-
题名交通流多时间尺度特性分析与参数模型研究
被引量：5
- 1
-
-
作者
曹洁
孙兆军
张红
陈作汉
侯亮
-
机构
兰州理工大学计算机与通信学院
甘肃省城市轨道交通智能运营工程研究中心
甘肃省制造业信息化工程研究中心
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第2期19-22,共4页
-
基金
国家自然科学基金资助项目(61263031)
甘肃省高校科研项目(2016B-031)。
-
文摘
为揭示交通流的内在动态特性,利用符号动力学中的Lempel-Ziv算法计算不同时间尺度下的交通流时间序列复杂度,并基于相关性理论分析方法,探索了交通流在时间和空间上的相关性。针对经典的单段函数模型无法准确表征不同交通状态下交通流参数关系的问题,提出了一种二阶段交通流参数关系模型。采用Pe MS系统采集的交通流数据,运用非线性最小二乘法对交通流量—密度关系进行拟合。实验结果表明:本文模型的拟合性能均优于其他四种模型。从根均方误差(RMSE)可见,模型的拟合标准误差较单段3PL模型平均降低了7.6%,表明模型能较好地表示不同交通状态的参数关系,建立的参数模型对交通状态判别和短时预测具有实际的应用价值。
-
关键词
交通流
Lempel-Ziv算法
相关性理论
特征分析
参数模型
-
Keywords
traffic flow
lempel-Ziv algorithm
theory of correlation
characteristics analysis
parameter model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于IFA优化RBF神经网络的短时交通流预测模型
被引量：3
- 2
-
-
作者
曹洁
张敏
张红
陈作汉
侯亮
-
机构
兰州理工大学计算机与通信学院
甘肃省城市轨道交通智能运营工程研究中心
甘肃省制造业信息化工程研究中心
-
出处
《兰州理工大学学报》
CAS
北大核心
2022年第4期99-104,共6页
-
基金
国家自然科学基金(61763028),甘肃省自然科学基金(20JR5RA450)。
-
文摘
针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.
-
关键词
智能交通系统
交通流
短时预测
RBF神经网络
改进的萤火虫算法
混沌搜索
-
Keywords
intelligent transportation system
traffic flow
short-term prediction
RBF neural network
improved firefly algorithm
chaotic search
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进FCM的交通流缺失数据修复方法
被引量：2
- 3
-
-
作者
曹洁
尹阳阳
张红
陈作汉
侯亮
-
机构
兰州理工大学计算机与通信学院
甘肃省城市轨道交通智能运营工程研究中心
甘肃省制造业信息化工程研究中心
-
出处
《传感器与微系统》
CSCD
2020年第10期54-57,共4页
-
基金
国家自然科学基金资助项目(61263031)
甘肃省高校科研项目(2015B-031)。
-
文摘
针对传统模糊C均值(FCM)算法中聚类数目和模糊度指数由先验知识人为确定而影响聚类结果精度的问题,提出一种改进FCM的交通流缺失数据修复方法。首先根据模糊决策理论,使用FCM目标函数和划分熵共同确定最优模糊度指数;其次利用模拟退火算法优化FCM的聚类数目;最后结合交通流数据的时空相关性提升修复效果。以美国加州运输局运行监测系统提供的高速公路交通数据为研究对象,实验结果表明:该方法克服了传统FCM算法全局搜索能力不足的问题,与传统FCM算法相比,其均方根误差降低了约30%。
-
关键词
模糊C均值(FCM)
交通流缺失数据
数据修复
模糊决策
模拟退火算法
-
Keywords
fuzzy C-means(FCM)
traffic flow missing data
data repair
fuzzy decision
simulated annealing algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于VMD和SVPSO-BP的滚动轴承故障诊断
被引量：21
- 4
-
-
作者
曹洁
张玉林
王进花
余萍
-
机构
兰州理工大学计算机与通信学院
兰州理工大学电气工程与信息工程学院
甘肃省城市轨道交通智能运营工程研究中心
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第9期294-301,共8页
-
基金
国家自然科学基金(61763028
62063020)
甘肃省自然科学基金(20JR5RA463)。
-
文摘
为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解(VMD)和缩放变异粒子群算法(SVPSO)优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法(SVPSO),再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。
-
关键词
风电机组
故障诊断
特征提取
滚动轴承
BP神经网络
粒子群算法
-
Keywords
wind turbines
fault diagnosis
feature extraction
rolling bearings
BP neural networks
PSO
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TH133.33
[机械工程—机械制造及自动化]
-
