面向色织生产过程的整经轴数智能预测算法

整经轴数是色织生产中由整经工艺确定的一个品种内待加工的整经轴数目．该参数是制定色织生产作业计划所需的重要特征量。由于整经工艺制定过程非常复杂,其通常需要较长时间才能完成,因而该参数在调度时难以有效获取。为解决复杂色织生产过程调度所需的整经轴数预测问题,提出了一种智能预测算法。该算法针对实际问题特点,将支持向量机与神经网络技术相结合,由支持向量机对与整经轴数相关的参数进行特征提取．并将特征提取后的特征属性作为神经网络的输入,相应的特征属性权重被用以指导神经网络的学习过程。数值计算及实际制造企业应用效果表明该算法是有效的,能满足面向实际色织生产过程的整经轴数预测需要。     

色织生产调度中基于ANFIS的整经轴数智能预测

分析了整经轴数预测在实际色织生产过程调度中所起的重要作用.由于与整经轴数相关的工艺属性较多且关系复杂,一般的神经网络法难以确定工艺属性与整经轴数之间关系或应用效果不佳,同时神经网络是一个"黑箱",从中无法对影响整经轴数的因素进行分析,因此提出了基于ANFIS的整经轴数智能预测方法.在该方法中,采用ANFIS作为整经轴数的预测技术,并针对ANFIS输入变量维数较大的问题,提出了一种基于模糊C均值聚类算法的ANFIS结构辨识方法.将该预测方法用于实际的色织生产过程调度的整经轴数预测中,实验结果表明该预测方法是有效的.     

基于改进遗传算法和图神经网络的股市波动预测方法

针对支持向量机（SVM）、长短期记忆（LSTM）网络等智能算法在股市波动预测过程中股票评价特征选择困难及时序关系维度特征缺失的问题,为能够准确预测股票波动、有效防范金融市场风险,提出了一种基于改进遗传算法（IGA）和图神经网络（GNN）的股市波动预测方法——IGA-GNN。首先,利用相邻交易日间的时序关系构建股市交易指标图数据;其次,通过评价指标特性优化交叉、变异概率来改进遗传算法（GA）,从而实现节点特征选择;然后,建立图数据的边与节点特征的权重矩阵;最后,运用GNN进行图数据节点的聚合与分类,实现了股市波动预测。在实验阶段,所研究的股票总评价指标数为130个,其中IGA在GNN方法下提取的有效评价指标87个,使指标数量降低了33.08%。应用所提IGA在智能算法中进行特征提取,得到的算法与未进行特征提取的智能算法相比,预测准确率整体提升了7.38个百分点;而与应用传统GA进行智能算法的特征提取相比,应用所提IGA进行智能算法的特征提取的总训练时间缩短了17.97%。其中,IGA-GNN方法的预测准确率最高,相较未进行特征提取的GNN方法的预测准确率整体提高了19.62个百分点;而该方法与用传统GA进行特征提取的GNN方法相比,训练时间平均缩短了15.97%。实验结果表明,所提方法可对股票特征进行有效提取,预测效果较好。     

基于数据仓库的钢铁企业过程数据分析系统

结合数据仓库（DW）和统计过程控制（SPC）相关理论,依据钢铁企业生产过程的特点,提出了适合钢 铁企业的过程数据分析系统的通用架构和功能．之后举例说明了过程数据分析中相关参数选择的过程．详细介绍了 利用改进的支持向量机方法进行性能参数预测以及采用粗糙集方法进行规则生成的过程．实验证明,生成的预测模 型以及规则能够为企业提供决策支持,满足了企业需求．     

非线性特征提取和LSSVM在化工过程故障诊断中应用

提出利用非线性特征提取（核主成分分析（KPCA）和核独立成分分析）消除数据的不相关性,降低维数。核主成分分析利用核函数把输入数据映射到特征空间,进行线性主成分分析计算提取特征;核独立成分分析在KPCA白化空间进行线性独立成分分析（ICA）变换提取独立成分。提取的特征作为最小二乘支持向量机分类器的输入,构建融合非线性特征提取和最小二乘支持向量机的智能故障分类方法。研究了该方法应用到某石化企业润滑油生产过程的故障诊断中的有效性和可行性。     

序列信息融合与两阶段特征选择的膜蛋白预测

膜蛋白的功能与其类型密切相关，因此膜蛋白类型的预测具有重要意义。针对膜蛋白特征表达过程中出现的特征维数高的问题，结合最大信息系数与遗传算法提出一种两阶段特征选择（MIC-GA）。抽取膜蛋白序列信息中的伪氨基酸组成、二肽组成和位置特异性分数矩阵等特征融合后作为特征参数，并在融合过程中提出一种改进的ReliefF算法（FReliefF）得到更有效的特征分数。基于Stacking集成学习框架，两次使用极端随机树对膜蛋白类型进行合理化预测。结果表明该方法能够有效提高膜蛋白预测的准确率。     

基于模拟退火算法的整经排产系统

对于织造企业来说,单一品种且大规模生产模式已无法匹配日益丰富的需求。在一个生产多种不同型号产品的整经车间中,需要投入大量人力频繁地更换经轴,从而增加了生产开销以及生产成本,同时也导致设备利用率的下降。目前整经车间仍采用人工排产,由于人工经验的不确定性、人工排产的主观性以及问题的复杂性,实现最优调度计划十分困难。因而,织造企业需要更有效的方法来搭建更优秀的排产计划,减少开轴数和加工时间,降低设备经轴的切换频率以提高生产效率。本文基于模拟退火算法搭建织造企业的整经生产排产系统,以期能解决多品种小批量生产模式最优化排产问题。     

基于梅尔倒谱系数、深层卷积和Bagging的环境音分类方法

针对传统环境音分类模型对环境音特征提取不充分,以及卷积神经网络用于环境音分类时全连接层易造成过拟合现象的问题,提出了梅尔倒谱系数（MFCC）、深层卷积和Bagging算法相结合的环境音分类方法。首先,针对原始音频文件,利用预加重、加窗、离散傅里叶变换、梅尔滤波器转换、离散余弦映射等方法建立梅尔倒谱系数特征模型;然后,将特征模型输入卷积深度网络进行第二次特征提取;最后,借鉴强化学习思想,用Bagging集成算法集成线性判别分析器、支持向量机（SVM）、Softmax回归、XGBoost四个模型,以投票预测的形式对网络输出结果进行预测。实验结果表明,所提方法能够有效提高对环境音的特征提取能力和深层网络在环境音分类上的抗过拟合能力。     

基于特征提取与改进SVM的电价预测

针对传统电价预测方法由于冗余数据量庞大，特征选择和特征提取准确率低，导致电价预测精度低，预测时间过长的问题，提出构建基于DGCA-PCA的特征提取的改进DE-SVM的电价预测模型GGPDS。首先，采用考虑周期性特征的GCA算法和时段关联性特征的改进GCA算法进行电价特征数据选择；然后采用主成分分析PCA方法进行特征提取；之后将提取数据特征输入改进DE-SVM模型中进行电价预测。实验结果表明，提出的特征提取方法可对海量数据进行有效处理，为后续电价预测模型提供了准确的数据，并进一步提升了电价预测模型的预测精度，降低了模型训练时间成本。日预测实验结果中，本模型的MAPE指标和MAE指标分别取值为7.44%和3.71,对比于传统的电价预测方法电价预测误差更小，预测精度更高。由此说明，本模型可提升电价数据特征提取准确率，从而提高电价预测精度，可在短时间内实现电价准确预测。     

基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取．首先把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，再用最小二乘支持向量机进行回归．通过实验表明，这种方法得到的效果优于没有特征提取的回归．同时与PLS提取特征相比，KPLS分析效果更好．     

基于参数反演的网络舆情传播趋势预测——以新浪微博为例

针对现有的舆情传播模型研究与实际舆情数据结合较少以及难以从舆情大数据中挖掘舆情传播内在规律的问题,提出一种基于实际网络舆情大数据采用神经网络的舆情传播模型参数反演算法。改进经典SIR传染病传播模型,构建一种网络舆情传播模型,基于该模型对实际案例进行参数反演,预测网络舆情的后续传播趋势,并与马尔可夫预测模型对比,所提算法可以精确预测舆情的具体热度值。实验结果表明,所提算法在预测性能上具有一定的优越性,可以用于网络突发事件传播的数据拟合、过程模拟和趋势预测。     

Data-based multiple-model prediction of the production rate for hematite ore beneficiation process

The prediction of the production rate of the hematite ore beneficiation process is important to plant-wide optimization. This paper presents a data-based multi-model approach to predict the production rate with multiple operating modes. The inputs of the predictive model are the performance indices of each unit process, and the output is the global production index (the production rate) of the hematite ore beneficiation process. The multiple models are developed by integrating the fuzzy clustering algorithm and machine learning algorithm. A global model, Takagi–Sugeno–Kang fuzzy model, and multiple neural network model were compared using the data obtained from a practical industrial process, and the effectiveness of the proposed algorithm was proven.     

基于时空数据的用户社交联系强度研究

word2vec是Google推出的一款将词表征为实数值的高效开源工具。采用该工具将时空数据中的每位用户表征为一个实数值向量并预测用户间社交联系的强度。提出了在word2vec学习过程中动态调整学习率的算法——Location-weight算法,根据不同位置的不同用户数目在学习过程中加入位置权重,并探索其对用户社交联系强度预测的影响。实验结果表明,加入位置权重的学习算法提高了用户社交联系强度预测的准确性。     

基于Token追踪的分布式互斥算法

本文首先提出一切合实际的互斥信件量度量方法,该方法不仅考虑请求结点所发的信息数,同时还考虑信件的存储转发次数,然后针对任一拓扑结构,在充分利用局部信息与已知信息的基础上,给出了互斥信件量为0～2(n—1)(n为结点数)的有效互斥算法,该算法不仅在互斥信件量上是目前最优的,而且充分体现了分布式算法设计的一个重要原则,充分利用一切已知信息作为未来决策的依据。     

高密集度AGV快递包裹分拣系统的路径规划

基于自动引导小车（AGV）的快递包裹自动分拣系统是智能物流的研究热点,路径规划是其关键问题之一.在快递包裹分拣系统中,AGV具有高密集性和车辆数量较大的特点,这种情况极易造成AGV拥堵,使得整个系统的性能降低.针对此问题本文提出可避免拥挤的CAA^*（Congestion-avoidable A^*）算法,该算法以A^*算法为基础,引入动态属性节点,建立动态环境模型,对各个节点可能发生的拥挤情况进行预测,判断是否存在潜在的拥挤节点,在路径规划过程中绕过潜在的拥堵节点,避免发生拥堵现象.实验结果表明,本文所提的CAA^*路径规划方法在具有高密集度和较大规模的AGV场景中,能有效避免拥堵,从而提高场地AGV的密集度和系统的分拣效率.对实际应用场地的仿真表明,本文的算法比传统的A^*算法AGV密集度提高了28.57%,系统分拣效率提高了24.29%.     

基于影响度及状态预测的多agent协作算法

针对灾难环境中多agent协作问题进行了研究，提出了一种基于影响度与状态预测的多agent协作算法。首先该算法根据协作任务对信息的需求，使用影响度函数对agent感知到的信息进行处理；其次利用预测算法对任务的后续状态和agent的行为进行预测并根据预测结果制定协作策略；最后执行协作任务的agent根据动作效果和触发条件动态调整协作策略。为了验证算法的有效性，在Unity3D中搭建仿真平台，对比不同协作算法的收敛率、救援人数和整体得分，结果表明该算法的收敛速度快、救援人数多和整体得分最优，可以效地指导agent间的协作，能给实际救援协作策略的制定提供理论支持。     

A case-based reasoning system for PCB defect prediction

The manufacturing process for a new Printed Circuit Board (PCB) design is often instable and might generate a number of defects during the complicated production process. Defects reduce the yield rate and increase the production costs. Although skilled engineers can predict the possible defect items for a new PCB product, this approach requires strong engineering experience and is time consuming. To conquer this problem, this research applies case-based reasoning (CBR) methodology to develop a defect prediction system for new PCB products. In the CBR system, each case is represented using the design specifications, defect items and corresponding costs. A vantage-based case indexing mechanism is developed to accelerate the case retrieval efficiency. In addition, a reasoning algorithm that considers the defect cost is proposed to infer the defect items that are interesting to PCB manufacturers. The system performance is analyzed to show the efficiency and accuracy of the proposed system. A practical implementation using a case-base provided by a PCB manufacturer is demonstrated.     

分段堆场预测调度研究

针对船舶分段移动计划主要依靠人为预测及人工调度的现状,提出BP神经网络来预测一个周期内进出场分段的数量,并研究建立以分段移动度最小为目标的优化模型,模型综合考虑了分段在堆场中的停放位置及进、出场路径。通过分支定界法选择分段在堆场中停放位置的最优方案,并构建启发式规则来确定分段在堆场中的最优进、出场路径,从而实现对模型的求解。以某船厂实际数据为例,对模型在堆场调度问题中的应用进行了实例验证,结果表明,所研究方法可求解得出较优的堆场作业计划,并实现堆场资源的高效利用。     

ANN based online voltage estimation

A new ANN based algorithm that requires only a minimum number of inputs is proposed to estimate the voltage magnitude of each critical bus in a power system under normal and/or contingent states. The basic philosophy is to develop an online tool, with a view to predict the occurrence of voltage collapse due to either an outage and/or projected changes in load. Besides the scheme contemplates to aid in the process of computing the approximate VAR support/sheddable load that is required to prevent voltage instability, which is imminent on account of the stressed operating nature of the present day power networks. The performance is evaluated through standard IEEE 14, 30 and 57 bus test systems and the simulation results are presented to demonstrate its validity and suitability for practical applications.