基于LMDI交通碳排放研究分析-以西安市为例

城市交通是城市发展的重要组成部分,但同时也是城市碳排放的重要来源。文章以西安市为例,通过自下而上算法中的行驶里程法和周转量法对该市2011~2020年的城市交通碳排放进行核算,并进一步计算了人均交通碳排放量和单位GDP交通碳排放量,进而探讨城市交通碳排放的影响因素和减排策略。研究表明,西安市总碳排放量在3200万吨上下浮动,交通碳排放量在299万吨上下浮动,人均交通碳排放量和单位GDP交通碳排放量总体呈现下降的趋势。为探究影响因素,本文采用LMDI模型从旅客周转量、货运周转量、人口和GDP四个纬度进行分解。结果表明,旅客周转量和货运周转量既有促进作用,也有抑制作用,人口和GDP均为正向效应。

基于速度分布的移动对象混合索引方法

TPR*树是目前广泛使用的移动对象当前及未来位置预测索引技术,但是其频繁更新及查询性能随着时间变化而急遽下降.文中提出了一种基于速度分布的移动对象混合索引HVTPR树,综合考虑移动对象在速度域和空间域中的分布,首先在速度域中对移动对象集进行规则划分,根据速度矢量大小将移动对象映射到不同的速度桶,每个速度桶中移动对象具有相近的速度矢量;对每个速度桶中的移动对象,则利用TPR树进行索引.HVTPR树索引增加了一个建于移动对象标识上的Hash辅助索引结构,并采用增强的自底向上更新(EBUU)算法以提高其频繁更新性能,具有很好的动态更新性能和并发性.实验表明,采用EBUU算法的HVTPR树索引动态更新及查询性能优于TPR*树等通用索引技术.

驾驶行为险态辨识方法

为实现险性驾驶行为状态的有效辨识,提出了一套驾驶行为险态辨识方法。以单位时间误操作率为依据,采用自底向上的分段算法实现了行为险态分级,采用因子方差分析,选取听觉感知、动视野、动视力、色觉、暗适应、注意力、判断能力、反应时这8项因子构成驾驶行为状态因子集,构建驾驶行为险态辨识特征向量,然后再对行为状态指标数据予以预先分级的前提下,采用单因子分析法对试验数据予以分析。并设计出BP神经网络行为险态辨识模型,最后进行了实例分析与计算。分析结果表明:反应时、注意力、判断能力3项指标在各分级间差异显著,故可作为驾驶行为险态辨识主因子,行为状态错判误差率为2.5%。

客户行为的有效聚类

对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点,提出了基于EMD和K-means的顾客行为聚类算法。首先利用EMD和自底向上分段算法实现交易数据序列维度的约简,再利用K-means算法完成降维后序列的聚类,最后利用每个类别中购买率较高的商品作为该类的描述,为商家提供促销依据。该聚类算法一方面可以有效实现客户行为的聚类,另一方面,由于算法对交易数据序列进行了降维处理,节约了一定的存储空间。

基于多属性同步消减的概念格构造算法

渐进式算法是概念格构造的一类重要算法,目前有关属性消减的渐进式构造概念格算法效率并不高.针对这一情况,在原有概念格的基础上提出渐进式同步消减多个属性得到新概念格的构造算法,文中采用自底向上广度优先和自顶向下深度优先遍历格中节点,若当前节点内涵中含有消减属性,直接消去其内涵和父节点内涵所含有的全部消减属性,然后判断其内涵与父节点内涵是否一致,分析当前节点类型以做相应处理.新概念格中的节点是由原有概念格中的节点直接修改而来,并不产生新的概念(外延没有变化).本文从理论上和UCI与随机生成的数据集上进行的实验表明,两种算法是正确的,算法对于处理格规模庞大且消减属性个数较多时有较好的时间性能.

可调节产品族的自底向上优化再设计方法

在建立可调节产品族优化模型的基础上,基于独立优化、平台规划、实例产品设计和方案评价的产品族自底向上设计流程,提出基于敏感度分析和模糊聚类的产品族优化再设计方法.在产品平台规划阶段,首先使用变量敏感度分析初步划分可能的平台常量和可调节变量集合;然后对实例产品间由于变量通用所造成的性能、成本和约束满足变化进行模糊C均值聚类,并引入模糊覆盖指数决定最优的聚类数目,合理规划多平台常量的共享.通过建立平台非通用性指数以定量评价产品族方案的通用程度.最后采用通用电机产品族的再设计实例,证明了该方法的正确性与高效性.

上海市突发环境污染事故风险区划

环境风险区划是区域布局型环境风险管理及环境风险分区管理的重要手段.本研究在环境风险系统理论的指导下,借鉴"自上而下"和"自下而上"传统区划方对上海市突发环境风险进行区划研究.上海市突发环境风险区划中"自上而下"环境风险一级区的划分是依据上海市1990～2008年突发污染事故历史时空格局获得;而"自下而上"是通过构建上海市风险区划指标体系,在对指标进行概念模型量化的基础上,运用基于遗传算法的K均值聚类在最小区划单元进行聚类区划,并依据上海市政府宏观规划对聚类后的图斑碎块进行科学性和实用性调整,获得上海市突发环境污染事故风险亚区和小区;将上海市突发环境风险一级区及亚区和小区集成分析,实现上海市突发环境污染事故风险综合区划.结果表明:上海市突发环境污染事故风险区划包含2个风险一级区,5个风险亚区和21个风险小区,客观揭示了上海市突发环境污染事故风险的空间分布规律.针对上海市布局型环境风险和不同风险区提出相应的管理措施,为上海市综合减灾降险和风险管理决策提供科学依据.

快速选定神经网络优化结构的方法

本文引荐了一种选择神经网络优化结构的改进方法。常规交叉校验算法从大量候选模型中,通过训练和比较来搜寻网络优化结构。本文提出一种与规则化方法相关的快速算法,这种算法仅在少许适当的候选模型中选定网络优化结构。实验证明,这种快速算法与常规交叉校验算法相较而言,具有更快捷和更高效的优点。

改进的不确定性数据概率Skyline查询算法

针对基于不确定性数据概率Skyline查询的bottom-up算法提出改进算法。bottom-up算法的核心是对象和实例的定界、裁剪和提纯三个过程的迭代。主要将原算法中逐个对象实例的分层迭代处理改为所有对象的实例由优到劣的迭代处理;将裁剪的条件和顺序也作了调整,使其更有效。理论分析和实验都证明,改进后算法运行效率可明显提高约20%。

神经网络结构优化方法

概述了神经网络结构优化的方法。结构优化的目标在于寻找最小神经网络结构,从而使该结构确实适合由训练数据所定义的实际函数。优化的结构使神经网络获得十分出色的归纳性能和分类性能。文章分别列举了各种神经网络结构优化的算法,然后分析并讨论这些算法的优、缺点。

一种无回溯的自然语言分析算法

在自然语言的自动分析中 ,如果回溯过多会严重地降低分析的效率。依尔利算法 ,可以完全避免回溯。本文介绍了依尔利算法的基本原理 ,它的三种基本操作 ,并以实例详细地描述了依尔利算法分析句子的过程。

大型复杂系统测试序列优化

为解决现有优化方法测试时间长、不能快速生成决策树等问题,提出Limited Bottom-Up方法。在决策树根节点对影响较大的首步测试进行优化选择,同时将复杂系统的大规模问题转化为规模较小的子集;对故障子集采用自下而上的方法生成测试序列。试验结果表明,该方法有效降低了计算复杂度,缩短了测试时间,为大型复杂系统的可测性设计与分析提供了一种高效算法。

关于“一个改进的QSQI查询算法”的注记

本文首先用具体的例子表明,即使将应用范围限于线性规则和无环的EDB关系,文[1]提出的改进的QSQI查询算法也不能成立.然后,就自顶向下方式的性能是否一定优于自底向上方式,以及理想的逻辑数据库事物间联系的状态是否应当没有回路问题提出不同的看法,与文[1]的作者商榷.

用回溯算法诊断数据库性能故障

数据库性能诊断至关重要,本文针对目前数据库性能诊断过程依赖于经验的状况,研究了一种基于回溯算法的数据库性能诊断方法,提出了数据库性能诊断过程的解空间树构造方法,以及诊断过程详细的形式化算法,最后给出该方法的使用实例。该方法能够避免数据库性能诊断的盲目性,也可为其他系统性能诊断提供参考。

基于自适应步长的多元时间序列Motif优化算法

为探究多元时间序列中各个元素之间的相关性,研究特定的Motif在时间序列中的金融趋势含义,提出了一种基于自适应步长选择的多元时间序列Motif优化算法。该算法利用线性拟合思想处理时间序列,体现多元数据的趋势;代替传统的固定步长,对多元时间序列进行自适应步长处理,提取量价结合的折线Motif模式;以收益作为模式评价标准,并引用自底向上改进算法对模式进行优化。以历史数据进行实证分析,实验结果表明该算法可有效缓解数据噪声干扰,能显著反映多元指标之间的内在关系,以可观收益体现Motif应用效果。

基于分割的并行图像压缩方法研究

给出一种基于非均匀分割的并行图象压缩方法。系统的研究了传统图象分割方法[1～3]，为了提高图象编码速度，给出了一种在不降低压缩比条件下的并行分割压缩方法润时，还给出一种确定分割阀值的新方法--累积2乘误差方法，使生成图像的信噪比提高了1-2dB。

Heap Sorting Based on Array Sorting

A kind of heap sorting method based on array sorting was proposed. Some advantages and disadvantages of it were discussed. It was compared with the traditional method of direct application. In the method, the ordered keywords in the array are put into the heap one by one after building an empty heap. This method needs relatively less space and is fit for ordered sequence.

多变量时间序列例外模式的识别

多变量时间序列(MTS)在金融、医学、科学、工程等领域是非常普遍的.本文提出一种在 MTS 中识别异常模式的方法.采用自底向上的分割算法将 MTS 分割成互不重叠的子序列,使用扩展的 Frobenius 范数来计算2个MTS 子序列之间的相似性,通过 K-均值聚类将 MTS 子序列分为若干个类.根据异常模式的定义,从这若干个类中识别出异常模式.在2个实际数据集上进行实验,实验结果验证算法的有效性.