病态肥胖患者困难气道预测方式的研究进展

在肥胖人群中,病态肥胖(BMI≥35 kg/m^(2))是数量增长最快的一类。病态肥胖会使脂肪在颈部和腹部异常积聚,会导致上呼吸道狭窄、舌体肥大、膈肌上抬等解剖及呼吸生理的改变,使得病态肥胖患者成为困难气道的高发人群。要保证此类患者手术时通气的顺利和稳定,麻醉科医师在术前对病态肥胖患者进行针对困难气道有效的预测是至关重要的。本文旨在通过分析病态肥胖的不利影响和总结病态肥胖患者困难气道预测的新趋势,指导麻醉科医师对困难气道做出准确的术前预测。

两种风电功率多步预测方式的分析及评价

目前对风电功率预测的研究主要集中在预测方法,而风电功率预测一般为多步预测,缺乏对多步预测方式的分析。分析了滚动多步预测方式和多采样尺度多步预测方式。多步预测方式的预测精度与预测方法和风电功率数据有关,不同的预测方法或风电功率数据下两种多步预测方式的预测精度高低不同。以风电功率实时预测为例,基于吉林省某风电场实测风电功率数据,使用国家能源局所规定的风电功率实时预测评价指标对两种多步预测方式进行评价。

垂直管环状流场中液滴夹带率预测新模型

液滴夹带率是认识环状流典型特征的重要参数之一,对其准确预测对于揭示环状流场中液膜厚度、液体携带形式,以及计算压降梯度均具有重要意义。现有液滴夹带率预测方法以经验公式为主,通过实验数据拟合得到,其适用条件有限。本章收集了更宽泛的液体种类、液流速、气流速、实验压力、管径的实验数据共785组,在其基础之上建立了环状流液滴夹带率预测了新模型,该模型是对Cioncolini和Thome (2012)所建关系式形式的发展。新模型考虑了气流速、液流速、压力、气体密度、气体粘度和管径的影响。新模型与现有14个模型相比,准确性更高,适用的参数范围更宽。

基于集成学习和居民属性数据的出行方式预测模型

传统的效用理论模型以整体效用最大化为目标,忽略了影响居民出行方式选择肢间可能存在相关性以及部分效用相互补偿性。基于集成学习的居民出行方式预测模型可以有效表达出行效用的个体偏好、差异性和补偿性,解决了不同出行特征影响因素对于不同人群有不同效用表征问题。本文依托大样本居民属性数据,针对不同个体对不同影响因素的感知差异,结合居民出行调查的个人属性、出行属性及环境属性等相关影响因素进行综合分析,构建个体级居民的出行特征向量;研究构建基于集成学习方法的居民出行方式预测模型;以广州市为例进行实证分析,通过准确率、精确率、召回率和F1值这4个指标,对模型预测结果进行综合评价;针对部分出行属性相似导致细分的出行方式判别精度不高,按照大类方式、慢行交通、公共交通、个体机动化交通这4个类别构建层次化LightGBM(Light Gradient Boosting Machine)模型,并对GBDT(Gradient Boosting Decision Tree)、Random Forest、LightGBM、层次化LightGBM这4个模型预测结果进行综合对比。分析结果表明:LightGBM模型预测慢行交通、公共交通、个体机动化等三大类出行方式的平均准确率约为87%,其中慢行交通方式预测准确率最高,为92%;预测精细化出行方式平均准确率约为78%,其中步行方式预测准确率最高,为89%;LightGBM模型适用于城市级的居民出行方式预测,是一种有效的居民出行方式选择的预测方法。

机器故障下加工车间优化重调度方式预测

为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。

基于PSO-SVM的居民出行方式预测模型

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.

城市交通方式预测实用方法研究

城市交通方式预测实用方法研究李旭宏（东南大学交通学院，南京２１００１８）交通方式预测是交通预测的重要组成部分．国外有关人士提出了许多交通方式预测模型［１］．但这些模型均是针对小汽车和公共交通两者间的竞争关系提出的，而且使用这些方法前必须对出行方式阻...

不同核函数SVM在居民出行方式预测模型中的应用

采用持向量机方法构建了居民出行方式选择模型,使用网格搜索方法选择支持向量参数,避免参数选择的随机性,分析不同核函数对模型构建的影响。研究表明,采用多项式核函数、RBF核函数构建的支持向量机模型对居民出行方式预测精度较高,所构建的模型可用于居民出行方式预测;在支持向量机核函数选择中,优先选择RBF核函数,其次为多项式核函数。

基于多方式预测的多波段遥感图象无损压缩

针对多波段遥感图象的空间和谱间结构特点，提出了多方式预测的概念：一幅图内的任一象素按照给定的准则在侯选预测函数集中选取其实际采用的预测函数，从而更大程度去除相关；同时利用谱间结构相关，令谱间邻点选用相同的预测方式，使多方式预测导致的附加存储代价大大缩小。提出以极小熵原则作为选取预测函数的理论判据，并将其等效为最小误差的最高频次准则。对ＴＭ图象的实验证明此方法能更有效去除相关，压缩比有较大提高。

基于多项Logit模型的交通出行方式预测

为进一步量化分析不同因素对居民出行方式选择的影响,通过对合肥市居民出行进行调查,从交通规划的角度出发,构建了标准多项Logit交通方式划分预测模型,并采用极大似然法对模型参数进行估计。建模结果表明:1)模型的拟合优度和IIA假设检验均满足要求;2)女性驾驶员、私家车、驾照、高峰小时出行、出行目的、年收入、年龄7种因素对居民出行方式的选择有显著影响,研究结果可以为交通管理部门提供理论参考。

基于综合运输网络的公路建设项目交通量预测方法研究

分析了传统公路建设项目交通量预测方法存在的主要问题。从综合运输的角度出发，提出了基于综合运输网络的公路建设项目交通量预测方法，并对预测方法涉及的具体模型进行了讨论。认为应用该方法可以客观反映公路与其它运输方式之间的作用关系、准确描述交通量的转移规律、充分把握建设项目在综合运输网络中的作用和地位，使预测结果更加合理、有效。

电动自行车对城市交通结构的影响预测模型研究

近几年,电动自行车在中国发展迅速,已经对我国城市交通结构产生了深远的影响.根据马尔可夫分析法的基本原理,建立起电动自行车的方式分担预测模型.在此基础上,以石家庄市为例,通过实地调研分析该市居民现有的交通方式和转移意向.然后,假设在放任、限制、适度控制三种场景下,根据不同的交通方式转移概率,预测未来几年石家庄市电动自行车的方式分担率.并对预测结果进行分析,从而为各城市制定电动自行车的相关政策提供决策依据.

分布式光伏发电的特性分析与预测方法综述

随着近些年科学技术的发展,光伏产业的发展速度也越来越快,应用分布式光伏发电也得到了更多的关注。配电网连接了大量的间歇性较强的分布式光伏,给配电网带来了大量的运行问题,影响到了整个电网的稳定运行与供电质量。为此,必须要对分布式光伏发电进行更细致的研究。本文主要对分布式光伏发电展开了研究,对其特性与预测方法进行了阐述。希望这篇文章能够为今后此方面的工作提供参考。

井壁稳定性预测方法及应用之研究

井壁失稳问题在一直是钻井过程中较为重要的问题,如果在钻井过程中出现井壁失稳等问题势必会给其带来较为严重的经济损失,对此在实践中必须要对井壁稳定性进行系统的检测,对此文章主要对井壁稳定性的预测方式以及应用进行了简单的研究。

BP神经网络预测地铁沿线房价的研究进展及应用

房价是复杂多变的,一般情况下表现出的是离散型的数据,具有非线性特征。因此学者们设法利用能预测非线性数据的模型来预测房价的走势。本文首先从理论上分析研究了影响地铁周边房价的相关因素;其次对利用BP神经网络预测地铁二手房价的各种预测方式和改良方法进行综述、分析;最后针对现有基于BP神经网络模型预测方法的不足,论述推出新的研究方向。

动态心电图心率变异性对糖尿病前期患者心血管不良事件的预测价值研究

糖尿病是临床常见的慢性病,其近几年发病率增加明显,随着病情发展,患者后期出现心血管不良事件的概率增加,导致患者死亡概率增加,对糖尿病患者进行心血管不良事件的有效预防,一直是糖尿病患者预防管理工作中的重点^([1])。在相关研究中指出,越早对患者采取有效的预防措施,患者出现心血管不良事件的概率就越小,当前临床也在不断寻找有效的患者心血管不良事件预测方式^([2])。

“四阶段法”在广州开发区公共交通需求预测中的应用研究

采用基于VB编程的"四阶段法"对广州开发区公共交通需求进行了预测。交通生成预测采用生成率法进行交通发生和吸引量的预测;而交通分布预测则采取增长率法中的弗雷特法;对于交通方式划分根据宏观与微观相结合的思路,采用单约束重力模型来进行开发区未来各规划年交通方式结构的预测;利用前面3个预测数据得出公共交通出行预测。公交出行OD矩阵的得出是广州开发区公交线网规划的依据。利用计算机语言VB开发了相应的计算程序,对相应的预测阶段进行具体的计算。

空间电力负荷预测方法综述与展望

随着社会的发展,科技的进步,电力企业开始对电力系统实施精细化管理,而电力系统精细化管理的规划工作主要是依靠空间电力负荷预测来进行,所以空间电力负荷预测问题成为当中重要的研究课题。本文结合该领域当中的研究成果,针对空间电力负荷预测进行了更深层次的探索,对如今现有的各种空间电力负荷预测方法进行分析,并提出几点意见以供参考。

基于四阶段法的兰州市雁滩商业圈交通需求预测

交通需求预测是交通影响分析和区域规划中的重要组成部分,可以提前消除和避免一些交通隐患和交通问题。兰州市雁滩商业圈作为兰州市重要的新型商业圈,由于发展速度快、建设规模大,对周边的交通产生很大影响。利用四阶段法,得出交通需求预测结果,该结果能够直观地表示出未来规划年潜在的交通出行量,为雁滩商业圈新建企业的交通影响评价及城市区域规划提供理论依据和指导。

离散选择高阶段Logit模型的建模与预测——以上海城市外围大型居住社区为例

离散选择Logit系列模型的发展层次顺序是:二项、多项、巢式与交叉巢式、混合Logit(连续及离散潜在种类模型)、嵌入潜在变量的混合选择模型、动态Logit模型。建立高阶段Logit模型算法是当前研究快速城市化进程中居民交通方式选择与预测的最新技术手段。2000年,Daniel M教授,以"对分析离散选择的原理和方法所做出的发展和贡献"获诺贝尔经济学奖。2012—2014年,作者深入学习了离散选择Logit系列模型及标定预测,结合上海城市外围大型居住社区在中国"十二·五"期间,快速城市化进程中的演变,开展了基于高阶段Logit建模算法研究,取得了理想的成果。针对高阶段Logit模型(混合Logit模型、混合选择模型、动态Logit模型)进行了建模、算法、选择概率与消费者剩余预测的理论分析,建立了上海市外围大型居住社区居民交通方式高阶段选择模型。结果显示,6种政策方案中,附近设商业能最大改善出行质量并保证公交优先。高阶段Logit模型理论实际结合后,能很好地发挥其为政策方案决策定量支持之作用。