交通流量预测的时间异质性图注意力网络

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

基于庞大算例变量提取的办公建筑能耗预测方法及应用

模拟法应用专业软件，可准确计算动态能耗，但输入参数烦琐且建筑几何模型确定后往往无法更改；数据挖掘法计算速度快，适用条件多样，但是需要长时间历史数据进行训练，效果受样本数据限制.针对以上问题，提出一种基于庞大算例变量提取的办公建筑能耗预测模型，利用EnergyPlus建立批量典型建筑模型，调整建筑参数生成百万条数据作为训练数据集；采用LightGBM算法，筛选影响负荷的特征因素，构建负荷预测模型；结合EnergyPlus中空调设备能耗计算模型，应用python编译实现能耗预测，并在北京某办公建筑中进行应用和验证.结果表明，筛选的24维特征变量，可保证模型预测准确度在90%以上，逐日能耗的预测平均相对误差为8.27%.应用标准年气象参数计算全年建筑能耗，逐月平均相对误差为10.37%,建筑实际能耗指标为35.20 kW·h/(m²·a),预测能耗指标为36.25 kW·h/(m²·a),相对误差为2.98%.     

高速公路短时交通流组合预测研究

为解决单一高速公路短时交通流预测模型预测精度低的问题,提出一种基于门控循环单元神经网络(Gated Recurrent Unit,GRU)和支持向量回归(Support Vector Regression,SVR)的组合预测模型。在对收集到的样本数据进行降噪处理后,分别构建GRU和SVR预测模型并基于最优组合赋权法对二者的预测结果进行赋权以得到最终预测结果。为检验所构建的GRU-SVR预测模型的实践适用性,依托实际高速公路交通流数据进行实例验证,并与单一的GRU、SVR模型预测结果进行对比。结果表明:所构建的预测模型具有较高的预测精度和泛化能力,可为高速公路短时交通流预测提供指导和借鉴。     

聚丙烯反应器熔融指数预测控制算法

针对双环管聚丙烯反应器中的熔融指数难以在线测量的问题,采用机理建模方法建立熔融指数软测量模型。为了实现预测控制,将软测量模型转化为Hammerstein模型形式作为预测模型。并基于这个预测模型设计预测控制器,实现了聚合反应过程的熔融指数预测控制,仿真结果验证了该方法的有效性。     

APSO_LightGBM模型在高血压风险预测中的应用

APSO_LightGBM高血压风险预测模型将LightGBM算法与自适应粒子群优化算法相结合,弥补了LightGBM自身收敛速度慢的缺陷。实验表明,基于该模型的预测精度高于线性回归、决策树、SVM和LightGBM模型,参数寻优时间也远小于网格搜索与随机搜索,说明该模型可以更准确、高效地预测高血压风险,实现对疾病的早期筛查与干预。     

基于Att-Bi-LSTM的高速公路短时交通流预测研究

针对高速公路短时交通流预测问题,从数据驱动视角出发提出考虑注意力机制的双向长短时记忆神经网络(Attention Bi-directional Long Short-Term Memory,Att-Bi-LSTM)高速公路短时交通流预测模型。首先,从实际的高速公路运营线路中获取样本数据并进行相应的预处理;其次,采用滑动窗口模型进行数据重采样,并基于重采样后的样本数据构建Att-Bi-LSTM高速公路短时交通流预测模型;最后,为验证所构建模型的准确性,依托京台高速泰安收费站断面的交通流数据进行实例应用,并将其预测结果与LSTM、BP、SVR算法的预测结果进行对比。结果表明:所构建的Att-Bi-LSTM预测模型预测精度较高、模型泛化能力强,可为高速公路短时交通流预测提供一种新的思路。     

港口集装箱吞吐量预测方法研究

基于我国港口集装箱运输发展现状以及国内外集装箱吞吐量预测研究的进展,对时间序列模型预测法、回归模型预测法与灰色模型预测法的原理进行分析比较,分别建立3种港口集装箱吞吐量的预测模型并对大连港集装箱吞吐量进行预测.结合大连港历史数据,对3种预测方法的预测结果及精度进行比较,归纳每种方法的特点与各自适合预测的港口类型.基于大连港为普通增长型港口的特点,采用回归模型与灰色模型对其未来五年的集装箱吞吐量进行预测,为相关研究人员和管理者提供参考.     

基于双通路卷积融合网络的脑龄分布预测

采用深度学习对脑龄预测问题进行研究,提出并设计一种基于双通路卷积融合网络的脑龄分布预测模型,以有效预测被试的大脑年龄。将被试静息态功能磁共振成像(rest-state functional MRI, rs-fMRI)数据通过标记分布学习方法,将确定的脑龄标签转化为一组具有高斯分布的概率,设计一个双通路卷积融合网络,包含卷积、批量归一化、池化等步骤,可以同时学习rs-fMRI多类激活图的特征,通过一个低秩融合网络来融合这些特征,利用损失函数对网络更新优化;对预测模型的结果进行详细分析。该模型得到的绝对平均误差和相关系数的指标分别为5.735和0.592 4。试验结果表明,相较于其他模型,该模型取得的平均绝对误差更小,相关系数更高,显著提高了基于rs-fMRI图像的脑龄预测精度。     

基于组合模型的沥青路面车辙预测

为了对沥青路面车辙进行预测研究,结合陕西某高速公路沥青路面的车辙病害现状,以美国AASHTO新力学经验法中的Pavement-ME预测模型( PME模型)和灰色预测理论为基础,对PME预测模型的参数进行了本地化处理,提出了考虑数据时效的动态灰色预测模型DGM (1,1),并采用数理统计方法对车辙的发育趋势进行基于组合模型的预测研究.研究结果表明：PME模型和DGM灰色模型的拟合精度分别为0.963和0.941,可以作为组合模型的子模型;DGM-PME组合模型的预测精度要高于单一子模型的预测精度,其中采用误差平方和倒数法定权得到的组合模型的预测精度相对最高,其子模型权重分配为L12=0.601和L22=0.399,预测精度最高为0.0045;DGM-PME组合模型在个别时期的预测效果不如单一子模型,属于正常的误差现象;用DGM-PME组合模型来替代单一子模型进行沥青路面车辙的预测研究是可行的,本文所建立的组合模型适用于项目级沥青路面的车辙发育趋势预测.     

基于划分工作方式的中央空调达标时间预测

为了同时满足中央空调温湿度控制工艺要求和企业节能降耗要求,解决中央空调达标时间预测问题,提出了一种在划分空调工作方式基础上的组合预测模型. 在加温加湿工作方式下,采用随机森林算法构建分类预测模型,用深度特征提取后的高级特征作为模型输入,解决了小样本分类预测的过拟合问题. 为进一步降低算法时间复杂度,利用改进粒子群方法对模型参数寻优. 在降温除湿工作方式下,使用K近邻算法动态划分类别区间,并利用密度峰值改进SMOTE算法解决类别不平衡问题,采用极限梯度提升算法构建分类模型. 考虑到空调延迟开启或提前开启对企业效益造成的损失不同,采用多角度综合评价方法对模型进行评估. 通过与支持向量机(现用模型)等多种预测模型的对比实验,验证了组合模型的有效性和实用性. 实验表明组合模型平均绝对误差为3.2 min,与现用模型相比,组合模型折标能耗降低了14.71%.     

客户端上下文感知的Web服务QoS预测方法

识别用户客户端的上下文特征的差异性,有助于为新用户预测Web服务QoS,但现有研究缺乏对影响用户QoS体验的上下文特征的系统分析。提出了一种客户端上下文感知的Web服务QoS预测方法,该方法通过量化分析客户端的上下文特征,应用模糊层次分析法计算历史用户与当前用户的上下文相似度,并以该相似度结果为指导,结合协同过滤技术,以特征加权合成方法预测Web服务的QoS值。通过实验对比和分析可知,该方法能有效解决“新用户问题”,并提高Web服务QoS预测的精度。     

基于图神经网络的地表水水质预测模型

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.     

基于多尺度特征与注意力机制的轴承寿命预测

针对以往剩余使用寿命（RUL）预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法. 在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征集. 将多尺度特征集输入到网络中,以注意力模块为不同特征自适应地分配最佳权重,以卷积神经网络（CNN）模块进行深层特征提取与多尺度特征融合,通过前馈神经网络（FNN）模块映射得到RUL预测值. 通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越.     

基于数据融合的ABC-SVM社区疾病预测方法

针对现有社区医疗服务中的疾病预测方法存在数据利用率低、疾病分析类型单一、自动化程度差、疾病预测效果不理想等不足,提出在物联网大数据环境下可用于社区医疗的健康数据融合及疾病预测方法. 通过主成分分析(PCA)和聚类分析对社区中居民的生理指标数据进行特征提取;结合人工蜂群(ABC)算法构造支持向量机(SVM)非线性分类器对数据进行特征级融合分析并预测潜在疾病. 实验结果表明,所提方法的疾病识别准确率达到93.10%,相较于传统SVM方法和BP神经网络方法分别提高17.24% 和72.41%. 该方法能够在提高数据利用率、降低计算资源消耗的前提下有效识别多种潜在疾病,可实现疾病早发现、早预防、早治疗;可广泛应用于社区健康管理、老年社区监护甚至临床医疗.     

Prediction of Eukaryotic Protein Subcellular Location Using a Novel Feature Extraction Method and Support Vector Machine

Several attempts have been made to predictprotein subcellular location.According to thestructure feature and information of protein se-quence,most of these predictive methods can beclassified into four categories:(1)based on se-quence homology to a protein with known loca-tion[1];(2)based on the recognition of protein N-terminal sorting signals[2];(3)based on the pro-tein structure information[3];(4)based on theamino acid composition of protein primary se-quence[4].Since the information within…     

新特征提取方法在真核蛋白质亚细胞定位预测上的应用

The rapidly increasing number of sequences entering into the genome databank has created the need for fully automated methods to analyze them. Knowing the cellular location of a protein is a key step towards understanding its function. The development in statistical prediction of protein attributes generally consists of two cores: one is to construct a training dataset and the other is to formulate a predictive algorithm. The latter can be further separated into two subcores: one is how to give a mathematical expression to effectively represent a protein and the other is how to find a powerful algorithm to accurately perform the prediction. To predict the subcellular location of eukaryotic protein, a systematic prediction approach comprised of a novel feature extraction method, an idea of combining this feature extraction method with support proposed in this paper. Consequently, the total predictive accuracies reach 95. 5% for four locations. Compared with existing methods, this new approach provides better predictive performance. For example, it is 13. 5%, 5. 1% higher than Yuan's and Hua's methods respectively. These results demonstrate the applicability of this new method and concept and possible improvement of prediction for the protein subcellular location. It is anticipated that the current approach may also have a series of impacts on the prediction of other protein features.     

随机交通流的组合控制预测模型和方法

为了解决交通流预测中的时变性、随机性和不确定性等问题,提出了一种新的组合控制预测算法.该方法利用多尺度的小波分析方法将交通流量分解为均匀部分和随机部分,并根据状态的动态变化构建了组合控制预测模型,分别利用支持向量机回归和Markov链法来预测交通流的均匀序列和随机序列,同时基于准动态规划方法来计算最优控制向量和相应的控制矩阵,从而动态选择训练数据得到最优预测结果,并采用实际数据进行实验验证与比较.结果表明,本文方法得到的平均相对误差和均方差比其他方法低74%和85%,得到的均等系数高6%,从而验证了本文方法的可行性和有效性.     

基于隐朴素贝叶斯模型的链路预测算法

针对目前基于共邻节点及其改进的链接预测模型中存在对共邻节点间的依赖关系考虑不足,不能完全利用网络的拓扑结构信息的问题,本文提出了基于隐朴素贝叶斯模型和双隐朴素贝叶斯模型的链接预测方法。算法考虑共邻节点间互相依赖关系及其依赖关系的不同,通过隐朴素贝叶斯分类模型计算节点之间的相似性,利用条件互信息来衡量节点间的依赖程度,提高链接预测的准确率。采用网络DBLP和Email的真实数据作为实验数据集,使用AUC和Precision方法来评价本文的预测模型,实验结果表明,本文方法比目前主流方法的预测效果更好,验证了方法的准确性。     

基于长短时记忆网络的航线市场份额预测

当前主流航线市场的份额预测方法是服务质量指数（QSI）模型,但此方法需要模型线性化和大量人工经验. 提出基于长短时记忆网络的航线市场份额预测模型,利用该模型对航班市场份额进行预测,并通过在简化数据集上进行试验来验证模型的有效性. 以均方根误差为评价指标,对模型的参数进行优化,分别测试运力预测,QSI模型和提出的预测模型等3种方法的预测精度. 试验结果表明提出的模型能更好地预测航线市场份额,均方根误差在0.1左右.