考虑PCA-RBF的变压器标底预测模型研究

针对变压器制造企业投标报价缺乏科学理论指导,准确性低的问题,以准确预估下一批招标的标底价为目标,提出了结合主成分分析(PCA)与人工神经网络(ANN)的变压器标底预测模型-PCA-RBF标底预测模型。模型采用PCA对高维原始变量进行降维处理,提取主成分(PC)作为径向基函数神经网络(RBF)的输入。PCA算法降低了原始变量的维数,去除了各变量间的相关性,在简化ANN结构的同时,提高了预测模型的精度。仿真结果表明,PCA-RBF变压器标底预测模型具有较高的预测精度。     

扰动环境下的生产网络连锁效应

为了进一步揭示扰动环境下生产系统的连锁传播机理,将复杂网络传播动力学理论应用于生产系统。以复杂网络视角对扰动环境下生产系统的多态性进行描述,深入分析扰动环境下生产网络的多种状态及状态间的演变特性。综合考虑节点自身的动力学行为、节点间耦合特性及扰动传播过程,提出基于改进耦合映像格子的网络连锁传播动力学模型,进而展开算法设计。以某机电企业为例,设置4组仿真实验深入探讨初始扰动的剧烈程度,以及扰动传播源节点特性差异对生产网络连锁失效规模和进程的影响。研究结果可为有效预防雪崩式效应对生产网络造成的破坏提供参考和借鉴。