隧道行人安全流率研究北大核心CSSCI

当前行人流研究主要集中在危险发生之后疏散过程的优化,危险发生之前密集行人流的管理却少有关注。本文建立了隧道行人流多智能体仿真模型,模型依据行人离出口的距离以及单元格的拥挤程度定义行人获得的效用;然后,采用贝叶斯纳什均衡,找出每个行人预期效用最大的单元格并作为其移动的目标;接着,以某隧道行人流数据为背景,对模型有效性进行验证;最后,通过多场景仿真实验,并综合考虑行人的行走倾向,得出了隧道行人安全流率与隧道宽度之间的定量关系,即隧道宽度每增加1m,安全流率增长约3人/s。本文提出的模型可以很好地模拟密集状况下行人流,研究结论可为密集行人流管理提供参考。     

基于拍卖机制的灾害多主体合作搜救仿真研究

本文通过多主体仿真,用改进后的截断性莱维游走模型（Truncated Lévy walks）对搜索过程进行模拟,研究灾害为"极严重"、"严重"、"普通"三种情景下,搜救队伍之间基于分布式拍卖机制的合作方案对救援效果的影响,以某滑坡灾害频发地区为例进行仿真,结果表明：基于该合作机制的救援方案同比提高伤员相对生存率8.0%-14.5%,伤员救出比例同比提高7.4%-16.7%,各掩埋点平均救援完成时间同比减少25%-26.7%;与知名的F-Max-Sum算法相比,性能并无逊色,并且计算过程复杂度低,更适用于搜救队伍之间的合作;对救援方案的鲁棒性和敏感度分析还表明,搜索半径的变化对救援效率具有显著影响,搜救队伍合作范围的扩大并不会对救援效率有明显影响;掩埋点限定的挖掘时间和游走模型中最大转动角度两个参数都存在最优值,当达到最优值时,可使整体救援效率最高。     

软计算与硬计算融合的中国石油需求预测

近年来,随着我国经济的高速增长,石油作为重要的战略资源,在经济发展中发挥着越来越重要的作用。运用软计算和硬计算相融合的方法对我国2004—2015年的石油需求进行了预测。首先介绍了软计算和硬计算融合的串联模式,然后构建了影响我国石油需求(石油消费量)的主要指标,即国内生产总值(GDP)、人口总量、能源消耗量和居民消费水平。通过分析这些指标的数据特征,得出它们随时间的推移呈现增长的趋势。根据这一结论,运用软计算和硬计算融合中的串联模式,用硬计算中的龚珀资(Gompertz)增长曲线预测法来预测影响石油需求的4个指标以及石油需求量2004—2015年的值。在这些数据的基础上,再用软计算中的BP人工神经网络,对我国2004-2015年的石油需求量进行了预测。最后通过对HC和SC预测的石油需求量进行加权平均,得到了最终的预测结果。     

油套管回收车辆路径问题及基于清除小生境差分演化求解算法研究

在现实的油田生产作业中，为了避免由于物资短缺造成油井工作无法继续等问题的发生，仓库往往会配送比计划需求量多的油管和套管（简称油套管），未使用的油套管若不能有效回收，会造成极大的资源浪费。但是，若回收油套管发生的成本高于油套管本身的价值，油套管回收工作也变得徒劳。基于此，本文建立考虑油套管回收价值的车辆路径问题模型，并设计基于清除小生镜技术的差分演化算法，求解得到合理的油套管回收方案。然后以中石化华北分公司鄂尔多斯盆地南部油田的油套管回收问题为例，求解得到包括17条回收路径的94口油井的油套管回收方案，其中总运输费用为3.72万元，远低于待回收油套管的价值15.03万元，实现了资源的有效回收。最后对模型进行灵敏度分析以验证模型的鲁棒性。本文的求解结果不仅对油田行业具有节约资源、降低成本的现实意义，也拓展了逆向物流的理论研究。     

储层含油性识别的数据驱动灰色关联预测方法

文章提出了一种以数据驱动的灰色关联预测方法,并以某油田的Oilsk81井的测井数据为学习数据,以Oilsk83井的测井数据为测试数据,预测结果与测试数据的实际结果完全符合。     

基于模糊聚类和粗糙集提取我国经济增长的模糊规则

提出了一种基于模糊软分类和粗糙集理论来提取模糊规则的一种算法.该算法分为3个步骤①通过模糊软分类对样本进行模糊划分,得到隶属度矩阵;②运用粗糙集理论和得到的隶属度矩阵生成初始决策表;③简化决策表,提取规则.最后运用该算法提取我国经济增长的模糊规则.     

模糊软分类中最佳聚类数的确定

利用迭代自组织分析技术(ISODATA)和遗传算法(GA)嵌套构成遗传—迭代自组织分析技术(GA ISODATA)共同执行模糊C-均值的优化算法,该方法不仅能够在给定预分类数的前提下实现最佳分类,而且在完全不需要人工干预的环境下直接得到模糊C-均值(FCM)中最佳分类数.理论证明和实际应用都表明该方法是一种对复杂经济系统实行软分类的有效方法.     

GA-GP融合的演化建模在经济增长预测中的应用

影响经济增长的因素是多方面的,这些因素之间对经济增长的影响存在着错综复杂的依存和制约关系。经济要素投入和产出之间不仅仅是简单的线性关系,而是未知的复杂的非线性关系,这给经济增长的定量预测带来了困难。现行的预测方法很多,主要有时间序列分析法、回归分析法、灰色系统预测法以及人工神经网络预测等,但存在拟合精度不高或泛化能力不强等问题。