基于聚类-贝叶斯方法的航班过站延误传播

针对航班过站延误问题,基于过站保障时刻节点数据,提出了基于聚类-贝叶斯方法的航班过站延误传播算法。首先,收集机场内所有航班过站保障流程中的节点时刻数据,将延误数据转化为每个节点的延误严重程度;然后,利用聚类-贝叶斯方法得到频繁延误的节点,并围绕这些延误节点研究前后相关流程之间的延误传播概率;最后,通过试验验证了算法的可行性和有效性。试验结果表明,该算法能够感知过站延误的典型阶段和传播特征,可为缓解航班延误提供依据。

某电影院过渡季节通风节能潜力分析

以全年空调通风季节耦合运行设计思想为基础,提出过渡季节时间节点的划分和通风温度不保证率的概念,深入分析了某电影院各观众厅过渡季节通风的节能潜力,得到通风节能量与过渡季天数成正比等结论,强调节能与保证室内温度设计参数之间的平衡。

城市轨道交通节点的聚类分析

依据城市轨道交通网络节点的网络结构特征和进出站客流时间序列特征,提取了节点划分指标,采用主成分分析方法选取了合适的聚类变量,通过层次聚类分析方法将节点进行分类。最后以北京市轨道交通网络为例进行了节点划分的实例计算,将其节点划分为六类,并对聚类分析的结果进行评价,结果表明所提出的方法具有较好的应用价值。

地球低阶重力场系数J_2异常变化与地震活动的关系研究

1992—2011年地球低阶重力场系数J2先后发生了两次异常变化,时间段约为1997—2000年、2007—2010年;根据中国地震台网(CSN)公布的地震目录,收集1990—2012年间发生在中国大陆MS≥3.0的所有地震资料,初步分析了J2异常变化与地震活动的关系。文中分别对浅源(深度范围0≤h≤70km)MS≥5.0、MS≥6.0和中源(深度范围70≤h≤300km)MS≥3.0、MS≥3.5、MS≥4.0地震总数进行了统计分析,建立了地震活动频次随时间变化的时间序列。文中将地震频次时间序列与地球低阶重力场系数J2长期变化作对比分析,结果显示:(1)浅源地震活动存在3个明显的峰值,第一个峰值和第二个峰值出现的时间段分别和"98异常"、"07异常"时间段吻合,第三峰值时间段和地球自转速率转变时刻吻合;(2)中源地震活动与浅源地震活动存在差异,前者仅存在两个明显的峰值,第一峰值出现的时间段和"98异常"吻合,第二峰值相对于"07异常"出现后移现象,然而小波多分辨率分析显示地震频次时间序列的小波细节系数发生显著变化的时段和"07异常"非常吻合;(3)中国大陆发生的7级以上的地震,62.5%位于J2异常变化期间、纬度集中分布于J2节点线35.3°附近。这些结果表明:J2异常变化可能会对中国大陆地震活动产生较显著的影响;地球自转速率转变的时刻对浅源地震活动产生较显著影响,而对中源地震活动影响不明显。最后从地球重力学以及J2变化与地球自转的关系方面分析J2异常变化与地震活动的关系。研究显示:1992—2011年间J2发生的两次异常变化的时间间隔大致为10a,这和地球自转"10a起伏"变化相吻合,这些结果对中国大陆地震孕育过程规律的认识以及地震预测研究具有一定的价值。

康普顿散射的再计算

根据参考文献[1-2]给出的理论和方法,重新计算了康普顿散射问题.

地铁牵引供电系统自适应实时动态建模方法研究

城市轨道交通各线路牵引变电所数量和位置的不固定性,列车连续运行所导致的直流牵引供电系统网络结构的时变性,全线直流牵引网的贯通性是直流牵引供电系统数学建模需重点解决的关键技术难题。为了建立时变电网络的动态模型,基于节点导纳网络方程原理,提出了一种城市轨道交通直流牵引供电系统自适应实时动态数学建模方法,即在每个列车运行时刻,首先按照设定的规则对全线所有牵引变电所两端节点、列车两端节点进行自动排序,然后按照位置坐标对节点进行排序并存储至节点数组,最后根据节点数组和输入参数文件自适应地实时动态生成直流牵引供电系统节点导纳网络方程,并完成求解。通过仿真与试验研究,验证了本文提出方法的科学性和正确性。

轨道交通车辆基地的LID布置优化

近年来,极端天气发生频繁,城市化建设急速发展,由于强降雨导致的城市轨道交通内涝,给轨道交通正常运营带来极大的安全隐患,基于雨水管理的海绵城市建设对解决车辆基地径流问题具有重要作用。基于NSGA-Ⅱ构建以径流总量控制率、节点超载总时间和LID工程总成本为目标函数的LID优化布置算法,从模型角度优化LID措施的组合方案及规模,避免情景方案中人工枚举不全面的问题;并以上海市某车辆基地为研究区域,探究区域的LID布设方案。模拟结果表明:耦合SWMM和优化算法可生成一系列兼顾上述三目标的LID布设方案,有效削减了区域雨水径流总量和洪峰流量,提高区域排水能力,为车辆基地的LID方案设计提供技术支持。

我国工业增加值季节波动非线性研究——基于SEATV-STAR模型

多数宏观经济变量时间序列有季节波动,如果季节波动是非线性的,采用经季节调整过的数据或传统季节模型等线性处理季节波动的方法可能就不再适用。本文基于季节时变平滑转换自回归(SEATV-STAR)模型,运用"特殊到一般"的非线性检验策略对我国工业增加值季度增长率季节波动进行研究。结果表明:(1)工业增加值的季节波动兼有结构时变和非线性改变,工业增加值的周期波动是线性的。(2)技术进步、体制变迁等因素使得工业增加值季节波动发生连续的结构时变,它们是季节波动变化的主要影响因素。(3)工业增加值周期波动对其季节波动有非对称影响;在工业增加值的波峰阶段,其季节波幅会减小,且1、2季度工业增长率有明显提高。

季节波动的线性与非线性方法比较研究——以出口波动为例

对季节成分的正确认识和恰当处理是利用时间序列进行宏观经济分析必不可少的一步。本文首次对比季节线性与季节非线性不同处理方式对经济变量带来的影响,探寻并证实季节非线性研究的重要性与必要性。以我国出口季度增长率数据为例,采用能同时刻画经济变量季节波动和周期波动都具有非线性特征的SEASTAR （季节平滑转换自回归）模型对其进行实证分析。研究表明：（1）基于RMSE和MAE评价标准统计量,无论是样本内拟合还是样本外多步预测,SEASTAR模型的效果都远远优于季节为线性的嵌套模型。（2）对“季节调整后”的出口额季度增长率采用STAR模型进行拟合,通过Kappa一致性检验发现：由STAR模型和SEASTAR模型得到关于出口额周期波动的非线性转换区间具有偏弱的一致性。因此,对季节波动具有非线性特征的时间序列,采用传统季节线性模型或季节线性处理方式,如X-11、X-12等季节调整法不一定是最佳选择甚至不再适用。