基于神经网络的道路季节分类

为了合理确定路面结构设计时的输入参数,引入自组织特征映射神经网络,结合Matlab软件对神经网络进行权值训练,将网络训练是否收敛来作为分类的依据,根据温度、交通量和降雨量等几个重要参数对道路进行季节分类,最后按照分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题,从而大大延长路面的使用寿命,提高道路投资的经济效益.

基于时间序列季节分类模型的轨道交通客流短期预测

轨道交通客流的分析中,数据季节性特征对客流预测的有效性存在显著影响。通过分析轨道交通客流曲线,发现轨道交通客流呈现出季节性特征;针对这种特征,提出基于季节分类模型的轨道交通客流预测方法。根据客流季节特征建立季节分类模板和季节时间序列;采用乘法季节自回归差分滑动平均模型建立客流季节分类模型;使用季节分类模型预测对应类型日期的客流。实验表明:季节分类模型既能有效预测轨道交通客流,又能较好地避免预测误差波动性问题。

基于季节分类和RBF自适应权重的并行组合电价预测

电价预测在世界能源市场建设中具有重要意义,基于季节性分类,提出了一种由自回归移动平均模型(ARIMA)、多层前馈神经网络(BP神经网络)和支持向量回归模型(SVR)组成的并行组合电价预测方法。为了充分利用不同方法的优势,将ARIMA、BP、SVR分别应用于日前电价预测中,通过径向基神经网络(RBF)对4个不同季节的3个预测值进行非线性拟合,得到最终的预测结果。所提方法的创新点在于对于每个季节都有特定的预测模型,不同预测方法之间非线性权重值随时间变化而变化,与传统的回归组合预测方法和季节非分类情况相比,其仿真结果表明所提方法具有更好的适应性和更高的预测精度。

污水处理厂季节性分类考核模式研究

污水处理厂是解决城市水环境污染的关键设施,只有对其实行科学、灵活的管理,才能真正发挥其环境和社会效益。鉴于我国现行考核办法为全年统一考核,缺乏对雨、旱季更替对污水处理厂影响的考虑,文章在现行考核办法的基础上,提出了污水处理厂的季节分类考核理念,并根据尾水排放河流剩余环境容量的情况分别提出分类考核标准的制定方法,为我国污水处理厂管理提供一种新的研究思路;以昆明市第一、第六污水处理厂为例,进行污水处理厂季节分类考核标准的拟定。