人群疏散行为仿真技术研究

提出并建立了一种人群疏散仿真模型。针对疏散空间中障碍物的动态布局,采用网格法获得各障碍物包围盒坐标,依据最短路径原则采用几何法确定每个个体起始疏散路径,解决了人群疏散的空间连续性问题。针对人群疏散时个体之间的差异性,依据个体与个体之间的作用力、摩擦力动态改变个体的行进方向,以及依据人群密度采用人群疏散速度模型实时确定每个个体的运动速度,解决了个体之间的动态避碰、绕行和超越等问题。针对人群疏散时多个出口的选择问题,提出了把出口拥挤状态与个体心理慌乱状态相结合的出口选择方法。最后采用粒子系统实现了上述人群疏散行为的二维仿真并取得了较好的效果。     

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归(VAR)模型的多参数融合水质异常检测算法。VAR模型是自回归(AR)模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。     

基于长短时记忆网络的水质预测模型研究

在当前水质数据急剧增加的背景下,为了挖掘水质时间序列中的更多信息,提升水质预测的精度,构建了基于缺失值填补算法和长短时记忆网络(LSTM)相结合的水质预测模型。通过缺失值填补算法进行水质数据的缺失值处理,利用LSTM网络分别构建不同水质参数的预测模型,以太湖水质监测数据为样本,对模型进行检验。结果表明,基于缺失值填补算法-LSTM的水质预测模型适应性强,相较传统SVM、BP神经网络、RNN、LSTM模型预测精度更高,对水环境保护具有重要意义。