基于自适应平衡静动态联合网络的公交客流预测

为解决现有公交客流预测方法多数利用预定义的图结构进行空间建模,对交通状况变化所引起客流波动考虑不充分,无法捕捉短时动态的空间依赖关系问题,提出一种自适应平衡静动态联合网络(ASDNet)模型。首先,利用时间卷积网络捕获序列的时间相关性;其次,利用图卷积捕捉站点之间整体空间信息,采用动态图同构网络捕捉相邻时隙动态图之间隐藏的动态依赖关系;最后,通过自适应平衡机制自适应地调节静动态联合网络之间的信息传递。在广州市真实公交数据集上进行了实验,结果表明,与多个基准模型相比,该模型在MAE、RMSE和MAPE预测误差指标上平均降低了12.2%、9.9%和15%,R2精确度指标上平均提高了6.3%。表明该模型能够有效地捕捉客流数据的时空变化规律,可为公交运营管理提供技术参考。

基于DFFRLS和神经网络-ASRUKF算法的蓄电池SOC估计

以3.5 V/20 A·h的磷酸铁锂电池为研究对象,针对其荷电状态(SOC)在线估计问题,建立二阶戴维南(Thevenin)等效RC电路模型,结合BP神经网络、动态遗忘因子最小递推二乘(DFFRLS)法和自适应平方根无迹卡尔曼滤波(ASRUKF)算法提出一种SOC联合估计算法。采用BP神经网络代替多项式拟合开路电压-荷电状态(OCV-SOC)曲线,提高曲线拟合精度;通过DFFRLS在线辨识模型参数;结合ASRUKF算法进行SOC联合估计。研究表明提出的联合估计算法有效消除了因噪声协方差初值人为设定的误差并克服滤波发散导致状态协方差矩阵非半正定问题,达到获取最优SOC估计值的目的。在循环动态压力测试(DST)实验工况下,将联合估计算法与其他传统算法进行比较,结果表明提出的SOC联合估计算法具有更好的快速性、收敛性和精确性。

基于多代理的分布式计算环境ABDE

分布式计算正朝着开放式处理发展，透明性、可扩展性、互操作性等问题是开放式分布处理亟待解决的问题。分析了传统C/S结构及多级分布C/S结构在可扩展性方面存在的问题，通过在三级分布式C/S结构中引入了一个中间服务管理层，从而提出了一种基于多代理的分布式计算环境ABDE。