基于因果卷积和Informer模型的城市公交客流预测

为了有效缓解日常交通拥堵,倡导健康绿色出行,通过城市客流特征分析和预测精准掌握城市交通中的客流量分布特点,综合考虑天气、节假日等多种影响因素对客流量的影响,基于卷积神经网络提出了一种因果卷积自注意力的城市公交客流量CCN-Informer预测模型,改善输入序列局部信息提取能力,获取长期依赖信息,从而提高预测准确性。实验使用因果卷积自注意力进行依赖性特征提取,通过控制编码器的样本计算成本,采用生成式解码器提高模型预测效率。结果表明,CCN-Informer模型考虑周围重要特征因素影响,样本数据拟合程度明显提高,与基线模型对比,标准误差下降范围为4%~20%,有更高的预测精度和运行效率,验证了模型的有效性,可以为城市交通客流量预测提供依据。

一种阵列式胎动信号及子宫收缩信号监测腹带

目的胎动信号和子宫收缩信号是胎儿及母体重要的生理信号,为此本文介绍一种孕妇可自行操作、使用方便、测量准确的便携装置。方法本装置通过阵列式压电传感器采集胎动信号和子宫收缩信号,信号经过滤波、放大和A/D转换后,利用单片机软件进行胎动信号及子宫收缩信号辨别,实现胎动信号和子宫收缩信号的次数累加、持续时长确定、信号发生位置及信号类型的确定,最后将结果显示在数码管上。结果用本装置对3名不同妊娠期孕妇进行胎动信号和子宫收缩信号的监测,并与孕妇自身计数结果对比,测量误差小,能够达到实时显示信号位置、信号类型、信号次数的功能。结论阵列式胎动信号及子宫收缩信号监测腹带可为孕妇提供简单方便的便携监护。