中国消费者价格指数应用研究——基于调和分整自回归移动平均模型

针对中国居民消费者价格指数时间序列数据呈现出的记忆特征,采用描述性统计分析和经典时间序列分析相结合的方法,建立两种不同的长记忆模型,分析比较两种模型的谱密度函数拟合图和三期预测值误差,结果显示ARFIMA模型的平均预测绝对误差为37.34%,而ARTFIMA模型的平均预测绝对误差为28.57%,因此ARTFIMA模型的拟合预测效果更好。由此得出中国居民消费者价格指数序列更加符合半长期记忆性的结论。     

基于图像分析的粗粒煤堆密度组成估计

针对煤样密度组成人工测量的滞后性,提出了一种基于图像分析的粗粒煤堆密度组成实时估计方法.引入煤堆图像定向分割算法和全局分割算法,提取了50个煤粒表面特征参数,根据其随密度级的变化趋势筛选出了3个有效特征参数,利用改进的KNN算法预测煤粒密度级,并结合煤粒质量模型实时估计煤堆密度组成.测试结果表明,粗粒煤堆密度组成估计的绝对误差最高为7.15%,最低为1.41%.     

利用机器学习方法改进风云3C星载GNSS掩星温度廓线

本文使用BP神经网络、随机森林回归算法,对2017年全年风云三号C星(FY-3C)GNSS掩星温度廓线数据进行修正和评估.结果表明:在全球范围内,两种方法均可以修正GNSS掩星温度数据,随机森林回归算法的修正效果优于神经网络方法,随机森林回归算法和神经网络方法修正后的结果与再分析数据的平均绝对误差分别为0.03K与0.32K,均方误差分别为0.09K²与1.02K².将全球按照10°×10°划分为324个网格后,随机森林回归算法对平均绝对误差与均方误差修正的正向收益分别为97.53%与92.9%,神经网络方法对平均绝对误差与均方误差修正的正向收益分别为75.61%与67.9%.     

一种拟合误差驱动的自适用隐式曲面重建算法

针对散乱数据,提出一种拟合误差驱动的自适应隐式曲面重建算法。算法根据二次曲面的拟合误差进行自适应拟合,改变了传统方法从八叉树中顶层节点开始拟合,减少了拟合次数,加快了重建速度;并修正权函数,加入密度函数,削弱由于散乱数据密度的不一致对重建曲面影响。实验结果表明,该算法原理简单,重建速度快,重建效果良好。     

统计数据的准确性与统计误差处理

从统计数据准确性的一般概念及其影响因素入手，提出统计误差的处理必须从调查指标的设计工作开始，消除指标界定的“模糊性”是消除绝对误差的重要途径，并就如何提高误差处理的有效性提出了几点看法。     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

脉冲离子镀膜中的脉冲计数

在脉冲真空电弧离子镀膜过程中，膜层厚度的控制至关重要．由其镀膜机理可知，膜层厚度与脉冲放电次数之间成线性正比关系，可以通过对脉冲放电次数进行计数的方法达到控制膜层厚度的目的．然而，脉冲计数的准确性受到很多因素的影响，分析认为主要是由外界电磁干扰和多斑点的产生引起计数的不准确．为此，采用了加入延时电路的方法提高计数的准确性．实验表明，采用这种计数电路减少计数误差是可行的，并能将误差控制在5％的范围内，能够很好的满足薄膜沉积的工艺要求．     

三峡宜昌区域松材线虫病疫情扩散空间分析

[目的]了解松材线虫病疫情扩散、流行与发生地理空间分布,获取疫源地理空间分布规律,为疫情防控和决策提供理论依据.[方法]应用ArcGIS软件进行核密度分析、区域重心分析以及多环缓冲区分析等,揭示松材线虫病疫情扩散空间格局和分布特征,并对疫情扩散风险进行预测,利用Moran's I指数进行空间自相关分析.[结果]三峡宜昌区域疫情重灾区集中在当阳市、夷陵区和宜都市;受害松林密度相对集中,传播距离长、跨度大,疫情传播特征呈现地理面状扩散,疫源呈跳跃和迁移式发展,局部爆发特点;松林受害地理分布集中在海拔1200 m以下,高海拔成为疫源传播的自然屏障;疫源的分布模式为随机分布,松材线虫病危害程度由中心聚集向周围扩散.[结论]三峡宜昌区域处于疫情包围之中,该区域疫源具有传播扩散风险.基于地理空间分析,应根除松材线虫疫源地,控制人为和自然传播来阻挡疫源扩散,减少疫情爆发.     

悬浮细胞图像的计数方法研究

悬浮细胞计数一直是细胞培养技术的重要工具．从悬浮细胞图像的灰度特点出发,探索并实现了适合悬浮细胞图像的计数方法：通过预处理,Canny边缘检测及形态学处理这三个步骤来完成分割,对分割结果采用种子点法进行区域计数,再针对所有含有种子点的区域,计算其内部灰度均值,用于区分区域是活细胞还是死细胞．经实验证明,该计数方法误差小,速度快,很大程度上减少了细胞计数的工作量．     

BPNN在改性石蜡滴熔点预测中的应用

针对传统误差反向传播神经网络(BPNN)的不足,在改进误差反向传播算法中引入了动量因子和非线性敏感度因子,实现了在学习过程中根据整体误差梯度变化对非线性敏感度因子进行动态调整。采用该BPNN模型对巴西棕榈蜡和川蜡改性的石蜡滴熔点进行了预测,预测结果的误差为改性石蜡滴熔点预测的绝对误差(A.D.)不超过±0.9℃,相对误差(R.D.)在±1.2%范围内。结果表明,改进的误差反向传播神经网络算法适用于改性石蜡滴熔点的预测,并具有较好的预测精度,可以减少石蜡调合试验及相应的改性石蜡滴熔点测试的次数,有利于提高工作效率,减少了资源浪费和环境污染。     

基于SVM的管网状态估计模型

为建立未知节点压力和可知监测信息之间的管网状态估计模型,应用支持向量机算法,建立基于支持向量机的管网状态估计模型和测压点压力宏观模型.经仿真分析,SVM模型90%以上预测数据的绝对误差控制在0.01MPa;与BP神经网络模型相比,同样的样本集均方误差情况下,其测试集均方误差一般比BP神经网络精度高.杭州市管网的实例计算中,85%以上测压点预测数据的相对误差都在5%以内,结果相当理想.     

Support Vector Regression for Bus Travel Time Prediction Using Wavelet Transform

In order to accurately predict bus travel time, a hybrid model based on combining wavelet transform technique with support vector regression(WT-SVR) model is employed. In this model, wavelet decomposition is used to extract important information of data at different levels and enhances the forecasting ability of the model. After wavelet transform different components are forecasted by their corresponding SVR predictors. The final prediction result is obtained by the summation of the predicted results for each component. The proposed hybrid model is examined by the data of bus route No.550 in Nanjing, China. The performance of WT-SVR model is evaluated by mean absolute error(MAE), mean absolute percent error(MAPE) and relative mean square error(RMSE), and also compared to regular SVR and ANN models. The results show that the prediction method based on wavelet transform and SVR has better tracking ability and dynamic behavior than regular SVR and ANN models. The forecasting performance is remarkably improved to obtain within 6% MAPE for testing section Ⅰ and 8% MAPE for testing section Ⅱ, which proves that the suggested approach is feasible and applicable in bus travel time prediction.     

淮南积水沉陷区水深遥感定量分析

为获取沉陷区积水深度，尝试采用LANDSAT5（TM）影像建立水深遥感定量关系．首先对TM影像进行几何校正、大气校正、沉陷区提取等步骤，然后输出像元反射率值，并与水深实测控制点坐标匹配，使水深值与反射率值对应．计算TM影像各波段及波段组合反射率与水深值之间的相关性，其中TM4波段的相关性最大（0．561），以TM4波段为例建立水深与像元反射率间的回归模型．模型以水深值2rn为阈值，包括水深实测值小于2rn和在2～6rn的2个回归方程．将模型应用到淮南潘一矿的沉陷区，计算反演水深值与实测值误差．结果表明：水深值小于2m的区域平均绝对误差0．1591m，平均相对误差13．367％；水深值在2～6m范围内的区域平均绝对误差0．57181m，平均相对误差15．02％．     

LS—SVM算法在光伏短期功率预测中的应用

以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算．并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10．54％,平均绝对百分比误差（MAPE）为8．18％,绝对误差平方和平均值的均方根（RMSE）为0．4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力．可以有效地预测短期光伏发电功率。     

基于SVM-GA模型的城市天然气长期负荷预测

天然气长期负荷预测能够解决城市燃气供需不平衡的问题,为城市燃气公司的管理运行提供帮助。为了提高天然气长期负荷的预测精度,提出了基于SVM-GA(SupportVectorMachines-GeneticAlgorithm)的天然气长期负荷预测模型。分析确定影响天然气用气量的相关因素,应用遗传算法和交叉验证方法分别对支持向量机模型的惩罚因子c 及核函数参数g 进行优化,以期提高支持向量机模型的预测精度,将优化后的参数输入支持向量机模型中,进行天然气长期负荷预测。以某省实际的样本数据为例,将SVM-GA模型的预测结果与SVM 和交叉验证法结合模型及BP(BackPropagation)神经网络模型的预测结果进行比较分析。结果表明,SVM-GA 预测模型分别比SVM 和交叉验证法结合预测模型和BP神经网络模型在衡量预测精度的相对均方误差、归一化均方误差、归一化绝对平方误差、归一化均方根误差、最大绝对误差五个指标分别高0.58%、3.98%、2.99%、4.58%、8.64%和6.13%、26.28%、19.71%、21.09%、31.48%。因此支持向量机与遗传算法相结合的模型能够较准确地预测天然气长期负荷。     

顾及GNSS水汽分布特性和站间距离的优化IDW插值方法

针对大气可降水量(Precipitable Water Vapor,PWV)精细化过程中插值算法的选取,本文系统性地分析了线性插值三角网法、克里金插值法、空间反距离(Inverse Distance Weighting,IDW)插值法3种方法,并提出了顾及GNSS水汽特性和站间距离的优化IDW插值方法.该方法通过分析GNSS站点距离与大气水汽分布特性对插值结果的影响,进而对插值参数进行优化,使插值结果靠近高精度的观测值.利用2017年5—7月徐州连续运行参考站的GNSS实测数据与探空站数据对该方法进行分析,实验结果表明:顾及GNSS水汽特性和站间距离的优化IDW插值方法的标准差、平均绝对误差、平均相对误差、均方根误差都要低于其他3种经典插值方法,其中均方根误差分别降低了14.88％、15.70％、4.12％.此外,本文分析了暴雨天气下不同插值算法重构高分辨率大气水汽分布图的能力,发现采用优化IDW插值方法能够显著减小采样站点分布不均及降水量激增造成的插值误差.这表明优化方法有助于重构局部地区稀疏GNSS站网的高分辨率大气水汽分布图,改进监测能力.     

Numerical method of slope failure probability based on Bishop model

Based on Bishop＇s model and by applying the first and second order mean deviations method, an approximative solution method for the first and second order partial derivatives of functional function was deduced according to numerical analysis theory. After complicated multi-independent variables implicit functional function was simplified to be a single independent variable implicit function and rule of calculating derivative for composite function was combined with principle of the mean deviations method, an approximative solution format of implicit functional function was established through Taylor expansion series and iterative solution approach of reliability degree index was given synchronously. An engineering example was analyzed by the method The result shows its absolute error is only 0.78% as compared with accurate solution.     

Short-Term Traffic Flow Prediction Based on Road Network Topology

Accurate short-term traffic flow prediction plays a crucial role in intelligent transportation system (ITS), because it can assist both traffic authorities and individual travelers make better decisions. Previous researches mostly focus on shallow traffic prediction models, which performances were unsatisfying since short-term traffic flow exhibits the characteristics of high nonlinearity, complexity and chaos. Taking the spatial and temporal correlations into consideration, a new traffic flow prediction method is proposed with the basis on the road network topology and gated recurrent unit (GRU). This method can help researchers without professional traffic knowledge extracting generic traffic flow features effectively and efficiently. Experiments are conducted by using real traffic flow data collected from the Caltrans Performance Measurement System (PEMS) database in San Diego and Oakland from June 15, 2017 to September 27, 2017. The results demonstrate that our method outperforms other traditional approaches in terms of mean absolute percentage error (MAPE), symmetric mean absolute percentage error (SMAPE) and root mean square error (RMSE).