结合舆论分析和谐宜居之都影响因素

为了解居民对北京是否是“和谐宜居之都”的主观感受,城市建设规划者需分析对社交网络上各种留言和评论。社交网络的留言和评论是针对生活中不同方面的,情感正负向不同,情感强烈程度不同,文章采用基于循环神经网络(LSTM)对评论打分。基于神经网络的情感分析方法需要训练模型,把词转化成向量,不同的词向量组合得到不同的句向量,给每个句子打上标签,训练得到隐藏层的权重,再输入数据,得到所有句子的情感正负向及情感强烈程度。从微博爬取2015年7月至2018年10月的留言,总体关于43个方面,如北京出行,北京医疗。考虑到居民的满意度随时间的变化而变化,文章整理了每个月所有情感分数的总和,并利用层次分析法得出不同方面对居民主观感受的影响权重,进而得到每个月居民的综合满意度。由层次分析法得到权重较大的方面即是关键因素。结合评论中因素的提及频数,可以确定在居民心中各因素的重要程度。

矩阵缺失元素填补问题

目前大量算法可以应用于矩阵缺失元素的填充问题,但在处理真实数据时准确性往往不够理想或速度较慢。本文采用了基于核范数松弛的奇异值阈值法(SVT)填充缺失缺失元素的图像,具有低秩性与稀疏性,在求解核范数最小化的基础上增加正则化项,来处理可能被噪声污染的数据,提高了模型的稳定性,具体求解时采用线性Bregman迭代算法,每迭代一次进行一次奇异值分解,算法简单,内容准确。对随机丢失60%的元素的图像填充,固定迭代步长,填充效果较好,跟其他算法相比耗费时间较长。对随机丢失70%的元素的图像使用Barzilai-Borwen的方法更改迭代步长,实现了模型优化,迭代次数显著减少,时间耗费减少,精度处于可接受范围内,可以适用于图像结构更复杂的情况,在实际应用中应继续优化提高数据的精度。

共享单车资源的优化配置与调度

本文通过以北京为例,搜集共享单车的市场相关数据,主要研究了“互联网+”时代下共享单车行业供求匹配程度以及运营调度的综合评价问题,建立了供求匹配模型,模糊综合评判,利用MATLABA和SPSS软件实现了对共享单车行业现状多角度的分析,在实际应用中有较大的参考价值。本文建立合理的评价指标体系,用以描述不同时空共享单车资源的“供求匹配”程度,并基于采集数据计算各个共享单车投放点的指标。

高压油管的压力控制

燃油进入和喷出高压油管是许多燃油发动机工作的基础,在发动机中占据十分重要的地位。而在实际应用中,燃油进入与喷出的间歇性工作会影响发动机的工作效率,因此,为了维持油管压力的稳定,应使得燃油进出油管所导致的压力变化相互抵消,从而实现整个油管的压力维持在动态的平衡之中。本文依据上述平衡原理,把燃油进入与喷出看成两个独立的过程,分别进行建模,探索达到油管压力的动态平衡条件。当油管压力保持在100MPa时,首先,利用通过小孔的燃油量计算出燃油进入油管导致的压力变化速率。其次,根据密度、压力变化不大的情况下,每个周期内喷油嘴喷出的燃油体积相同,计算排出燃油的体积及其导致的油管内压力变化速率。最后,依据燃油进入与喷出油管的总量相同,建立油管内部压力平衡模型。根据题中所给数据,得出单向阀每次开启时长[1]。

浅析数据分析在商品销售的应用

随着大数据技术的发展,我们可以使用数据挖掘等方法对数据分析,找出销售的内在联系。我们以2020年美赛C题的数据为例。首先对数据进行预处理,删除了残缺数据,同时将不被大多数顾客接受的评论视作无意义评论删除,也留下了没有被打分的评价。鉴于文本评论无法量化地进行数据分析,文章使用了基于情感词典的自然语言处理方法,根据文本评论包含的情感,把文本量化为1-5五个等级,分数越高,对产品的认可度越高。为了让公司高效地对产品进行改进,找出信息量最大的因素,持续监测分析。信息增益可以反应不同的特征具有多少信息量,信息增益的值越大,该特征含有的信息量越多。为了预测短时间内产品的销量走向,将文本情感得分和星级打分线性组合,构成一个综合指标,使用ARIMA模型预测综合指标的走向趋势,并将该综合指标的走向趋势等价于销量的等价趋势。