基于多源数据融合的高速公路路网短时交通流参数实时预测

针对高速公路路网交通数据中存在大量噪声数据与缺失数据,数据完整度较低,导致预测精度下降的问题,提出一种基于多源数据融合的高速公路路网短时交通流参数实时预测方法。采用小波分析阈值法对高速公路路网交通数据进行去噪处理,在最小二乘支持向量机基础上采用组合阈值填补方法填补交通数据序列中存在的缺失数据,提高交通数据的完整度。结合小波神经网络和遗传算法建立短时交通流参数预测模型,采用遗传-小波神经网络处理多源检测器采集到的交通流参数,通过最小二乘动态加权融合算法融合多个检测器的交通流参数,将交通流参数输入预测模型中,得到高速公路路网短时交通流参数实时预测结果。实验结果表明,采用本文方法处理后的交通数据序列中不存在缺失数据,数据完整度较高,且所得预测结果与实际车流量变化曲线较为贴近,预测精度高,可以广泛应用在交通流预测领域。     

基于SVM与自适应时空数据融合的短时交通流量预测模型

针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.     

基于时空融合图卷积的交通流数据修复方法

为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法. 该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数. 将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系. 利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度. 利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型. 实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.     

基于神经网络及时间序列混合模型的桥梁健康监测系统缺失数据填补

列举了实际桥梁健康监测系统中数据缺失的几种形式,根据桥梁健康监测系统中监测数据是时间序列集的特点,以及神经网络强大的映射能力,利用神经网络及时间序列混合模型的方法来填补缺失数据,并将该方法与时间序列法的填补结果进行对比,结果表明该方法处理缺失数据的误差较低。     

高速公路交通事件自动检测算法

为解决目前我国高速公路交通检测器布设数量严重不足所导致的交通事件检测效果不佳的问题,在分析了收费数据特征的基础上,设计了一种基于收费数据的交通事件自动检测算法.该算法以标准偏差法为基础,首先为了减少因交通波动引发的误警,提出了一种基于滚动时间序列的交通参数合成方法;在此基础上,为了减少因常发性交通拥挤引发的误警,提出了一种综合考虑交通参数数据横向时间序列和交通参数数据纵向时间序列的改进方案;进而,为了减少因算法自身的检测逻辑引发的误警,提出了一种基于数据分析时间窗口内的交通参数标准差以及当前采样间隔交通参数相对于其以前平均值改变程度的改进方案.采用我国浙江省沪杭甬高速公路的实测收费数据进行验证和对比分析的结果表明,在相同的误警水平下,本文算法的检测率明显优于标准偏差法,平均检测时间与标准偏差法基本持平,且本文算法具有良好的鲁棒性.     

密集回波环境下的回波相关点集实时融合处理算法

分析了数据融合理论中传统有效矩阵处理方法存在的问题,提出了一种随回波密度的改变而改变的相关点集实时融合处理算法,将该方法用于联合概率数据关联（NJPDA）,并经计算机实时仿真检验表明,该算法既能提高跟踪系统的实时性,又具有较高的跟踪精度,是一种较了的实时处理算法。     

对前后数据进行融合处理的灰色双重建模测法

提出一种基于原始数据序列,构建一个新的数据序列,分别两次建立灰色建模GM(1,1),并对秘得的两组数据进行算术平均融合处理。实例证明,这种预测方法提高了预测精度。     

多传感器数据融合技术在智能压力检测中的应用

传感器之间大都相互影响，存在交叉干扰，这将直接导致传感器稳定性下降，以及测量精度降低等。提出一种基于神经网络的多传感器数据融合技术处理方法，并将其应用到智能压力检测系统中。通过对融合前后的数据进行比较分析，表明该方法大大降低了交叉干扰，有效提高了测量精度，达到了预期效果。     

一种基于时空统一校正光电经纬仪交会融合算法

为跟踪近距离空中运动目标,采取双站光电经纬仪进行交会处理的方向余弦融合算法,详细分析了工程运用中各种误差产生的原因及处理方法、数据融合进行时间和空间统一的校正方法以及对缺失数据进行交会前后的插值方法,最后通过对实际运动汽车在Matlab环境下进行计算。计算结果表明,运用该算法可有效实现交会处理的空间和时间的一致性,跟踪误差得到了修正;通过得到的目标位移和线性插值,解决了数据缺失问题。     

多Agent技术在数据融合系统中的应用

数据融合充分利用多个传感器资源,对观测到的信息进行合理支配和使用,把在时间和空间上的冗余或互补信息按照某种准则进行组合,以获取对被观测目标的一致性认识.为提高目标跟踪系统的滤波精度,在滤波时采用了多Agent技术,使系统的跟踪精度有了显著提高.通过引入多Agent技术,对数据融合系统中的模型和方法进行改进,提出多Agent数据融合模型,为数据融合问题提供新的解决方法和途径.     

发现时间序列数据中的高质量惊奇模式

时间序列数据库中的惊奇模式发现是一个重要问题。已有的算法根据时间序列的形态特征定义并发现惊奇模式,而忽视时间序列内在的机理及其统计规律。为克服此缺点,提出基于时间序列预测的惊奇模式定义,即,其中包含了足够多例外的事件,并提出系统化的惊奇模式发现算法。首先将时间序列离散化为0和1组成的字串;然后用一个简单的算法从此字串中发现所有的惊奇模式。实验表明,所提算法不仅可以发现Keogh等人定义的惊奇模式,而且避免了发现无意义的惊奇模式。     

多源空间数据库查询技术

为了实现多数据源空间数据集成,提出一种多源空间数据库查询系统框架.基于多数据源的空间对象关系模型,针对多数据源空间数据查询的需求,面向采用空间数据和属性数据分别管理的数据源,提出了支持查询分解和查询结果筛选的数据查询算法,分析说明了适用于空间数据查询的优化方法,形成了一套支持多数据源空间数据库查询技术.     

设备故障诊断中数据融合的计算模型

针对故障诊断的数据融合功能模型中各级融合和各项融合功能及处理任务，以集合论和实变分析为基础提出了故障诊断的数据融合处理过程的计算模型，计算模型描述了数据融合处理步骤、过程的数据形式与计算方法，证明了这些模型的正确性和可用性，为数据融合的故障诊断技术奠定了理论基础，通过分析得出数据融合处理不完全依赖于具体计算方法的结论。     

Anomaly Detection Algorithm for Stay Cable Monitoring Data Based on Data Fusion

In order to improve the accuracy and consistency of data in health monitoring system, an anomaly detection algorithm for stay cables based on data fusion is proposed. The monitoring data of Nanjing No.3 Yangtze River Bridge is used as the basis of study. Firstly, an adaptive processing framework with feedback control is established based on the concept of data fusion. The data processing contains four steps: data specification, data cleaning, data conversion and data fusion. Data processing information offers feedback to the original data system, which further gives guidance for the sensor maintenance or replacement. Subsequently, the algorithm steps based on the continuous data distortion is investigated,which integrates the inspection data and the distribution test method. Finally, a group of cable force data is utilized as an example to verify the established framework and algorithm. Experimental results show that the proposed algorithm can achieve high detection accuracy, providing a valuable reference for other monitoring data processing.     

海量地层数据管理与可视化实现

国内外对海量地形数据的研究比较深入,但对具有一般意义的海量地层数据研究较少.针对油气田勘探、开发领域的数据特点,建立海量地层数据组织和管理的一种途径,为大规模的三维地质建模、实时显示作数据准备.基于数据分区、八叉树索引、访问预测等相关技术,实现海量数据的快速访问、快速检索、空间算法等.     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子; 然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列; 最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法; 基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。     

使用改进灰色模型的WSN数据压缩方法

针对数据压缩方法计算复杂度高、压缩效率和数据恢复准确率较低的情况,提出一种基于簇头-基站分离式结构的无线传感器网络（WSN）数据压缩方法.该方法在WSN单层分簇结构的基础上,首先要求感知节点等时间间隔采集数据,并分段发送;然后采用原有空间相关性数据压缩方法对簇头节点接收的数据进行空间噪声及冗余的消除;最后在基站采用改进的灰色模型进行数据恢复.另外,通过实验分析不同段长及压缩率情况下,灰色模型、灰色马尔可夫链模型以及改进的灰色模型对数据的恢复效果,给出算法的最优模型和段长.仿真结果表明,提出的方法较已有线性类WSN数据压缩方法可显著提高压缩精度和效率.     

城市快速路多尺度交通数据融合方法

为了从原始数据层面保证动态交通数据的质量,针对多检测器异步采样中非等采样率同时采样的情况,首先构建快速路多检测器动态系统,并对多检测器动态系统进行小波变换,提出基于小波和卡尔曼滤波的多尺度交通数据融合方法.最后,采用上海市南北高架快速路实测数据进行实验验证和对比分析.实验结果表明:对于添加噪声强度为2.5%、5.0%、7.5%和10.0%随机噪声的观测数据,该方法的数据融合效果均优于对比方法.