多尺度共享单车骑行需求影响因素分析

本文以北京市共享单车骑行订单数据为基础,通过ARCGIS软件的核密度分析方法得出骑行热点区域,并选取北京市国贸地区进行共享单车出行需求影响因素分析.进而借助SPSS软件的单因素方差分析方法,通过天气条件、温度条件、风力因素、工作日因素和节假日因素多尺度探究上述关键变量对共享单车出行影响的显著性.研究表明,天气条件、温度条件、节假日因素和工作日因素对共享单车出行具有显著影响.

基于多尺度骨干网的网络比较算法——面向药物配伍分析

中国传统医学(Traditional Chinese medicine)通常在临床实践中会对病人进行个体化诊疗并开出包含数种草药以期达到疗效最优,这样,如何寻找针对某些特定条件下(如特定疾病)的核心药物配伍是中医的关键。通过抽取中药处方的药物配伍关系,我们构建了中药配伍网络(有权)。为了寻找由不同处方导致的诊疗差异,我们分别对不同疗效的中药配伍网络进行建模,并依据构建的零模式来寻找两个网络之间的显著性差异msbNC。这种方法通过比较一对网络的差异从而得到可能的核心药物配伍。我们将这种网络比较方法应用在有疗效标注的名老中医治疗失眠的门诊病历处方上,结果显示msbNC方法能够从数据集上得到一些有意义的药物配伍并应用到大规模的临床数据中。

古老文化的守望者——记吉首市矮寨镇文化站站长施云生

在美丽的湘西密林深处，有一个古朴的苗家集镇，这里不仅有青石板的房子与青石板的石梯，也有被世人叹为奇观的盘山公路；这里不仅有美丽的峡谷，奇异的自然山水，也有“赶秋”“四月八”“清明歌会”“百狮会”等古老而正宗的苗家节日；这里有形形色色的古老职业，土老司、苗老司、阉匠、草医、染匠、唢呐演奏人，也有新时代的文化人。这就是矮寨，一个现代与传统相结合的精彩纷呈的世界。

基于Stacking集成学习的机场线短时客流预测研究

地铁机场线客流具有高度时变性,受机场航班影响使得精准的短时客流预测具有挑战性。综合考虑机场航班信息和机场线路历史客流,构建了一种以随机森林(RF)、LightGBM(light gradient boosting machine)、梯度提升决策树(GBDT)和逻辑回归算法作为集成学习器,基于叠加(Stacking)集成模型的机场线路短时客流预测模型。以北京地铁大兴机场线为实例进行验证,并与Informer和长短时记忆神经网络(long short-term memory,LSTM)两种基线模型进行对比。结果表明,考虑航班信息和机场线历史客流的双通道预测效果明显优于仅考虑机场线历史客流的单通道预测;Stacking模型在各项指标中均表现出优越的性能,其中,在96步长(24 h)下的预测效果最好,预测进站客流的平均绝对误差为7.66,预测出站客流的平均绝对误差为4.67;分析航班信息特征对预测模型的影响,发现离港航班信息重要性不如到港航班,这与离港旅客提前到达机场时间差异较大有关。