共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
利用遗传算法强全局随机搜索特点,结合人工神经网络对大量非线性、非精确性数据具有鲁棒性和自学习能力的优点,将神经网络与遗传算法有机地结合,建立水泥路面预测模型,算例表明了该方法是可行且有效的. 相似文献
3.
4.
5.
倒立摆网络控制系统的自适应灰色预测策略研究 总被引:1,自引:0,他引:1
基于灰色理论、自适应切换方法以及MIMO网络控制系统的研究,提出了一种网络环境下自适应灰色预测控制策略,并对整个建模过程进行了详细推导。该方法利用新陈代谢原理建立等维新息GM(1,1)模型,其在线辨识参数较少,避免了Diophantine方程和逆矩阵的在线求解,从而减少了计算量,提高了网络控制系统的实时性。倒立摆网络控制系统的仿真实验表明了所提方法的有效性。 相似文献
6.
7.
贾向权 《数字社区&智能家居》2013,(7):1656-1657
灰色预测模型是数据分析的重要模型,已经应用到了众多领域。天津滨海快速交通发展有限公司经过多年的运营积累了大量的客流数据。该文运用灰色预测模型对滨海快速塘沽站的客流进行了分析,为运营决策提供了一定的依据。 相似文献
8.
9.
网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要的作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.灰色模型在反映数据的趋势性变化上效果明显,随着灰色理论的发展及其广泛应用,越来越多的改进方法已经被提出.在对原有的模型进行研究的基础上提出进一步改进模型来对网络流量进行预测. 相似文献
10.
以高炉炉温预测应用性为基本出发点,以灰色理论为基础,当实际系统的历史数据序列呈现增长过快或下降过快时,就不能盲目使用GM(1,1)模型,否则,预测效果会不令人满意。只有当满足建模的一定条件时,误差才能够被接受。对数据进行开方处理后能使平均相对误差在10%左右,效果不错。 相似文献
11.
基于分层排队网络模型的MCU性能预测及优化研究 总被引:5,自引:0,他引:5
针对视频会议系统中的多点控制单元(MCU)提出了一个基于分层排队网络模型的性能预测方法.通过对分层排队网络模型进行扩展,建立了多点控制单元的分层排队模型.设计了一个仿真程序对模型进行评价,仿真程序的输入即模型配置文件.该方法可以较快地从多种设计方案或硬件平台中选择满足系统性能设计目标的软件或硬件配置.仿真结果显示,选择双处理器配置和采用多线程技术,多点控制单元的接入容量提高了50%.最后,多点控制单元终端接入实验证明了该方法的有效性。 相似文献
12.
13.
基于网络性能的VoIP语音质量评价模型 总被引:1,自引:1,他引:0
在VoIP应用中,为了实现服务质量的监测和路径切换,通常需要测量路径的网络性能,并将网络性能映射到语音质量评价.本文提出一种基于网络性能的VoIP语音质量评价模型,该模型在E-Model的基础上进行了改进,只考虑网络性能的动态变化对语音质量的影响.新的模型考虑更少的影响因素,比E-Model更容易计算,因此更适用于VoIP系统的语音质量评价.通过实验比较了新的模型和简单的网络参数评价模型,结果显示该模型具有更好的语音质量描述能力. 相似文献
14.
15.
灰色理论和马尔可夫相融合的粮食产量预测模型 总被引:1,自引:1,他引:1
鉴于根食产量受多种复杂因素的影响并具有较大的随机性和波动性,建立了一种灰色理论和马尔可夫相融
合的粮食产量预测模型。首先采用灰色关联法筛选粮食产量影响因子,然后将其输入到灰色系统中构建粮食产量的
灰色预测模型,最后使用马尔可夫模型对灰色模型的粮食产量预测结果的残差值进行修正,以提高粮食产量预测精
度。仿真结果表明,提出的预测模型具有较好预测的精度,完全能满足粮食产量预测精度的要求。 相似文献
16.
互联网上出现越来越多的云服务,面对种类繁多的云服务,如何准确地在众多云服务中把符合用户需求并且性能好价格低的服务推荐给用户成为云服务推荐的研究热点.现有的服务推荐方法往往只是根据当前云服务的历史性能记录为用户进行推荐,并没有充分考虑云服务的性能趋势.针对上述问题,本文提出了一种基于性能预测的服务推荐模型,该模型利用共轭梯度改进人工神经网络对云服务的性能进行预测,使用层次分析法对性能,价格等因素进行综合比较计算,最终为用户推荐最为合适的云服务.实验结果表明,使用改进神经网络对服务性能进行预测能够获得较高的准确度,层次分析法可以综合考虑服务的性能与价格,为用户推荐最为合适的云服务. 相似文献
17.
准确预测软件成本是软件工程领域最具挑战性的任务之一。软件开发固有的不确定性和风险性,使得仅仅在项目早期预测总成本是不够的,还需要在开发过程中持续预测各个阶段的成本,并根据变化趋势重新分配资源,以确保项目在规定的时间和预算内完成。由此,提出一种基于类推和灰色模型的软件阶段成本预测方法——AGSE(Analogy & Grey Model Based Software Stage Effort Estimation)。该杂交方法通过合并两种方法的预测值得到最终的预测结果,避免了单独使用其中一种方法预测时存在的局限性。在真实的软件项目数据集上的实验结果表明,AGSE的预测精度优于类推方法、GM(1,1)模型、GV方法、卡尔曼滤波和线性回归,显示出较大的潜力。 相似文献
18.