【正文】 面進行了誤差分析：實驗數(shù)據(jù)的采集、實驗數(shù)據(jù)預處理、實驗影響因素、小波神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)模型（4101，）這是在小波神經(jīng)網(wǎng)絡(luò)確定了結(jié)構(gòu)和學習率情況下，以自貢燈會入口人流量為實驗對象的仿真圖，發(fā)現(xiàn)預測效果較理想，高峰期（1400人）最大誤差為350人左右，大多數(shù)都在100人以內(nèi)浮動 評價指標這是小波神經(jīng)網(wǎng)絡(luò)模型預測自貢燈會入口短時人流量的各評價指標值，由表可以看出，平均絕對誤差是64人左右，%左右，當EC，說明預測效果較好，越接近1說明預測結(jié)果的可靠性越高，本文預測精確度達92%，體現(xiàn)出了實時性。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)的原理及學習算法推導過程，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，表示預測模型優(yōu)劣評價指標結(jié)果，由表可以看出，在隱含層節(jié)點數(shù)為10時，各評價指標最優(yōu)。這是歸一化代碼。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。這是修復后與修復前數(shù)據(jù)對比圖?；趯谷肟诙虝r人流特征的分析以及己有預測模型的綜合比較，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、自學習能力和相對較高的預測精度，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。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，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。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，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是重要方面?？梢姡跁蛊陂g維持正常的參觀秩序，保證人員安全就顯得尤為重要。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、踩踏會展活動風險事故管理面臨嚴峻考驗以下表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?！秶摇笆濉币?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。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。會展業(yè)已經(jīng)成為我國經(jīng)濟的新亮點。第二篇：預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。因此，開展這些氣動參數(shù)與MPPT控制的一體化設(shè)計不僅易于達到協(xié)調(diào)目標、有效提升風能捕獲效率，而且在滿足風力機本體設(shè)計的固有約束和工程可行性方面具有十分重要的現(xiàn)實意義。翼型形狀的細微調(diào)整能夠帶來更大幅的性能提升。由此可推測，相比最大風能利用系數(shù)，CPλ曲線的平緩度對MPPT的影響更為顯著。以平均風能捕獲效率這一閉環(huán)性能指標對比分析了CPλ曲線的平緩度與CP, max對MPPT的影響?？梢?，相比結(jié)構(gòu)參數(shù)（風輪轉(zhuǎn)動慣量），氣動參數(shù)對MPPT性能的影響更敏感；而且，相比最大風能利用系數(shù)，氣動參數(shù)中的最優(yōu)葉尖速比、葉片半徑對MPPT的影響更為顯著。，可歸納出：風力機動態(tài)性能的提高或MPPT跟蹤要求的降低，都會促使運行葉尖速比更加集中地分布于最優(yōu)葉尖速比附近、提升平均風能捕獲效率；反之，則導致運行葉尖速比分布更分散、平均風能捕獲效率越低?？紤]到分布參數(shù)的種類和數(shù)量較多、加之其不同排列組合又會產(chǎn)生新的葉片外形，因此，為縮小搜索范圍以盡快找到影響MPPT性能的敏感參數(shù)，采用從集總參數(shù)到分布參數(shù)的搜索路線。（翻到PPT20頁）的視角出發(fā)，將影響MPPT控制效果的因素按科學劃分為風況參數(shù)、氣動參數(shù)與結(jié)構(gòu)參數(shù)（翻到21頁），并結(jié)合本體設(shè)計模型，將本體參數(shù)劃分為集總參數(shù)與分布參數(shù)（翻到22頁）；以風力機的閉環(huán)性能指標（包括運行葉尖速比概率分布與平均風能捕獲效率）來量化描述各參數(shù)對MPPT性能的影響。最后，在借鑒已有的考慮控制性能的風力機本體設(shè)計的基礎(chǔ)上，根據(jù)敏感氣動參數(shù)對MPPT的影響及其描述，調(diào)整當前風力機氣動設(shè)計的目標函數(shù)或約束條件，構(gòu)建不含具體控制器參數(shù)、但能考慮敏感氣動參數(shù)對MPPT控制影響的風力機氣動設(shè)計模型，以形成更具總體工程可行性的風力機一體化設(shè)計方法。，主