基于粗集－模糊推理的径流多因素分级预报模型

针对径流多因素分级预报中因子的确定问题,将粗集理论引入到模糊推理多因素分级预报中,建立粗集-模糊推理径流分级预报模型。利用属性约简算法及相对分类精度确定预报因子及分级,以最小决策规则集作为推理规则进行分级预报。并结合大伙房水库年径流预报实例进一步分析因子分级和相对分类精度对预报结果的影响。结果表明,采用粗集理论筛选因子确定推理规则进行模糊推理预报,提高了预报级别合格率。预报结果在提供径流级别的同时,可给出预报区段值,为水库制定年度控制运用计划提供了丰富的参考信息。     

径流中长期预报加权关联度模式识别

提出一种计算加权关联度的新公式；提出确定影响径流中长期预报前期因子要权重的方法与原则；提出利用加权关联度进行径流中长期预报加权关联度模式识别的方法，实例计算说明是有效的。     

径流中长期预报的灰色系统方法研究

探讨径流中长期预报的灰色系统方法，提出了全因果序列扩维的灰关联模式识别与预测方法，灰参数线性模型的预测方法以及ＧＭＲ（１，１）模型，分别用于年月径流预测和灾变预测，通过海河流域潘家口水库资料验证，表明计算方法是可行的。     

中长期径流预报的时间尺度

为研究时间尺度在中长期水文预报中的影响,选取在实际运用中较成熟的预报模型——最近邻抽样回归模型对不同时间尺度的径流序列进行建模预报.通过对三峡水库1980-2012年的逐日平均入库流量,高场、汉口、大通3个水文站1980-2012年的逐日平均流量,进行时间聚集,分别得到对应的3d、周、旬、月、季、年的平均径流量.用所建模型对以上4个站点的6个不同时间尺度的径流量进行模拟预测,结果显示随着时间尺度的增加,模拟预测结果的相对误差并非单调递增或者递减,而是先变小,后变大.研究中长期水文预报中时间尺度给预报结果带来的影响,可为水文预报精度的提高开辟新思路.     

长短期记忆网络在中长期径流预报中的应用

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题.以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以...     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

径流预报的混沌神经网络理论及应用

文章针对河川径流非线性动力学混沌过程,介绍了径流的混沌识别,径流重构相空间技术及径流序列的混沌预报方法,在此基础上,以葛洲坝水库为例,对其日径流进行了预报,获取得了满意的结果。     

径流预报的混沌神经网络理论及应用

文章针对河 川径流非线性动 力学混沌过程 ,介绍了径流 的混沌 识别、径 流重构 相空 间技术 及径 流序列的 混沌 预报方 法,在 此基础 上,以 葛洲坝 水库为 例,对 其日径 流进 行预报, 获取得 了满 意的 结果     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出了一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来基于粗集的神经编制 优越性。     

多种算法寻优LSSVM耦合模型在中长期径流预报中的应用

针对最小二乘支持向量机(LSSVM)在径流预报问题中相关学习参数难以确定的缺陷,利用近期国内外提出的多种智能优化算法如阿基米德算法(AOA)、美洲雕搜索算法(BES)、黑猩猩优化算法(ChOA)、莱维飞行分布算法(LFD)和鼠群算法(RSO)在有限时间内完成LSSVM模型参数寻优工作,并配合小波包分解技术(WPD)平稳...     

神经网络的企业能力集扩张模型研究

如何借助于不确定性推理技术和原理(概率推理、证据推理、模糊推理、信息推理、包含度推理等)研究不确定情形下的能力集扩张问题,仍是能力集扩张理论中很值得研究的内容之一。关于不确定情况下的能力集扩张问题,目前的文章主要是研究企业已有能力集或实需能力集是不确定的情形,没有解决两者都是不确定的情况,正是基于此目的,采用模糊粗集神经网络方法研究此种情况下的企业能力集扩张过程,解决模糊的市场需求、粗糙的已有能力集等不确定性影响因素,帮助决策者将企业能力集扩张到企业管理决策问题满意解所需的能力集。     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。     

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.     

相似关系下的模糊粗糙集

经典的模糊粗糙集是建立在普通等价关系基础上的，提出了普通相似关系下的模糊粗糙集，讨论了一系列性质，得到了几个有意义的结果．最后研究了模糊粗糙集的粗相等。     

模糊粗糙集理论介绍和研究综述

回顾了粗糙集理论,引出了模糊粗糙集的产生背景,介绍了模糊粗糙集模型的一些主要概念和性质,并给出了模糊粗糙集属性重要性的定义,探讨了模糊粗糙集合的应用和发展现状.     

Rough Set Based Fuzzy Neural Network for Pattern Classification

A rough set based fuzzy neural network algorithm is proposed to solve the problem of pattern recognition. The least square algorithm (LSA) is used in the learning process of fuzzy neural network to obtain the performance of global convergence. In addition, the numbers of rules and the initial weights and structure of fuzzy neural networks are difficult to determine. Here rough sets are introduced to decide the numbers of rules and original weights. Finally, experiment results show the algorithm may get better effect than the BP algorithm.     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.