智能网联汽车的自主换道控制研究

针对智能网联车在极限工况下自主换道控制的精确性以及稳定性,提出了基于自适应鲁棒滑模的车辆换道控制方法。对RBF神经网络做了输入有界映射改进,提高了神经网络的灵敏度;利用改进后的神经网络对车辆参数的不确定性进行估计,提高了系统的稳定性;设计了基于改进神经网络的干扰观测器,可以快速、准确地估计出外界时变干扰并进行补偿,有效降低了抖振现象;构造Lyapunov函数证明设计的控制器可以保证被控系统的稳定性。通过数值仿真以及联合仿真进行验证,表明所提方法可以保证车辆满足换道需求,控制效果良好,有较强的鲁棒性。     

多通道特征融合卷积神经网络的齿轮箱故障诊断

针对一维数据的卷积神经网络故障诊断方法无法十分准确地识别齿轮箱故障类型的问题,提出一种二维振动信号的多通道特征融合卷积神经网络(MC-FFCNN)算法。采用格拉米角场将传感器获取的一维振动信号转换为二维矩阵,将矩阵中的数值作为像素值转换为灰度图从多个通道输入卷积神经网络,经过多个卷积层、池化层及增加的融合层,导出各通道的融合数据到全连接层。在试验中,通过对多个故障数据进行训练与测试,实现齿轮箱单一故障的诊断。将诊断结果与单通道的卷积神经网络诊断结果进行比较分析,结果显示：所提方法的故障诊断准确率更高。     

多维相对贫困的精准测度与分解

缓解相对贫困是实现共同富裕的基本前提。构建包含心理健康、环境质量等要素的多维相对贫困指标体系,借鉴A-F贫困框架体系,利用中国家庭追踪调查（CFPS）数据,引入机器学习中的随机权神经网络（NNRW）法,精准测度并分解中国城乡间、区域间居民的多维相对贫困广度、深度和强度水平。研究发现：无论城乡间还是区域间,随着相对贫困维度的增加,多维相对贫困的广度、深度和强度指数均呈下降趋势,表明发生极端多维相对贫困的居民数量逐渐递减。同时,居民多维相对贫困指数呈“西高东低”态势,全国居民多维相对贫困水平大致与中部地区相当;农村居民的多维相对贫困水平显著高于城镇居民,且农村居民的多维相对贫困程度与西部地区相当;城镇居民的多维相对贫困水平大致与东部地区相当。此外,多维相对贫困指数分解结果显示,金融产品、生活环境、耐用品和人均纯收入等因素是城乡间、区域间居民发生相对贫困的主因,但是致贫主因对贫困广度、深度和强度的贡献率有所差别。研究结论为制定解决多维相对贫困长效机制提供了理论参考和政策依据。     

构建在孵企业的动态评价模型

研究旨在促进和规范孵化器的发展,提出一种对被孵化企业的入选、毕业、和进入社会后的稳定性进行评价的动态指标体系模型。其指标体系应是在管理者,科技创新和企业制度的动态演化过程中不断变化的。动态考虑企业的建立和发展是在四种力的作用下完成的。并建立评价指标体系模型,使之具有可操作性。     

基于希金斯可持续成长模型的企业财务危机预警实证研究

基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据,本文对Higgins模型综合指标进行单变量分析,证实了该模型的预警可行性;然后根据四项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推,以考察希金斯可持续成长模型是否能够用于企业财务危机预警。研究表明,四项因素驱动指标在ST前两年具有较高的分类准确性,Higgins模型能够为开发标准化预警指标体系提供参考。     

旅游电商对产品区域异质性的提升策略研究--基于大数据与数据可视化方法

基于大数据和数据可视化方法,分析旅游电商在旅游产品上的运营情况,并为其提出针对不同地域产品的改进性提升策略:利用探索性因子分析评估各省旅游业差异性发展情况,并利用热力图进行数据可视化分析,以在空间上评价全国旅游业的区域异质性;为评估电商旅游产品的运营水平是否与当地旅游发展水平相适应,将电商数据进行基于神经网络的建模,根据模型所得出的等级评估结果,对不同地区建议改进不同的电商产品;以江苏省跟团游产品的评论文本为例,进行文本挖掘及词云绘制,最终提出对该产品有别于线下的针对性的产品提升策略建议。     

中国油菜产业风险预警研究——基于BP神经网络

根据风险预警体系的一般组成结构,分析了油菜市场风险预警体系的组成。从油菜籽供给与需求的因素以及宏观经济、国家政策与国际市场等影响油菜籽市场价格的因素出发,以油菜籽收购价格的波动率作为油菜产业市场风险预警的警情指标,构建了中国油菜产业市场价格风险预警的指标体系。运用BP神经网络分析1990-2007年的样本,对油菜产业风险预警进行实证研究,验证了利用BP神经网络构建的风险预警模型具有实用性和可行性,从而为中国油菜产业风险预警构建了一个有效的模型。     

基于BP神经网络的乡村公路工程造价模型研究

以乡村公路的路基工程为例,就如何利用BP神经网络来建立乡村公路工程造价模型进行了研究。在应用BP神经网络时,收集了合适的实例样本数据,并通过对模型进行训练、检验和修正,获得了较好的预测结果。结论表明,应用BP神经网络可有效解决乡村公路的工程造价估算问题。     

基于遗传神经网络的工业股票指数预测

结合遗传算法与倒传递神经网络进行工业股票指数预测 ,使用 5个输入变量 :周成交额增减幅、周振荡幅度、周涨跌幅、5日EMA波动、DIF波动值 ,并将下周涨跌幅设为输出目标进行训练 ,以取得较理想的预测结果。对于传统上选择适合的神经网络拓扑结构效率较低的问题 ,本文对于遗传算法的引入大大提高了搜索到最优结构的速度。     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。