为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别...为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree,GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象,基于停车调查数据、兴趣点数据(Point of Interst,POI)、道路网络数据等多源异构数据进行模型实证分析。结果表明,考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来看,配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素,交叉口密度(5.19%)贡献度最小;在非线性关系方面,建成环境因子与停车需求均具有非线性关系与阈值效应,除交叉口密度及人口密度与停车需求呈现U型关系,其余因素与停车需求的关系整体上保持正相关或负相关。展开更多
为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而...为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明:所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。展开更多
文摘为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree,GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象,基于停车调查数据、兴趣点数据(Point of Interst,POI)、道路网络数据等多源异构数据进行模型实证分析。结果表明,考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来看,配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素,交叉口密度(5.19%)贡献度最小;在非线性关系方面,建成环境因子与停车需求均具有非线性关系与阈值效应,除交叉口密度及人口密度与停车需求呈现U型关系,其余因素与停车需求的关系整体上保持正相关或负相关。
文摘为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明:所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。
