【文章內(nèi)容簡介】 面具有十分重要的現(xiàn)實意義。，主要通過修改現(xiàn)有的氣動設(shè)計模型中的目標(biāo)函數(shù)，考慮它們對MPPT控制性能的影響，完成了風(fēng)輪氣動參數(shù)與MPPT控制一體化設(shè)計。第二篇：預(yù)答辯演講稿研究背景近年來，我國的會展旅游發(fā)展迅猛，尤其在一些會展業(yè)發(fā)達的地區(qū)，會展業(yè)對經(jīng)濟的帶動作用達到1:9的水平。據(jù)不完全統(tǒng)計，九十年代以來我國會展旅游業(yè)每年增長達20%左右，遠遠超過我國其他領(lǐng)域經(jīng)濟總量的增長。會展業(yè)已經(jīng)成為我國經(jīng)濟的新亮點。并開始逐步走向國際化、規(guī)?；?、專業(yè)化和品牌化。會展旅游不僅能提高一個國家和城市的知名度，對一個國家或地區(qū)的經(jīng)濟社會發(fā)展也具有很強的推動作用，中國會展業(yè)具有光明的發(fā)展前景。會展經(jīng)濟的發(fā)展已經(jīng)越來越多的引起政府和相關(guān)部門的高度重視，相關(guān)政策和措施陸續(xù)出臺。《國家“十二五”規(guī)劃》再次對我國會展業(yè)的發(fā)展做出戰(zhàn)略性的規(guī)劃，“十二五”時期，中國會展業(yè)進入了發(fā)展的快車道。2015年，中國會展業(yè)產(chǎn)值規(guī)模已達到3000億元。面臨的問題在會展業(yè)發(fā)展如火如荼的時候，我國會展業(yè)的管理仍然處在初級階段，會展舉辦期間，在舉辦地短時間內(nèi)聚集了大量的人流，人群密度大，人群聚集可能導(dǎo)致會展擁堵踩踏事件發(fā)生，群體性恐慌 擁擠、踩踏會展活動風(fēng)險事故管理面臨嚴(yán)峻考驗以下表11是我國2001年至2013年間統(tǒng)計的因為會展活動引發(fā)的人員傷亡事故。人員傷亡事故多達144起，死亡人數(shù)多至93人?？梢?，在會展期間維持正常的參觀秩序，保證人員安全就顯得尤為重要。這就要求有關(guān)政府部分盡快完善會展相關(guān)的管理方式，讓會展行業(yè)有序的發(fā)展，盡快實現(xiàn)會展業(yè)的智能化管理。研究意義如何更為有效保障會展高峰時期參觀者的安全，維持正常的參觀秩序，并實現(xiàn)大量人流的管理與疏導(dǎo)，是會展管理部門重點關(guān)注的問題，其中，會展入口人流量控制和疏導(dǎo)是重要方面。如果能及時準(zhǔn)確預(yù)知未來時刻會展入口的人流量，就能讓管理者提前做好防范措施，比如：人流量少時，開放部分入口閘門，節(jié)省人力、物力；人流量多時，增加入口閘門開放數(shù)或者減少/停止售票等等。這樣有利于合理利用會展資源，同時實現(xiàn)會展入口人流量的控制與疏導(dǎo)，減少擁堵與踩踏事件發(fā)生，提高了旅游者的參觀質(zhì)量，對實現(xiàn)會展旅游的智能化管理具有十分重要的意義。會展入口短時人流量的特性分析 第二章，首先分析了會展入口短時人流量的特性，通過分析發(fā)現(xiàn)具有：不確定性、時變性、隨機性、周期性、混沌性等特性 預(yù)測模型建立的原則接著對會展入口短時人流量預(yù)測模型的原則進行了分析，模型應(yīng)該具有：實時性原則、準(zhǔn)確性原則、抗噪聲能力、可移植性原則、歷史數(shù)據(jù)少等特點 預(yù)測模型的選擇接著整理總結(jié)了目前所有預(yù)測模型的優(yōu)缺點，發(fā)現(xiàn)單一模型總是存在這樣那樣的不足，而融合模型取長補短，在短時流量預(yù)測中既可以提高預(yù)測精度又可以保證預(yù)測誤差的穩(wěn)定性?；趯谷肟诙虝r人流特征的分析以及己有預(yù)測模型的綜合比較，發(fā)現(xiàn)融入模型中的小波神經(jīng)網(wǎng)絡(luò)模型既具有小波良好的時—頻局部特性和變焦能力，又有神經(jīng)網(wǎng)絡(luò)極強的非線性、自學(xué)習(xí)能力和相對較高的預(yù)測精度，對非線性變化的數(shù)據(jù)序列不用建立精確模型就能進行預(yù)測，這一特征恰好符合入口短時人流數(shù)據(jù)的隨機性和難以建立精確模型這一特性。實驗預(yù)處理第三章主要講數(shù)據(jù)預(yù)處理（1月26至2月1，每天14:0022:00的入口人流量數(shù)據(jù)，每15分鐘取1個數(shù)據(jù)，7天共231個數(shù)據(jù)），在確定了會展入口短時人流量預(yù)測模型的基礎(chǔ)上，對實驗數(shù)據(jù)進行了預(yù)處理，因為在人流量數(shù)據(jù)的采集、傳輸過程中，由于設(shè)備故障、傳輸錯誤、噪聲干擾等原因會使采集到的數(shù)據(jù)無法按照一定時間間隔上傳或者上傳錯誤，最終導(dǎo)致數(shù)據(jù)采集錯誤現(xiàn)象的發(fā)生，而采集的數(shù)據(jù)質(zhì)量直接影響到預(yù)測的精度，所以必須對數(shù)據(jù)進行處理，一般分為修復(fù)和去噪兩步。這是修復(fù)后與修復(fù)前數(shù)據(jù)對比圖。接著對修復(fù)后數(shù)據(jù)進行小波去噪。這是數(shù)據(jù)小波分解，隨機噪聲主要集中在d1層，加大d1層的閾值，這是降噪后與原始信號對比圖。數(shù)據(jù)歸一化處理接著對數(shù)據(jù)進行歸一化處理，主要是為了加快網(wǎng)絡(luò)的訓(xùn)練速度，將實驗數(shù)據(jù)歸一化在[1,1]之間。這是歸一化代碼。表35是部分自貢燈會入口人流量數(shù)據(jù)歸一化結(jié)果。小波神經(jīng)網(wǎng)絡(luò)各層節(jié)點的選擇在第四章簡要介紹了小波神經(jīng)網(wǎng)絡(luò)的原理及學(xué)習(xí)算法推導(dǎo)過程，重點分析了小波神經(jīng)網(wǎng)絡(luò)各層節(jié)點及參數(shù)的選擇，小波神經(jīng)網(wǎng)絡(luò)往往選取三層結(jié)構(gòu)，輸入層和輸出層可以根據(jù)實際應(yīng)用要求確定，本次實驗選取輸入個數(shù)為4，輸出個數(shù)為1，而隱含層的神經(jīng)元個數(shù)選取則是一個難點，一般根據(jù)經(jīng)驗公式選擇，根據(jù)輸入4，輸出1，根據(jù)公式可算出隱含層個數(shù)在4~12之間 實驗對比驗證這是在輸入層為4，輸出層為1，模型其他參數(shù)都一致，而輸入層不同的情況下，進行50此仿真取平均值，表示預(yù)測模型優(yōu)劣評價指標(biāo)結(jié)果，由表可以看出，在隱含層節(jié)點數(shù)為10時，各評價指標(biāo)最優(yōu)。所以確定預(yù)測模型結(jié)構(gòu)為4101 4101 模型下不同學(xué)習(xí)率在確定模型結(jié)構(gòu)后，有對模型參數(shù)學(xué)習(xí)率進行實驗驗證