时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

总变差模型在书画打印宣纸印刷质量预测中的应用

为了建立适用于书画打印宣纸印刷质量的预测模型,本研究测量了14种书画打印宣纸的粗糙度、白度、不透明度、定量、光泽度和针对宣纸特别设定的帘纹深浅以及帘纹疏密度等表面物理参量,并在相同条件下,使用喷墨打印设备输出并测量印品色度值,利用总变差模型构建去除帘纹色差的测定方法,得到与人眼视觉特征相符的色差。运用GRNN广义回归神经网络结合书画打印宣纸表面物理参量与宣纸去帘纹后的色差值,建立预测模型。结果表明,该模型能够在仅测量书画打印宣纸表面物理参量的情况下,便能较为准确地预测书画打印宣纸印刷质量,为书画打印宣纸印刷前的选纸工作提供指导依据。     

基于证据权模型的赤峰—呼伦贝尔成矿带找矿预测

赤峰—呼伦贝尔成矿带是大兴安岭南部黄岗梁—甘珠尔庙成矿带的一部分，该区域地质构造复杂，地壳以及岩浆岩活动剧烈，在大兴安岭南部区域矿带中形成了多金属矿产成矿潜力。为寻求研究区找矿突破，解决赤峰—呼伦贝尔成矿带的成矿预测理论以及模型预测不完善的问题，提出了一种基于地理信息系统技术和数据权理论的赤峰—呼伦贝尔成矿带找矿预测模型。首先阐述了该预测模型的构建思路，利用地理信息系统空间分析软件（ArcGIS）对获取的研究区域地层信息、构造信息、岩浆岩信息进行空间分析，形成空间数据库；然后将证据权理论应用于预测模型中，构建了赤峰—呼伦贝尔成矿带成矿预测模型。根据构建的模型，进行了成矿预测，通过将空间数据库中的数据代入预测模型中得到该区域内各证据因子的权重以及概率，进而将该区域按照成矿潜力分成3类靶区。经验证，各靶区找矿潜力较好，证明了预测结果的有效性。所构建的成矿预测模型，对于进一步在赤峰—呼伦贝尔成矿带进行找矿勘探研究与实践具有一定的参考价值。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

浅谈煤矿数据的分析与应用

当今社会科技发展快、信息流通量大,人们之间的交流越来越密切,大数据这个高科技时代的产物也应运而生。煤炭作为工业发展的重要组成部分,其发展关系着整个工业的发展。如今,许多现代大型煤矿已能将井下设备信息上传到地面,在地面就可直观的看到设备当前运行的情况,从而更可靠的进行安全生产。通过结合实例将上传的设备信息数据进行整理和分析,从而预测设备的运行状况,提出建设性建议。同时对加强煤矿安全生产、促进煤炭行业现代化建设、提高煤矿的经济效益和社会效益具有重要的意义。