基于LSTM的高层住宅电梯群客流模式识别

交通流模式识别是电梯群控系统进行优化调度必不可少的前提,针对高层住宅电梯交通流模式识别问题,经典的模式识别方法如支持向量机、模糊推理方法等应用广泛,但其仍存在长期记忆不足,识别准确度不高等缺点。深度学习中的LSTM适合学习电梯交通流时间序列中的长期依赖关系,因此本文提出一种基于LSTM的高层住宅电梯群交通模式识别方法。方法通过LSTM建立神经网络模型,学习电梯交通流时间序列中的长期依赖关系,用Softmax分类器进行分类,同时通过Adam算法优化网络参数。实验结果表明,上述算法下的交通模式识别较传统的支持向量机(SVM)、多元线性回归等方法识别精度上有明显提高。

GAMIT基线解算质量指标分析

详细介绍GAMIT基线解算分步处理与自动化处理的质量评价指标,同时分别利用fortran语言和bash编写自动提取单天解标准化均方差和基线重复率自动计算的程序,实现快速评定基线解算结果质量的功能。