基于组合赋权-云模型的城市洪涝灾害韧性评价方法

基于城市系统应对洪涝灾害事件的响应过程,从基础抵御、防灾预警、应急响应和适应恢复4个方面构建了包含4个一级指标和20个二级指标的城市洪涝灾害韧性评价指标体系,在此基础上通过可拓层次分析法和熵权法对指标分别进行主观和客观赋权,结合博弈论理论进行组合赋权,提出了基于组合赋权-云模型的城市洪涝灾害韧性评价方法。南京市6个行政区的验证结果表明:该方法可有效评价城市洪涝灾害韧性水平,6个行政区中建邺区、江宁区为高韧性地区,鼓楼区、秦淮区为较高韧性地区,雨花台区为中等韧性地区,溧水区为较低韧性地区。

基于特性的牵引车-半挂车刚柔组合车架动力学模型研究

商用车较大的车架柔性会影响到整车的操纵稳定性和乘坐舒适性,尤其是在共振时车架柔性会放大对车辆运动品质的影响。为实时模拟牵引车-半挂车的车架运动,采用基于总成特性的建模技术路线,根据运动响应频域将车架运动解耦为低频刚体运动和高频柔体运动,并将车架模型模块化划分为基于多体动力学的刚体车架模块、基于模态综合法的柔体车架模块,然后将两模块求解结果叠加形成刚柔组合车架模型。最后,将车架模型嵌入牵引车89DOF-半挂车73DOF整车模型中,针对某款商用车进行仿真,通过对比实车场地试验结果,验证了模型的有效性。

基于GRU和LSTM组合模型的车联网信道分配方法

针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。

常泰长江大桥组合索塔锚固结构钢-混传剪构造足尺模型试验研究

常泰长江大桥索塔锚固结构采用钢箱-核芯混凝土组合结构,为研究该新型组合索塔锚固结构钢-混传剪构造的受力特性,进行钢-混传剪构造足尺模型试验研究。制作2个锚固结构足尺节段试验模型,通过压剪试验研究锚固结构的荷载~滑移曲线及应力、应变分布等受力特性,并通过有限元模型分析锚固结构的传力机理和各组件的内力分配比例,推导剪力钉剪力计算方法。结果表明:在2.14倍单索最大索力荷载作用下,锚固结构保持弹性状态,钢壁板未产生明显滑移,钢-混界面最大滑移不超过0.25 mm,该锚固结构中钢-混传剪构造至少具有2.14倍的安全系数;荷载作用下,剪力钉剪力从上至下逐渐增大,锚腹板附近底部3排剪力钉剪力较大,钢-混传剪构造至少存在剪力钉和界面摩擦力2种传剪机制,钢-混传剪构造的承载能力显著提高;钢-混传剪构造受力过程分为粘结力传力阶段和局部滑移阶段,剪力钉剪力分布不仅与沿剪切方向长度分布有关,也与荷载的大小线性相关。

Prophet-LSTM组合模型在运输航空征候预测中的应用

为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。

N-Calculator与NUFER耦合模型和组合预测法在食物氮足迹研究中的应用

为改善传统N-Calculator模型的局限性,加强食物氮足迹核算结果与环境影响的联系,提高活性氮管理预见性,将N-Calculator模型与食物系统养分流动(Nutrient Flows in Food Chains,Environment and Resources Use,NUFER)模型进行耦合,以估算我国2001—2020年人均食物氮足迹,建立组合预测体系。结果显示:2001—2020年,我国人均食物氮足迹由16.04 kg N/a增至18.95 kg N/a;全国食物氮足迹由20.47 Mt N/a增至26.76 Mt N/a;居民饮食结构正由以植物源食物为主的低氮消费模式转向以动物源食物为主的高氮消费模式;食物生产过程产生的活性氮的最终归宿为大气(64.3%)、水体和深层土壤(35.7%);我国食物氮足迹与人均可支配收入、城市化率、动物源食物消费氮占比呈正相关性,与恩格尔系数呈负相关性;未来10 a我国人均食物氮足迹呈增长趋势,预测结果显示年均增幅为0.16 kg N/a。

基于CEEMDAN-GRU组合模型的碳排放交易价格预测研究

准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)方法与门控循环单元(GRU)相结合,构建一个碳排放交易价格预测模型。该模型基于分解、集成思想,利用CEEMDAN将原始碳价序列分解,获得不同频率的本征模函数(IMF)和残差序列,使用GRU神经网络分别为各子序列建立预测模型,最后集成预测结果得到碳价预测值。以湖北省碳交易市场的日度成交价为例进行实证分析,结果表明:相较于其他5种基准模型,CEEMDAN-GRU模型具有更小的预测误差和更高的拟合优度,在碳价格预测上具有一定的优势。

基于组合赋权-云模型的智能建造应用成熟度的评价

为解决传统施工方式存在的问题,建筑施工企业向智能建造方式逐渐转型已是大势所趋。针对新时代、新基建对智能建造施工的要求并结合能力成熟度理论,提出一种基于组合赋权-云模型的智能建造应用成熟度评价模型。首先,从施工、智能、其他3个维度,构建包含勘测、设计规划、施工现场管理、资源要素、智能建造技术、数据驱动、企业顶层设计7个类别的智能建造应用成熟度评价体系。其次,采用G1法与熵权法确定各指标的主、客观权重,运用博弈论进行权重组合。最后,通过云模型展示施工企业智能建造应用成熟度等级,并依据评价结果进行展望。研究结果表明:施工企业智能建造应用成熟度评价等级为“集成共享级”,评价结果与该企业实际情况吻合,验证了本文方法的适用性与科学性,为施工企业智能建造应用的发展提供科学依据。

基于极点对称模态分解的中长期径流预报组合模型

为提高径流预报精度,解决径流序列分解后高频分量波动范围大、预报精度差的问题,基于极点对称模态分解法(ESMD)平稳化处理技术将径流序列分解,通过分析不同频率分量特征,择优选取预报方法,结合粒子群优化最小二乘支持向量机(PSO-LSSVM)全局优化和非线性建模能力及适应性强的特点,对高频分量进行预测,利用BP神经网络非线性映射能力和逼近任意非线性函数的优势对中低频分量和趋势分量进行预报,构建了ESMD-PSO-LSSVM-BP组合预报模型,对西江干流上中下游三座水文站的年、月尺度径流开展中长期径流预报。结果表明,对不同频率分量采用不同预报方法的组合模型可以有效提高径流预报精度。

Heston模型下的两人鲁棒非零和随机微分投资组合博弈

用Heston模型描述风险资产的价格动态,构建了包含一种无风险资产和一种风险资产的金融市场,投资者可以将其财富自由地配置于无风险资产和风险资产中.考虑到投资者之间经济行为的随机博弈,用相对业绩刻画投资者之间的博弈行为,同时考虑模型的不确定性,以最大化最坏情境下投资者相对业绩的期望效用为目标,构建了包含两个投资者的鲁棒非零和随机微分投资组合博弈模型,利用动态规划方法分别求得了CRRA效用下Nash均衡策略的解析表达,借助数值仿真算例进行了参数的敏感性分析并给出了相应的经济意义阐释.研究发现:相较于不涉及市场竞争的传统投资策略,竞争将使投资者产生羊群效应,跟风投资风险资产,致使金融市场的系统性风险上升.此外,与不考虑模型不确定性相比,模型的不确定性使得投资者减少对风险资产的投资.

基于组合赋权与TOPSIS模型的腹腔镜系统技术指标体系建立与应用

目的设计腹腔镜系统技术指标评价体系,用于客观评价产品技术水平,为医院腹腔镜系统的遴选提供支撑。方法采用文献研究法、访谈法以及德尔菲法确认评价体系指标,并通过优序图法及熵权法综合确定指标权重,最终通过理想排序法获取产品评价排序。结果腹腔镜系统评价体系纳入一级指标1项,二级指标6项,三级指标11项,可用于评价2D腹腔镜系统。参与真实测评的2D白光腹腔镜系统10个,荧光8个,均完成产品排序。结论本研究建立的腹腔镜系统技术评价指标体系可用于开展真实产品测评。

ML组合的CYGNSS海面风速反演质量控制模型

卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出一种基于机器学习(ML)组合的海面风速反演模型。在基于CNN回归模型的CYGNSS反演海面风速基础上,ML分类模型生成CNN回归结果的质量标志位,该标志位可以检测并删除CNN回归结果的异常值,进一步提高风速反演结果的数据质量,ML分类模型能够更好地考虑各种数据误差之间的相互作用,而不是单独使用每个条件的阈值,以达到更优的海面风速反演精度的效果。实验对比了Logistic回归(LR)、决策树(DT)、朴素贝叶斯模型、K最邻近(KNN)算法、神经网络(NN)模型、支持向量机(SVM)算法等6个分类模型,其中,基于KNN算法的分类模型对风速反演质量控制的效果最优。所提风速反演组合模型显著提高了反演结果的精度,在0~20 m/s区间内,异常样本过滤率为81.27%,在所有被过滤的数据中,过滤正确率为86.03%;风速反演误差的均方根误差从无ML分类模型的1.7 m/s降低到有ML分类模型的1.44 m/s,其中,训练样本为0~10 m/s的反演结果精度提升效果较为明显,证明了所提风速反演组合模型对风速质量控制的有效性。

土石坝运行安全评价的改进组合赋权-云模型

针对土石坝运行安全评价中指标间相互影响、主客观权重赋值不够合理以及隶属区间模糊性等问题,提出了一种土石坝运行安全评价的改进组合赋权-云模型。以运行期土石坝为对象,构建了土石坝安全评价指标体系,分别采用G1法和改进熵权法对评价指标进行主客观赋权,融合博弈论思想求解最优权重组合系数,并引入云模型理论降低评价过程中隶属区间的模糊性。对某土石坝安全状态进行评价并与两种传统组合赋权法进行了对比,结果表明,3种评价方法的评价结果相近且与实际情况相符,但改进组合赋权-云模型考虑了评价指标间的关联性,运用博弈论思想使主客观权重赋值更加合理,能更客观地反映土石坝的真实运行状态。

SARIMA-GRU组合模型的水位预测

相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。

工程项目组合风险扩散模型的级联失效分析

为构建符合工程项目组合特点的风险扩散模型,解决风险扩散问题。本文考虑风险扩散的双关系载体—项目交互关系和风险因素逻辑关系,构建工程项目组合风险扩散的双层相依网络模型,运用级联失效理论提出风险扩散规则,通过数值仿真分析风险扩散特征。仿真结果发现:工程项目组合中,双层网络模型能够反映风险在项目和风险因素双关系载体中的扩散特征;与单层网络风险扩散模型相比,构建的模型展现出差异性的风险扩散效应,风险扩散在工程项目组合中表现出更剧烈的级联失效过程。风险扩散模型作为工程项目组合风险扩散问题的前置性研究,为进一步风险扩散网络稳定性的研究提供新思路和启发。

基于XGBoost-SVR组合模型的高速公路建造碳排放量预测方法研究

开展高速公路碳排放量预测是实现交通领域节能减排的重要内容之一。选取高速公路建设中影响碳排放的路基长度、路面面积、桥梁长度、隧道长度等14个参数,采用生命周期评价法(LCA)对高速公路建造碳排放量进行核算,获得80个高速公路碳排放样本,并对碳排放量影响参数的重要性进行分析。通过等值赋权、残差赋权和自适应赋权3种赋权组合方式,建立XGBoost-SVR机器学习组合模型。结合高速公路碳排放样本,通过XGBoost-SVR组合模型训练得到碳排放量预测结果。基于误差和相关指数分析,对3种赋权方式的组合模型预测结果进行评判,并与单机器学习模型结果进行对比。研究结果表明:XGBoostSVR组合模型融合了XGBoost和SVR模型的优点,其预测效果明显优于单机器学习模型的预测效果;对比等值赋权、残差赋权和自适应赋权,基于自适应赋权的XGBoost-SVR模型预测精度最高,建议应用于高速公路建造碳排放量预测。

基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型

针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。

基于城市复合网络的出行交通分配组合模型研究

文章提出了一种交通分配组合模型,解决传统四阶段方法缺乏联系导致误差逐渐放大的问题。文章基于构建的城市复合网络,将交通方式划分和交通分配整合在一起,综合考虑交通方式选择和交通分配的影响。通过基于A*算法的备选路径集查找方法,求解给定OD上的k短路径情况。采用广义费用公式对多方式出行效用进行计算,将费用、时间和换乘行为进行统一量化。最后,建立交通方式划分与交通分配组合模型,采用多层次迭代平衡求解,优化交通方式分担率。算例分析验证了组合模型在流量分配方面的优势,具有更好的路段流量均衡性和较低的阻抗时间。该模型可为城市交通规划和出行预测提供参考。

配电网负荷预测中信号分解和预测模型组合的双层优化策略

负荷时间序列的波动性和非线性特征的加剧对负荷预测方法提出了更高的要求,而常规组合预测方法针对海量负荷数据存在应用局限性问题。为此,提出了配电网负荷预测中时序分解方法和预测模型组合的双层优化策略。首先针对某一负荷预测数据,在时序信号分解层配置权重,以负荷均方根误差最小寻优各分解方法的权重系数,进而获得各时序信号分解方法的最优组合;在此基础上,在预测模型层进行组合方案寻优,通过配置权重系数以获得各预测模型的最优组合,进一步提升负荷预测的精度。仿真结果表明,所提策略可根据预测对象的特征优化组合各信号分解方法和预测模型,降低了配电网负荷序列的非平稳性对预测精度的影响。

例说解决排列组合问题的基本策略和常见模型

排列组合历来是学生学习中的难点.通过我们平时做的练习题,不难发现排列组合题的特点是条件隐晦、不易挖掘、题目多变、解法独特、数字庞大、难以验证.