公交网络多路径选择启发式算法研究

公交乘客出行路径选择算法是公交乘客信息系统的核心技术。建立了公交网络出行路径选择的数学模型,在Dijkstra算法和迭代惩罚法的基础上,设计了公交网络多路径选择的启发式算法,并结合实际公交网络进行了算法的验证。算法合理考虑了换乘因素和距离因素对公交出行者路径选择行为的共同影响,能够生成多条备选路径供出行者选择。对于公交乘客信息系统相关技术的研究开发具有参考价值。

拉曼光谱检测酒精浓度的背景扣除技术研究

将自适应迭代惩罚最小二乘的方法应用于酒精浓度检测过程中,可以实现拉曼光谱的噪声和背景自动扣除,从而更好地对拉曼光谱进行预处理。将各种预处理算法校正背景后的拉曼光谱与乙醇浓度分别建立偏最小二乘校正模型,其结果显示自适应迭代惩罚最小二乘的方法优于其他传统方法。

拉曼光谱结合背景扣除化学计量学方法用于汽油中MTBE含量的快速测定研究

应用便携式拉曼光谱仪测量了汽油样本的拉曼光谱,以自适应迭代惩罚最小二乘方法(airPLS)对光谱进行了背景扣除和平滑处理,并选取特征峰区间利用偏最小二乘方法(PLS)建立了预测甲基叔丁基醚(MT-BE)的校正模型。以训练集相关系数和拟合误差及测试集相关系数和预测误差作为判定依据,确定了最佳建模条件。最终训练集相关系数为0.996 0,拟合误差为0.316 1,测试集相关系数为0.996 6,预测误差为0.490 1。结果表明采用便携式拉曼光谱结合化学计量学方法处理,可以满足对汽油中MTBE含量快速检测的要求。

变量变换回归分析(Ⅱ)——拟合近似呈均匀分布资料的方法

本文利用SAS帮助数据库中的一个数据集sashelp.enso,介绍对自变量进行样条变换后的曲线回归分析方法。在SAS/STAT的TRANSREG过程中,涉及到六种样条变换方法,分别为:B-样条变换、B-样条基函数变换、单调B-样条变换、非迭代惩罚B-样条变换、迭代光滑样条变换、非迭代光滑样条变换。获得的结论是:在确保 R 2≈0.7且回归模型尽可能精简的条件下,“非迭代惩罚B-样条变换”与“迭代光滑样条变换”两种方法是以上六种方法中最好的曲线回归建模方法,这两种方法的拟合效果几乎完全相同。

激光拉曼光谱解谱和处理的方法研究

研究一种拉曼光谱解谱和处理的方法。以化学计量学为基础,信号处理技术为工具,配合计算机算法的数据处理方法。具体为基线校正:对拉曼光谱原始信号进行基于自适应迭代重加权惩罚最小二乘法的基线校正;平滑:对进行完基线校正的拉曼光谱信号进行基于惩罚最小二乘法的平滑;峰检测:对进行完基线校正和平滑的信号进行基于连续小波变换的峰检测。这种基于惩罚最小二乘法的光谱平滑具有快速,可以连续控制平滑度并且可以进行交叉验证得到最客观的平滑值。改善了基于非对称最小二乘法的传统基线校正方法的两个缺陷。同时,基于连续小波变换的峰检测算法可以自动地并且同时考虑峰形和峰高对峰进行检测,最大限度地降低了峰检测假阳性的概率。