基于回归模型的城市轨道交通能耗预测

以上海轨道交通运营统计数据为基础,分析城市轨道交通能耗结构。用相关性分析方法研究影响轨道交通能耗的重要因素。建立了城市轨道交通能耗系统的回归模型,并利用该模型对上海轨道交通5号线的能耗进行了预测。结果表明,该模型可以较准确地预测轨道交通的运营能耗,全年能耗预测误差在5%以内,为城市轨道交通能耗系统的建模与预测提供了一种新的方法。

基于独立模型的非线性时间序列多步超前预测

提出一种非线性时间序列的多步超前独立预测方法.对比逐步递归方法和独立预测方法,分析了积累误差对多步超前预测性能的影响.采用递归神经网络(RNN)实现了独立预测方法,建立了城市轨道交通能耗预测模型.通过MATLAB训练和测试该模型,比较了两种方法下的多步超前预测输出.结果表明,独立预测方法的误差优于逐步递归方法.最后指出了独立预测方法的优缺点及适用范围.

有源循环式光脉冲复制系统的输出特性研究

改进并验证了一种基于有源循环光纤延迟线的模拟光脉冲信号复制技术.实验系统采用低增益掺铒光纤放大器补偿循环损耗.进行了光脉冲信号复制的仿真和实验,在掺铒光纤放大器增益为6.774dB,光滤波器-3dB,带宽为0.8nm时,测得第500个复制光脉冲的信噪比为31dB.仿真和实验结果表明,选用小增益掺铒光纤放大器可以实现低于3dB的噪音系数,降低掺铒光纤放大器的放大自发辐射噪音并提高输出脉冲序列的信噪比,有望成为提高光脉冲复制器性能的一种新方法.在系统中插入窄带光滤波器等手段也是改善信噪比的有效措施.

基于有源光纤环路的光缓存单元

设计了一个低噪声的EDFA,结合0.8nm的窄带光滤波器,采用长为10439m的标准单模光纤,构成了一个有源光纤环路。对其输出特性进行了详细的测试,测试结果表明该系统具有良好的信号复制能力。基于此设计了一个光缓存单元,描述了其存储原理,定义了其单位缓存时间和最大缓存时间,实验表明该光缓存单元实现了光脉冲信号的缓存,单位缓存时间约为50μs,复制光脉冲个数在500个以上,相应的最大缓存时间约为25ms。

癫痫病人的家庭护理

癫痫病人的家庭护理杨臻明，何相玲癫痫是一组慢性临床综合征，以病程长，反复发作为特征，其诱发与情绪、饮食、劳累及感染等诸方面的因素有关。漫长的治疗过程病人多以家庭治疗为主，所以做好病人的家庭护理配合治疗很有必要。现将癫痫病人的家庭护理介绍如下。１避免诱...

35例格林─巴利综合征的急救与护理

３５例格林─巴利综合征的急救与护理杨臻明，李丽（临沂市中医医院）关键词格林─巴利综合征，急救，护理格林一巴利综合征是一种以脊神经根和周围神经损害为主，也常损害颅神经的急性疾病。具有病情复杂、病情变化快、并发症多且严重、病死率高易误诊漏诊等特点。争分夺...

积极推行系统化整体护理

中医院推行系统化整体护理,是转变护理模式,提高服务功能,变被动护理为主动服务,促进中医护理事业发展和提高护理质量的必然趋势。现结合我院推行系统化整体护理的情况、谈几点体会。 措施 1.领导重视是关键 我院领导在医院建设中,高度重视系统化整体护理工作的开展。认识到护理工作的质量与水平,直接关系到医院改革的成败,关系到“以病人为中心”的护理服务能否到位。院长注重护理改革,亲自主持召开专题会议进行研究,成立了推行系统化整体护理领导小组,加强指导。并亲自宣传。

急性脑血管病患者的专科护理及康复护理

急性脑血管病的护理及康复对病人的预后密切相关,结合我们的经验介绍如下: 1 临床资料50例均经头部CT确诊的急性脑血管病患者。男28例,女22例。发病年龄30～80岁。脑栓塞27例,脑血栓12例,脑出血10例,脑外伤1例。左侧偏瘫24例,有侧偏瘫26例。伴运动性失语5例,混合性失语2例。 2 护理内容 2.1 加强责任制护理,预防并发症,减少死广率。(1)重症病房平均4人一个责任护士,护理员1人,加强重病人的整体护理。

中风病人的护理

中风病人的护理杨臻明，何相玲，杨淑明中风病是神经系统常见病、多发病，致残率高，康复治疗时间长，病人对治疗、护理配合的好坏，直接影响康复效果。现就我们多年的临床护理体会浅谈如下：一、一般护理中风病人，年老体弱，活动少，应进较软、易消化食物，增加蔬菜水果...

基于独立成分分析的含噪声时间序列预测

提出一种基于独立成分分析(ICA)的最小二乘支持向量机(LS-SVM),用于时间序列的多步超前独立预测.用ICA估计预测变量中的独立成分(IC),用不含噪声的IC重新构建时间序列.利用-最近邻法(-NN)减小训练集的规模,提出一种新的距离函数以降低LS-SVM训练过程的计算复杂度,并用约束条件对预测值进行后处理.使用基于ICA的LS-SVM、普通LS-SVM与反向传播神经网络(BP-ANN),对多个时间序列进行对比预测实验.实验结果表明,基于ICA的LS-SVM的预测性能优于普通LS-SVM和BP-ANN.

区间时间序列的混合预测模型

提出一种基于自回归求和移动平均(ARIMA)与人工神经网络(ANN)的区间时间序列混合模型,并用混合模型分别对区间中值序列和区间半径序列建模.采用Monte Carlo方法生成模拟区间序列,分别用ARIMA、ANN和混合模型3种方法进行建模和预测实验,并用统计学方法检验模型误差.最后分别采用3种方法对H市轨道交通某号线牵引能耗区间序列进行了建模和预测,实验结果表明混合模型的建模精度和预测性能均优于单一模型.