期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KNN-BP神经网络车辆驻留时间预测立体车库RGV待命位策略
1
作者
后国栋
李建国
《科学技术与工程》
北大核心
2025年第24期10478-10486,共9页
平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighb...
平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighbor, KNN)-BP神经网络预测模型,以是否为工作日、工作日特殊时段(如早高峰、晚高峰),气温,降水4个方面作为特征向量,采用二进制集合转换构建各特征向量集,通过KNN对异常数据进行分组,提高BP神经网络预测精度,并基于预测时间建立出库概率分布,设定区域优先级参数以及RGV(rail guided vehicle)待命位策略。编写仿真程序,以西安小寨某商用立体车库运行数据进行验证,仿真结果表明:KNN-BP神经网络预测模型R^(2)较传统BP神经网络提高了20.23%,设计待命位策略下较无待命位策略顾客平均等待时间减小35.82%,RGV平均服务时间降低39.51%,RGV运行能耗降低38.32%;较文献引用策略顾客平均等待时间减小14.18%,RGV平均服务时间降低13.29%,RGV运行能耗降低20.89%。研究成果为提高立体车库车运行效率提供参考。
展开更多
关键词
交通工程
立体车库
待命位
k-
近邻
算法
(
knn
)
-
反向
传播
(
bp
)
神经网络
RGV
在线阅读
下载PDF
职称材料
基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术
被引量：
3
2
作者
孙长敏
戴宁
+5 位作者
沈春娅
徐开心
陈炜
胡旭东
袁嫣红
陈祖红
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第7期72-77,共6页
为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特...
为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。
展开更多
关键词
织布车间
织物质量
k-
近邻
算法
粒子群
-
反向
传播
神经网络
算法
织物质量预测
在线阅读
下载PDF
职称材料
题名
基于KNN-BP神经网络车辆驻留时间预测立体车库RGV待命位策略
1
作者
后国栋
李建国
机构
兰州交通大学自动化与电气工程学院
出处
《科学技术与工程》
北大核心
2025年第24期10478-10486,共9页
基金
中国高校产学研创新基金蓝点分布式智能计算项目(2021LDA07002)
甘肃省自然科学基金(20JR5RA396)
+2 种基金
教育部供需对接就业育人项目(20230106827)
兰州交通大学2021年研究生精品课程建设项目(202102)
甘肃省教育厅2023年高等学校创新创业教育示范课程(202306)。
文摘
平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighbor, KNN)-BP神经网络预测模型,以是否为工作日、工作日特殊时段(如早高峰、晚高峰),气温,降水4个方面作为特征向量,采用二进制集合转换构建各特征向量集,通过KNN对异常数据进行分组,提高BP神经网络预测精度,并基于预测时间建立出库概率分布,设定区域优先级参数以及RGV(rail guided vehicle)待命位策略。编写仿真程序,以西安小寨某商用立体车库运行数据进行验证,仿真结果表明:KNN-BP神经网络预测模型R^(2)较传统BP神经网络提高了20.23%,设计待命位策略下较无待命位策略顾客平均等待时间减小35.82%,RGV平均服务时间降低39.51%,RGV运行能耗降低38.32%;较文献引用策略顾客平均等待时间减小14.18%,RGV平均服务时间降低13.29%,RGV运行能耗降低20.89%。研究成果为提高立体车库车运行效率提供参考。
关键词
交通工程
立体车库
待命位
k-
近邻
算法
(
knn
)
-
反向
传播
(
bp
)
神经网络
RGV
Keywords
traffic engineering
three
-
dimensional garage
standby position
k-
nearest neighbor(
knn
)
-
back propagation(
bp
)neural network
rail guided vehicle(RGV)
分类号
U491.7 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术
被引量：
3
2
作者
孙长敏
戴宁
沈春娅
徐开心
陈炜
胡旭东
袁嫣红
陈祖红
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江康立自控科技有限公司
浙江天衡信息技术有限公司
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第7期72-77,共6页
基金
浙江省博士后科研项目(ZJ2021038)
浙江省“尖兵”“领雁”研发攻关计划资助项目(2022C01065
+1 种基金
2022C01202)
浙江理工大学科研启动基金项目(23242083-Y)。
文摘
为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。
关键词
织布车间
织物质量
k-
近邻
算法
粒子群
-
反向
传播
神经网络
算法
织物质量预测
Keywords
weaving workshop
fabric quality
k-
nearest neighbor algorithm
particle swarm optimization
-
back propagation neural network algorithm
fabric quality prediction
分类号
TS103.3 [轻工技术与工程—纺织工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KNN-BP神经网络车辆驻留时间预测立体车库RGV待命位策略
后国栋
李建国
《科学技术与工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术
孙长敏
戴宁
沈春娅
徐开心
陈炜
胡旭东
袁嫣红
陈祖红
《纺织学报》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
