造價(jià)通
更新時(shí)間：2025.01.05
基于SVR的電梯交通流時(shí)間序列預(yù)測(cè)

格式：pdf

大?。?span class="single-tag-height">480KB

頁數(shù)： 5頁

為了使電梯群控系統(tǒng)更好地跟蹤電梯交通流的變化以提高群控系統(tǒng)的性能,提出了基于支持向量回歸(Support Vector Regression,SVR)的電梯交通流預(yù)測(cè)方法。針對(duì)電梯交通流時(shí)間序列小樣本的特性,考慮了電梯交通流的橫向和縱向變化趨勢(shì),采用SVR算法建立了電梯交通流時(shí)間序列的預(yù)測(cè)模型。給出了預(yù)測(cè)的評(píng)價(jià)指標(biāo),研究了SVR模型中的參數(shù)對(duì)預(yù)測(cè)效果的影響,利用試驗(yàn)尋優(yōu)的方法確定了SVR預(yù)測(cè)模型的最優(yōu)參數(shù)。最后,與電梯交通流RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了比較研究,分析了數(shù)據(jù)樣本中波動(dòng)較大部分的預(yù)測(cè)效果,結(jié)果表明SVR算法比RBF神經(jīng)網(wǎng)絡(luò)方法具有更好的預(yù)測(cè)性能、泛化能力和魯棒性,實(shí)現(xiàn)了電梯交通流較好的擬合和預(yù)測(cè)。

電梯乘客平均逗留時(shí)間的研究

格式：pdf

大小：195KB

頁數(shù)： 4頁

本文以高峰期的交通模式為例,根據(jù)大樓參數(shù)、電梯參數(shù)、交通流參數(shù)確定電梯的服務(wù)率與乘客到達(dá)率的函數(shù)關(guān)系,然后運(yùn)用二分法迭代求解乘客到達(dá)率,最后運(yùn)用排隊(duì)論相關(guān)知識(shí),根據(jù)乘客到達(dá)率與電梯服務(wù)率,確定成批量服務(wù)的平均逗留時(shí)間的數(shù)學(xué)模型。

熱門知識(shí)

電梯等候時(shí)間 造價(jià)

最新知識(shí)

電梯等候時(shí)間 造價(jià)
點(diǎn)擊加載更多>>

相關(guān)問答

電梯等候時(shí)間 造價(jià)
點(diǎn)擊加載更多>>
專題概述
電梯等候時(shí)間 造價(jià)相關(guān)專題

分類檢索：