信息时代下神朔铁路智能化车站系统的构建

随着包神集团铁路事业的迅猛发展,神朔铁路运输任务不断加大,从而对铁路车站的高效运行和管理层面提出了更高的要求,在信息化时代背景下,构建智能化铁路车站系统成为铁路事业发展的趋势.对神朔铁路智能化车站系统的构建进行分析,探究了铁路智能化车站系统的实现,旨在提高铁路运输智能化发展水平,满足铁路日益增长的运输量的管理需求.     

建设项目环境影响评价预测模型发展现状

指出了影响预测是建设项目环境影响评价中一个重要的环节,预测模型的应用减少了预测的计算量,提高了预测的准确度。简单介绍了大气、水、噪声的几个主要预测模型,并且探讨了这些预测模型的特点,以期为建设项目的环境影响评价预测提供参考。     

飞机噪声预测与实测对比分析

对国内机场飞机噪声预测结果与实测数据进行了对比,在合理输入参数的条件下,采用国际通用的噪声预测软件INM对机场周围的噪声进行了计算,结果表明：其预测结果是可行的,并对误差产生原因进行了分析。     

宁夏国内旅游收入预测及其影响因素分析

随着旅游业的高速发展,旅游收入作为衡量旅游经济发展的重要指标之一,具有较高的研究价值。鉴于此,收集了2009～2019年宁夏国内旅游收入的相关数据,运用灰色预测模型预测了未来6年宁夏国内旅游收入,并构建了指标体系,运用灰色关联分析揭示了宁夏国内旅游收入主要影响因素,依据分析结果提出了加强交通基础设施建设,改善交通服务;加强景区特色化建设,倡导生态旅游;提高游客接待能力,提升旅游服务质量的三方面建议。     

基于Holt-Winters算法的定制家具生产需求预测研究

定制家具生产需求的准确预测有助于家具企业做出有效的决策,包括生产计划、定价和促销决策等,以缩短交货周期、减少库存、提升客户满意度和企业竞争力。笔者以家具产品为研究对象,分析其需求影响因素,建立了Holt-Winters算法的需求预测模型;将此预测模型引入到家具企业产能规划决策中,构建了需求预测模型;最后,选用实际数据,验证了所构建的需求预测模型及其求解方法的有效性。     

基于城市现代有轨电车建设的环境影响分析——以沈阳有轨电车建设项目为例

指出了近年来随着城市的发展,人口和汽车数量不断增多,公共交通体系急需升级,轨道交通成为城市公交系统发展方向之一。以沈阳有轨电车项目为例进行了分析,根据典型路段预测了结果:在有轨电车最高运行时速情况下,距轨道中心线20m处,大部分路段均能满足2类功能区噪声标准要求,个别路段超标原因是本底噪声较大。有轨电车项目对噪声增加的贡献值较小,不会对噪声敏感点产生较大影响。     

基于多算法耦合的水电站自主智能优化调度应用

中、大型水电站的水位预测以及优化调度是水库防洪和发电能力的重要问题,目前对水库水位预测以及水库调度主要采用算法预测水位与人工设置调度模式相结合的方式,使得水库智能调度模式在实际的调度过程中实用性不强。为满足水电站能自主智能优化调度,脱离人工设置,利用大渡河流域某电站水库水位数据建立了基于BP(back propagation)神经网络水库水位预测模型。采用C4.5算法模拟调度人员对水电站调度模式选取规则,再利用POA(逐步优化)算法模型通过耦合BP神经网络水位预测模型,对电站水库预测的水位以及C4.5机器算法选取调度模式的规则,以达到对水电站自主智能优化调度。解决了POA算法须人工设值调度期末控制水位与调度过程优化模式的缺陷,使得多算法耦合模型可以脱离人工设值自行执行符合电站运行策略的优化操作,同时验证了多算法耦合的可行性和有效性。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳边噪声进行了测试研究。结果表时：基于神经网络的单一工况车内噪声预测模型，可在频域内很好地预测出特定点的车内噪声。     

一种简易预测模型的应用

预测是各个部门制订工作计划的一项基本工作 ,是指对未来活动的科学推测。预测的正确与否取决于对预测模型的分析。而预测的方法有“最小二乘法”、“卡尔曼滤波法”、“最小方差预测法”、“指数平滑法”等等 ,但是以上方法的特点是模型复杂 ,计算工作量大。据此介绍了两种比较简单的预测模型即“灰色预测模型”及“递推及残差识别预测模型” ,其结果是一致的     

北美雷击火概率预测技术及其应用效果评价

从模型结构、预测原理、建立方法、应用效果和未来发展等几个方面,对北美,特别是加拿大安大略省雷击火概率预测模型进行了介绍,并探讨了该模型在我国大兴安岭地区的适用性,使国内相关领域的研究人员能够比较全面地了解此系统,可为建立适用于我国林区雷击火的概率预测系统提供参考。     

林业金融服务体系中创新模式构建的研究

近年来,随着我国林业产业的快速发展,国家加大了对林业金融服务体系中创新问题的重视。对于国内林业金融事业来说,创新是其发展的源动力。但是在发展中,也存在大量亟待解决的问题,这些问题直接导致了国内林业发展的资金欠缺。因此,我们应及时采取相应有效的策略,构建林业金融服务体系中的创新模式。通过对林业金融创新意义的介绍,从而重点探究了在林业金融服务体系中如何建立创新模式,以供参考借鉴。     

高速公路互通工程声环境影响评价研究

以京港澳国家高速公路郴州北互通工程为例,根据互通工程特点、交通参数及沿线环境特征等因素,采用导则推荐模式预测了互通工程噪声贡献值,并对沿线声环境敏感点噪声预测结果进行了分析评价。对预测超标的声环境敏感点提出了降噪措施,并对互通工程沿线土地利用提出了控制性要求。     

基于灰色系统理论的我国木材产品产量预测模型的建立

基于灰色系统理论构建了我国包括木材、竹材、锯材和人造板在内的主要木材产品产量的预测模型,并对预测模型进行了检验.结果显示,预测模型可直接用于预测我国在未来年份的木材、竹材、锯材和人造板等产品的产量.     

文登站多式联运物流发展的思考

指出了为在激烈竞争的运输市场环境中求得长期生存和实现可持续发展,铁路迫切需要走出一条全新的发展之路。现代物流理论的产生和发展为铁路货运场站的改革提供了新的发展思路。基于此,对铁路货运场站拓展物流服务模式问题进行了探讨,结合国外铁路物流的先进经验和国内的实际情况,提出了思考和建议,以期为促进铁路发展提供参考。     

湿地松种子园种实产量预测方法初探

用湿地松种子园可见半面树冠上的球果数（Ｘ）与树冠实际球果数（ｙ）建立三种预测模型进行分析比较，结果表明，以幂函数预测模型精度最高，可以提前３个月预测湿地松种子产量。这一方法突破了传统的用标准本法预测林木种实产量的思维模式，在生产上有广泛的应用前景。     

基于灰色神经网络的辽宁省生鲜物流需求预测

为准确预测生鲜产品物流需求量，提出了一种基于灰色GM(1,1)模型和BP神经网络的组合预测模型。首先构建了生鲜物流需求指标体系，然后分别利用传统灰色预测模型GM(1,1)和BP神经网络做单一预测，最后将2个模型进行加权做组合预测。选取辽宁省作为实例，通过MATLAB软件进行辽宁省生鲜产品的物流需求预测，结果表明：与2个单一的预测模型相比，灰色神经网络模型拥有更高的预测精度，因此选择组合预测模型对辽宁省未来5年生鲜产品需求量进行预测，为辽宁省生鲜物流管理的战略部署提供一定的参考。     

基于Verhulst理论的电力负荷预测及太阳能接入研究

针对当前电力负荷预测准确率低的问题,提出构建基于Verhulst灰色理论的电力负荷预预测模型。以某地区太阳能场作为研究对象,根据当地太阳能接纳能力接入适宜的太阳能,通过Verhulst灰色模型的序列情况对电力负荷增长情况进行预测分析。结果表明：对比传统的非线性回归法,该模型的平均相对误差和最大相对误差分别降低了3.88%和3.8%;对比时间序列负荷预测方法,该模型的平均相对误差和最大相对误差减少了2.22%和4.67%。由此可知,相较于其他负荷预测模型,该模型的预测误差最小,预测精度最高,预测准确率显著提升,可在配电网的电力负荷中进行预测应用。     

基于机器学习算法进行电气设备故障的预测与诊断

城市照明系统是重要的公共基础设施,作为一种电气设备,其在运行过程中有可能出现各种故障,具体可分为配电系统故障和路灯节点故障。为了建立智能化的故障诊断和预测方法,以极限学习机(extreme learning machine, ELM)为基础,利用蒙特卡洛方法和自回归模型对其进行优化,并分别构建了AG-ELM和AR-ELM算法。基于AG-ELM算法诊断路灯节点故障,通过AR-ELM算法预测路灯电气配电系统故障。在性能检测阶段,收集某城市的路灯系统运行数据,检验故障诊断模型的准确率,结果为89.3%,故障预测模型的均方误差仅为0.055 2,说明2种模型都达到了较高的实用性。     

基于关键气象因子的油茶种仁含油率预测模型构建

含油率是油茶重要的经济性状,构建油茶含油率预测模型对于茶油产量预报有重要的意义。本研究以普通油茶为研究对象,通过分析油茶种仁含油率与不同气象因子的关系,确定影响油茶种仁含油率的关键气象因子,然后用回归分析法构建基于关键气象因子的油茶含油率预测模型,并用独立资料检验预测模型效果。结果表明:8月月平均气温、8月月最高气温、9月月最高气温、油脂转化积累高峰期最高气温与含油率呈显著的负相关关系。通过逐步回归分析法拟合得到了3个油茶含油率预测模型,用独立资料检验后,发现基于9月降水量(x1)、9月月最高气温(x2)和油脂转化积累高峰期最长连续无降水天数(x3)的油茶种仁含油率(y)预测模型(y=79.46-0.03x1-0.86x2-0.30x3)效果好,平均相对误差为4.6%,可应用于普通油茶种仁含油率预测。