本高,但成功率低,为了提高收益比,药物重定位即旧药新用受到了广泛关注。从临床和实验角度鉴定药物的新用途需要耗费大量人力和物力,从计算角度预测药物新用途成为研究热点;并且,随着药物和疾病相关的大量多层次组学数据积累,通过挖掘药物相关数据鉴定药物新用途成为可能。重点挖掘药物化学结构、药理性质、药物靶蛋白功能、疾病表型等数据得到相应特征,并将这些药物疾病特征进行整合,再将特征输入XG-BOOST模型进行预测。实验结果表明,该方法准确率达87.9%,较逻辑回归、随机森林具有更高的预测精度。     

河西地区内陆河流域地表水资源及动态趋势分析

河西地区是甘肃省主要经济地区之一,是国家下世纪初大规模开发大西北的纽带与依托。河西地区未来的经济发展规模,在很大的程度上取决于本地区水资源的承载能力。本文对河西地区内陆河流域天然地表水资源进行了计算和评价;对天然地表径流的变化特征进行了分析;并对河西地区>河西地区、内陆河流域、地表水资源、变化特征、动态过程、趋势预测