基于改进ARMA模型的管式加热炉氧含量辨识与建模

石化企业中常减压加热炉是一类复杂的控制对象,特别是燃烧系统和多路进料支管出口氧含量系统,是相互关联耦合的多变量时变系统。基于现场所收集的数据,通过对普通ARMA模型进行改进,把每个输入分量分别进行时间滞后,且把输入向量前的多项式增加可调节的自由度,从而建立一种改进的ARMA模型,进而对管式加热炉氧含量模型进行辨识。辨识结果与普通的ARMA模型所得到的结果相比具有更加精确的辨识效果,并可根据实际需要,调整模型阶次以达到更高精度。最后通过一组新观测数据对辨识所得到的模型进行了检验,表明所提出的模型具有很高的辨识精度和泛化能力。

城市轨道交通规划线网的拥堵点预测与分流仿真

依据拥堵时的交通流量序列,估测城市轨道交通规划线网拥堵客流量区域,通过小波分解及重构的Mallat算法与改进ARMA预测模型相结合,在拥堵客流量区域预测城市轨道交通规划线网客流拥堵点;针对预测出的拥堵点,利用Dijkstra算法求解城市轨道交通乘客出行的最短路径,通过考虑最短路径上的综合阻抗构建城市轨道交通客流分流模型,并采用改进Logit算法,实现城市轨道交通客流的分流.结果表明:该方法预测流量数据与真实数据结果相差较小;该方法客流分流后增加三条有效路径,可有效分担部分的客流量,缓解交通拥堵.

基于机器学习模型的民航客流预测仿真研究

准确的预测航线的客流量,对于机场的运力安排、航线调整、规划发展都有着重要的作用。针对民航客流量预测具有诸多不确定性和数据不足的特点,本文基于某航空公司2010-2016年北京-三亚航线每天的客流数据,运用了多元回归模型、支持向量机回归模型、ARMA改进模型、神经网络RBF模型对航线数据进行了数据拟合。经验证,上述四个模型的平均绝对误差分别为5.27%,7.61%,5.07%,3.34%,模型预测精度较高,可以用于客流预测研究。