交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensatio...交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.展开更多
计算流体动力学与刚体动力学(Computational Fluid Dynamics and Rigid Body Dynamics,CFD/RBD)耦合仿真是旋转弹飞行性能评估的常用方法之一,但由于需要进行大量CFD计算,该方法效率较低。建立一个高效、精确且泛化能力强的气动力模型...计算流体动力学与刚体动力学(Computational Fluid Dynamics and Rigid Body Dynamics,CFD/RBD)耦合仿真是旋转弹飞行性能评估的常用方法之一,但由于需要进行大量CFD计算,该方法效率较低。建立一个高效、精确且泛化能力强的气动力模型并以之替代耦合仿真中的CFD模块,可以大幅度提升仿真效率。针对前述旋转弹气动力建模问题,提出一种结合系统辨识和迁移学习的建模方法。给定旋转弹运动初始条件并采用CFD/RBD耦合仿真获得样本,采用自回归滑动平均方法建立原始气动力模型,同时采用长短时记忆网络建立状态预测模型。当初始条件变化不大时,原始气动力模型仍然适用;当初始条件发生较大改变时,利用迁移学习将状态预测模型迁移到该初始条件下,并预测相应初始条件下的状态参数,基于预测得到的状态参数,采用自回归滑动平均方法建立气动力模型。算例结果表明:所提方法适用于初始转速和俯仰角变化较大时对旋转弹气动力的精确建模;与直接以CFD/RBD耦合仿真结果为样本、采用自回归滑动平均方法建模相比,在精度相同时建模时间缩短了一半。展开更多
文摘目的运用自回归积分滑动平均模型(Autoregressive Intergrated Moving Average,ARIMA)建立月平均住院费用和住院日的医学经济学模型,为医院精细化管理提供依据。方法利用R4.0.2软件对2017年1月—2021年12月四川大学华西医院宜宾医院(宜宾市第二人民医院)的平均住院费用和住院日数据建立时间序列ARIMA预测模型。结果住院费用最优模型为ARIMA(0,1,1),赤池信息准则(Akaike information criterion,AIC)=924.35,贝叶斯信息准则(Bayesian Information Criterion,BIC)=928.51,残差Ljung-Box Q=12.51(P=0.768),可认为残差序列为白噪声。平均住院日的最优模型为ARIMA(5,1,1),AIC=87.49,BIC=104.11,残差Ljung-Box Q=10.05(P=0.612),可认为残差序列为白噪声。2022年1—12月实际值与预测值基本吻合,月人均住院费用和人均住院日的平均相对误差为0.55%、0.29%。结论建立基于时间序列ARIMA模型能够为合理配置卫生资源提供强有力的数据支撑。
文摘计算流体动力学与刚体动力学(Computational Fluid Dynamics and Rigid Body Dynamics,CFD/RBD)耦合仿真是旋转弹飞行性能评估的常用方法之一,但由于需要进行大量CFD计算,该方法效率较低。建立一个高效、精确且泛化能力强的气动力模型并以之替代耦合仿真中的CFD模块,可以大幅度提升仿真效率。针对前述旋转弹气动力建模问题,提出一种结合系统辨识和迁移学习的建模方法。给定旋转弹运动初始条件并采用CFD/RBD耦合仿真获得样本,采用自回归滑动平均方法建立原始气动力模型,同时采用长短时记忆网络建立状态预测模型。当初始条件变化不大时,原始气动力模型仍然适用;当初始条件发生较大改变时,利用迁移学习将状态预测模型迁移到该初始条件下,并预测相应初始条件下的状态参数,基于预测得到的状态参数,采用自回归滑动平均方法建立气动力模型。算例结果表明:所提方法适用于初始转速和俯仰角变化较大时对旋转弹气动力的精确建模;与直接以CFD/RBD耦合仿真结果为样本、采用自回归滑动平均方法建模相比,在精度相同时建模时间缩短了一半。
