-
题名汽车维修企业“三废”处理技术研究
- 1
-
-
作者
洪青龙
-
机构
厦门市翔安区运输事业发展中心
-
出处
《时代汽车》
2024年第16期19-21,共3页
-
文摘
随着汽车产业的快速发展,汽车维修过程中产生的废气、废水和废渣等“三废”问题日益严重,对环境和人体健康造成潜在威胁。因此,研究并应用高效的“三废”处理技术对于促进汽车维修行业的绿色发展和可持续发展具有重要意义。文章首先分析了汽车维修企业“三废”处理的必要性。其次,分析了汽车维修企业“三废”来源及特点。再次,针对汽车维修企业“三废”处理技术从三个方面进行了研究。通过本研究,不仅有助于汽车维修企业提高“三废”处理效率,降低环境污染,还能为相关政策的制定和行业的绿色发展提供理论支持和实践指导。
-
关键词
汽车维修企业
“三废”处理
-
Keywords
Automobile Maintenance Enterprise
"Three Wastes"Treatment
-
分类号
F42
[经济管理—产业经济]
-
-
题名基于SVR的逐日网约车服务需求预测方法
被引量：1
- 2
-
-
作者
文琰杰
许旺土
张晓阳
蔡伟兵
-
机构
厦门大学建筑与土木工程学院
厦门市运输事业发展中心
厦门市卫星定位应用股份有限公司出租车事业部
-
出处
《城市建筑》
2021年第10期50-54,共5页
-
文摘
为提高网约车平台整体运营效率,增加网约车司机收入,改善城市交通出行环境,针对网约车服务需求进行逐日预测研究。首先,对司机订单数此类非集计类型数据进行聚合,获取各网约车平台订单量统计数据;其次,考虑不同网约车平台的运力差异,提出基于不同核函数的支持向量机回归模型(SVR),并结合网格搜索法选取最优超参数,构造基于逐日网约车服务需求预测模型;最后,以厦门市网约车服务需求数据为例,引入BP神经网络模型与自回归移动平均混合模型(ARIMA)进行对比。实验结果表明:针对不同网约车平台,带不同核函数的SVR表现性能不同,整体上带径向基核函数(rbf)的SVR具备较好的预测性能,其平均相对误差约10%;针对不同的时序模型进行对比,其在逐日服务需求预测性能上表现存在差异,其中自回归移动平均混合模型整体趋势接近标签值,但在预测精度方面差与BP神经网络以及带核函数的SVR,整体上带核函数的SVR优于其他两类时序模型。
-
关键词
城市交通
网约车
逐日预测
支持向量机回归模型
核函数
-
Keywords
urban traffic
network appointment
daily forecast
supporting vector machine regression model
core function
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
