基于中值滤波法的ResNet50网络垛口状态识别方法研究

目前邮区中心垛口资源管理主要依托人工管理模式,无法全面客观反映垛口资源的真实使用情况,邮区中心垛口资源的管理和使用效率受到限制。文章利用深度学习方法提出一种基于中值滤波的ResNet50网络垛口状态识别解决方案,通过复用垛口已有摄像设备,识别邮区中心垛口资源忙闲状态,打造邮区中心垛口资源智能化监控系统,从而更好地提升邮区中心垛口资源利用率。

基于网点人流写实的金融网点人员配置优化研究

利用多目标追踪模型对网点人流分布进行统计,并基于此数据使用排队论模型对网点人流分布进行实际模拟。为优化人员配比并提高劳动生产率,提出一种人员优化模型,该模型结合了排队论和GBRT预测方法。实验结果表明,人员优化模型可以有效提高网点的服务效率和人员利用率,为邮政金融业务提供了一种可行的人员优化方案。

兰姆波频散方程的理论求解及实验研究

为了得到板内各声波模态的理论传播速度,利用牛顿切线法求解Lamb频散方程。求解相速度时,保持了频率和板厚在计算中的独立性;求解群速度时利用隐函数求偏导的方法。克服了编程求解中频率厚度不能分离的困难。随后在钢板上进行了实验验证。声速采用声发射定位技术进行测量,并把实验数据进行拟合。研究发现薄板上的实验数据和理论值吻合,厚板上的扩展波理论群速度比实验群速度高400 m/s。

基于弹性神经网络的航班延误时间预测

航班延误受到多种因素的交叉影响,导致航班延误数据分布不规律,难以从传统统计学的角度准确预测航班延误时间,因此以减少数据过拟合为目标,利用随机森林特征选择模型筛选21个重要特征,引入正则化L1、L2范数,建立弹性神经网络预测模型,对航班落地延误时间进行预测。预测结果为:±3 min容差内的准确率达到83.954%,±5 min容差内的准确率达到94.431%,结果表明该模型能够提高航班延误预测的准确率。