简介:摘要:区别于传统的基于单车历史数据的时间序列预测模型,本文创新性的引入了高德地图POI数据,将共享单车运营数据与POI数据通过真实地理坐标关联起来,并使用了机器学习方法,搭建并训练了多层神经网络模型来对POI数据与单车数据进行学习,挖掘二者之间的潜在关系,用于进行区域单车出发量和到达量的预测。使用了相关系数R2和均分误差MSE来对模型预测结果进行评价,模型在测试集上R2可达0.8,而在训练集上可达0.95,充分证明模型有效性。
简介:摘要:针对航空管制雷达驱动机构中的轴承实际工作环境中往往环境噪声较大,严重制约了信号的分析,影响最终的信号分析与判断的问题,本文提出了一种基于完全集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)和长短期记忆网络(LSTM,Long Short-Term Memory)的滚动轴承剩余寿命预测方法。以PHM2012滚动轴承数据集为实验数据,利用采集到三种不同工况下的X轴和Y轴振动信号,利用 CEEMDAN对振动信号分解并筛选主要 IMF分量,计算前 7阶 IMF分量的能量熵作为特征向量;最后将特征向量LSTM进行寿命预测。实验结果表明本文提出的模型有效,为工程应用中滚动轴承剩余寿命预测提供参考。
简介:摘要:“十四五”民政事业发展规划中强调,“全面加强和创新基层社会治理,助力国家治理效能实现新提升。” 夯实基层社会治理基础,强化城乡社区治理和服务体系建设,更好发挥社会组织在社会治理中的作用,畅通社会工作者和志愿者参与社会治理的途径,发展慈善事业,优化行政区划设置,推动建设人人有责、人人尽责、人人享有的基层社会治理共同体。
简介:摘要:党的十九届五中全会对“十四五”时期经济社会发展做出的展望中,明确提出了加强基层社会治理队伍建设,构建网格化管理、精细化服务、信息化支撑、开放共享的基层管理服务平台的要求,因此促进社会和谐稳定,实行城市网格化治理已成为转变政府职能,加强社会治理的迫切需要。
简介:摘要:本文旨在探讨基于人工智能的电气故障诊断与预测研究。首先,介绍了人工智能在电气故障诊断与预测领域的应用背景及目的。接着,阐述了故障诊断与预测所面临的问题和挑战,并针对这些问题提出了基于人工智能的解决方案。本文的主要研究方法是利用专家系统、神经网络和深度学习等人工智能技术进行电气故障诊断与预测。这些方法能够对大量的历史故障数据进行学习,自动化地识别和预测电气设备的故障。最后,本文分析了实验结果,证明了基于人工智能的电气故障诊断与预测的有效性和可靠性。本文的研究成果将为电气故障诊断与预测领域的进一步发展提供重要的理论和实践指导。
简介:摘要:在隧道开挖过程中,通过掌子面推进不断揭露的地质情况进行前方地质预测对提高隧道掘进的安全性具有重要作用。工程实践中,准确的进行掌子面前方地质演化预测需要工程师具有坚实的地质理论基础和丰富的实践经验,具备这两点要求的现场工程师是十分匮乏的。基于机器学习技术,项目提出一种利用掌子面地质参数进行前方地质判断的方法;能综合分析岩性、岩层产状及节理裂隙、断层、围岩变形及失稳和渗水指标,通过ResNet模型、U-Net模型、LSTM循环神经网络模型和Google Earth平台获取岩性、岩层产状及节理裂隙、断层、围岩变形及失稳和渗水信息;学习评分标准判断地质变化情况,综合分析评价前方待掘进地质,为施工提供可靠的预测信息,从而提高隧道施工的安全性。
简介:摘要:在卷烟工艺处理期间,通过对制丝线关键工艺参数作出调整,可确保产品质量稳定,保证烟支物理指标。外界环境对卷烟厂制丝车间环境湿度和温度产生较大影响,调控制丝水分多凭借人工经验完成,若天气变化较大时,并不能准确的预测处理叶加料工序的烟片所需水分,以满足实时环境下烘丝入口水分要求。本文提出基于回归分析法,依据烘丝区域环境温度、湿度值的变化,建立预测叶加料出口水分模型,指导短期内的加料出口水分调控。