在交通预测中应用TRIPS软件对交通小区问题的处理研究

分析了在进行公路网规划的交通需求预测时,以行政区为单位的小区划分方法在交通量预分配与核查线调查流量存在较大偏差的原因.结合传统四阶段交通预测法提出二级分区的交通小区划分方法.给出根据此划分方法并应用TRIPS软件进行公路交通量预测的总体流程图,以及所需建立的两个主要模块,即交通分布模块和分配模块.还总结了建立抽象路网时如何合理选择小区中心点位置,以及建立小区中心联线时应该避免的几种不当方法.结合济南市干线公路网规划项目,给出一个交通小区抽象路网例图.     

ITS技术在交通管理中的应用

浅析了我国交通发展现状及其ITS技术在交通管理中的应用,论述了ITS的构成,提出了发展ITS产业的建设性建议。     

一种分布式混合预约多址(DHRMA)协议的研究

本文在D-PRMA协议的基础上对其进行改进,提出一种分布式混合预约多址(DHRMA)协议。DHRMA协议采用混合式预约机制,并配合使用时隙表,来减小业务竞争所造成的碰撞的概率,解决隐藏终端和暴露终端问题,从而改善系统的性能并提高系统的吞吐量;同时赋予实时业务较高的优先级以满足其服务质量(QoS)的要求。另外,本文还采用了一种互同步技术,用以解决网络中节点之间的同步问题。     

参考作物腾发量预报的傅立叶级数模型

以傅立叶级数和表示多年日平均参考作物腾发量在年内的变化过程,结合天气类型修正系数,提出了一种新的参考作物腾发量预报模型,即傅立叶级数模型.将模型应用于陡山灌区的参考作物腾发量实时预报;结果表明,该模型的预测精度比原有的指数模型(亦称逐日均值修正模型)的预测精度高.这种模型简单,可方便地嵌入灌溉预报系统,适应性强.     

夏季最大负荷发生时间的预测

夏季最大负荷发生时间的预测是电力部门十分关注的问题,它关系到该地区的负荷调整方案以及购电计划制定。北京近年来夏季用电需求增长尤为突出。准确地估计夏季最大负荷发生时间,十分必要且迫切。为此,收集了北京市1990~2002年的夏季最大负荷发生时间数据,发现它是一个波动的、含有灰信息量的序列,故采用灰色系统理论进行预测建模分析。但常规的GM(1,1)模型在适应波动的数据方面,预测精度未能达到要求,故采用GM(1,1)残差周期修正预测模型来解决。经过计算发现,该模型不仅可以提高原始数据的拟合精度,而且用于预测时,与2003年夏季最大负荷发生时间的实际值进行比较,预测偏差也在允许的范围内。     

基于模糊多目标遗传优化算法的节假日电力负荷预测

多目标遗传优化算法的一个优点就是可在一次迭代计算中寻找到问题的多个非劣最优解。该文应用多目标遗传算法和关联规则算法提出一个基于模糊规则的电力负荷模式分类系统。在此分类系统中采用多目标遗传优化算法从众多模糊分类规则中自动挑选出具有较好识别性能和可解释性的模糊规则，并利用模糊关联规则挖掘通过启发式规则选择改善遗传算法的搜索性能。经仿真试验表明此分类系统具有较好的分类性能，可为节假日负荷预测提供更为充分的历史数据，从而改善其负荷预测性能。     

风电场风速和发电功率预测研究

风速预测对风电场和电力系统的运行都具有重要意义。对风速进行比较准确的预测，可以有效地减轻或避免风电场对电力系统的不利影响，同时提高风电场在电力市场中的竞争能力。基于时间序列法和神经网络法，该文对风速预测进行了研究，提出了预测风速的时序神经网络法。该方法用时间序列法建模，得到风速特性的基本参数，并用这些参数选择神经网络的输入变量；为了提高预测精度，提出了滚动式权值调整手段。该方法有效地提高了风速预测的精度。     

基于工业以太网的动态通信平滑过滤器研究

针对工业控制系统的特点,在不改变以太网协议的条件下,采用一种新的动态通信平滑过滤器来控制网络负荷以满足控制系统的实时通信要求。研究表明:该动态通信平滑过滤器不仅可以为非实时数据提供合理的网络吞吐率,并且可以显著地控制实时数据传输的超时比率,其性能明显优于静态通信平滑过滤器。     

The use of data mining and neural networks for forecasting stock market returns

It has been widely accepted by many studies that non-linearity exists in the financial markets and that neural networks can be effectively used to uncover this relationship. Unfortunately, many of these studies fail to consider alternative forecasting techniques, the relevance of input variables, or the performance of the models when using different trading strategies. This paper introduces an information gain technique used in machine learning for data mining to evaluate the predictive relationships of numerous financial and economic variables. Neural network models for level estimation and classification are then examined for their ability to provide an effective forecast of future values. A cross-validation technique is also employed to improve the generalization ability of several models. The results show that the trading strategies guided by the classification models generate higher risk-adjusted profits than the buy-and-hold strategy, as well as those guided by the level-estimation based forecasts of the neural network and linear regression models.     

基于C/S模式的网络信息管理系统设计与实现

本文提出了基于C/S模式的三层结构信息管理系统的设计思想,并以道路运政管理系统的实现为例进行介绍。根据业务需求进行业务分析,设计了一个通用的信息管理系统。该系统在总体结构上采用三层体系结构,基于C/S的管理模式保障了系统的可扩展性。另外,运用基于角色访问控制的机制以及多层安全防护的安全策略来加强系统的安全性。