先“跨栏”再上车 公交站台装70厘米高护栏 公司回应

快科技7月13日消息,据媒体报道,近日有网友在社交平台发视频称,四川省攀枝花市一公交站台靠近公路一侧安装了波形护栏,公交站台被拦住,乘客上下车需要“跨栏”,很不方便。

对此,记者实地采访了现场,发现在攀枝花市东区弄弄沟公交站(往东风方向),公路边新安装了约70厘米高的波形护栏。

乘客若在此上下车,只能跨越护栏或沿着公路行走。

不少市民表示,年轻人还能跨过去,老年人自己根本不行,只能找人帮忙,太危险了。

上下车需跨栏 公交站台装70厘米高护栏 公司回应

上下车需跨栏 公交站台装70厘米高护栏 公司回应

7月12日,攀枝花市公交公司工作人员表示,在对该路段原公交站杆进行改迁建时,由于信息对接不及时导致此问题。

目前已开始重新安装,预计7月15日就能将公交站迁移到安全合理位。

原文链接:先“跨栏”再上车 公交站台装70厘米高护栏 公司回应--快科技--科技改变未来

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

rrokoko

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值