粗纱工艺参数相关分析及BP网络预报研究

在标准化企业粗纱工序生产数据的基础上,针对神经网络输入端参数组会影响最终预报结果的特点,提出分别利用相关性分析法和多元逐步回归分析法筛选对粗纱CV值(R1)和单重(R2)影响较大的参数。将筛选出的参数按重要程度由大到小依次输入BP网络,采用多输入单输出子网组方式建立了4个网络模型。训练好的模型经10组检验样本检验,其预报结果和实测结果的平均相对误差(MEP)都低于4%。用20组未参与建模的验证数据进行预报表明:相关性分析法筛选参数建立的模型对R1和R2的绝对值平均预报精度分别为2.63%和2.98%,且预报值与实测值间的相关系数分别为0.884和0.958,这些指标都优于采用多元逐步回归分析法筛选参数建立的模型。     

具有NN 分级误差补偿器的轧制力预报模型

为提高冷轧带钢质量，必须建立精确的轧制力预报模型。介绍了带有神经网络参数辨识器的轧制力预报模型，并采用神经网络构造误差补偿器，通过按时间跨度分级的数据处理过程，形成长期和短期训练数据集，结合相应的网络训练机制，实现模型预报误差的分级补偿，仿真结果表明，该预报模型能有效地提高预报精度。     

加热电流综合神经网络预报模型在线控制实现

在电热镦粗过程中,离线、在线两套网络同时运行。离线网络将神经网络与数学模型相结合,用来对样本数据进行训练、测试,存储最优的知识参数,并建立加热电流的高精度预报模型。在线网络是根据传感器实时采集的镦粗缸速度、砧子速度、镦粗压力,按照知识库中的网络知识参数预报出加热电流,较好地实现了在线跟踪控制。     

神经网络规则优化建模与应用

神经网络应用于复杂系统时存在隐含层节点确定和参数随机选择的困难,对此研究探索了一种规则优化建模方法。首先,应用粗决策树耦合算法实现增量式的动态规则提取;其次,基于获取的动态规则计算最简规则数,作为确定网络隐含层节点的依据,实现网络规则建模;再次,优化网络初始参数,规避局部极小问题并提高模型训练速度和精度;最后,将优化模型应用于空气质量预报中,性能测试和对比分析结果显示,该模型收敛速度快且误差控制在4%以内,学习速度和预报精度明显优于传统模型。该研究成果实现了动态增量模式下的规则模型构建与优化,为动态数据处理提供了一种新的研究思路。     

基于KPCA粒子群算法的预报模型优化研究

空气质量关系着人们的身体健康,因此研究实时、高效的空气质量预报系统,不仅能为公众出行提供指导,还能指导职能部门防控重污染天气并提供相应技术支持.近几年,国内外对预报理论及方法的研究主要集中在BP神经网络预报[1].Deden Supriyatman[2]应用传统BP神经网络预报输气管道腐蚀速率,N.Haghdadi等人[3]应用改进BP网络预报半固态A356铝合金的热变形行为,对学习步长加入动量项,改善了收敛慢的问题,但预报精度较低.蒋吉丽基于BP神经网络的强对流天气预报模型,将观测实况资料作为专家样本对BP神经网络模型进行训练和测试,对训练好了的模型进行了对比测试,为强对流天气的预报提供了依据.分析学者们的预报方法,均考虑了问题的非线性特征,利用BP网络处理非线性问题的优势,建立预报模型,但忽略了数据的相关性和神经网络参数初始化的随意性带来的影响,因此,在实际应用中预报精度较低,速度较慢.     

基于混合递阶遗传神经网络的转炉温度预报

针对转炉控制中对吹炼终点温度的控制问题,提出了基于混合递阶遗传RBF神经网络(HGA-RBF)的转炉炼钢终点温度预报模型.研究了RBF网络的特点,用递阶遗传算法克服了网络的结构和参数选择的随机性问题;并结合最小二乘法,提高了收敛速度.仿真结果表明,此算法在一定程度上提高了RBF网络的优化收敛速度和训练测试精度.某钢铁公司提供的实际冶炼数据试验,也证明了该模型预报精度较高,对提高生产的质量有重要意义.     

优化GD-模糊规则的滑坡预报模型研究

为了提高滑坡灾害预报准确率，改善传统的滑坡监测和预报中存在的参数选取困难及模糊控制系统作为预报模型精确度不高的问题，首先采用山体结构稳定性分析法进行滑坡灾害参数的选取，得出降雨量、含水率、土压力及岩土表面位移增量作为预报参数的结论；其次将选取的参数作为模糊系统的输入，建立滑坡灾害发生概率模型，并引入优化的GD算法修正预报模型中的动态参数，使模糊控制模型具有自适应性；同时与未优化的模糊控制模型以及单独模糊控制模型进行仿真对比，仿真结果表明，该控制算法收敛速度快，具有很好的收敛性；最后将该模型在某滑坡重点灾区实验区进行实验测试，实验结果显示该模型具有较好的收敛性，且预报精度达到90%。     

基于FARIMA模型的Internet网络业务预报

最近的网络研究发现Internet网络业务同时呈现长相关和短相关特性,因此建立可以同时描述,预报长相关和短相关特性的网络业务模型很有必要。文中给出了利用FARIMA模型进行建模和预报的方法,实验表明这种方法用于实际Internet网络trace是非常有效的,另外提供了简化FARIMA模型拟合的方法和具体步骤,这样大大缩短了模型辨识的时间,对于实际网络预报有很好的实用性。     

基于有偏小波网络的非线性时间序列分析

针对小波网络计算过程中出现大量冗余的特点,提出一种有偏小波网络模型。该模型在网络中添加一个偏倚层,通过自适应调整参数,增加自由度,减少计算冗余,同时采用基于多分辨率的初始化框架,加快了收敛速度,提高了计算精度。仿真计算表明,有偏小波网络能够反映非线性时间序列的内在特性,得到较好的径流预报结果,是一种有效的非线性建模方法。     

无线局域网业务流预报方法比较

介绍了基于时间序列、神经网络和小波的多种网络业务的预报方法,应用真实的无线局域网业务流序列检验了这些模型的预报性能,结果表明,和其他预报模型相比,基于神经网络的模型能够比较精确地捕获无线局域网业务流自身的特性,对业务流具有良好的预报性能,而基于ARIMA模型的预报性能最差。     

网络仿真在网络性能指标评价中的应用

在计算机网络研究中,网络仿真方法是一种快速而经济的研究手段,网络性能指标是一个重要研究内容。论文探讨了运用网络仿真对网络性能指标进行分析的方法,并运用该方法对一个实际建设的网络进行了性能指标的仿真和获取,从而验证了该方法的可行性和有效性。     

一种参数联合优化的网络流量非线性预测模型

为了提高网络流量预测精度,利用相空间重构和神经网络参数间的相互联系,提出一种参数联合优化的网络流量非线性预测模型。将相空间重构和预测模型参数作为粒子群优化算法的粒子,网络流量预测精度作为粒子适应度函数,通过粒子之间相互协作获得全局最优参数,根据最优参数建立最优网络流量非线性预测模型,通过网络流量实例对模型性能进行测试。结果表明,相对于传统参数优化方法,参数联合优化方法大幅度提高了网络流量的预测精度,为非线性预测问题提供了一种新的研究思路。     

N位M进制数码网络及其参数计算

本文介绍一种数码网络,它适用于任意位数和正整数进制的系统.文中证明了网络的各 水平电阻之间,以及水平电阻与终端电阻、网络等效电阻、各点输出电压、最大输出电压、基准 电压利用率等参数之间都存在着确定的关系,并推演出一系列参数计算公式.文中还讨论了 二进制和二-十进制网络的一般情况,当它的水平电阻相同时所得的参数恰与人们使用过的网 络参数完全相符.     

Parametric design with neural network relationships and fuzzy relationships considering uncertainties

This research introduces a new parametric design approach with neural network relationships and fuzzy relationships considering uncertainties. In this work, parameters are associated by a hybrid parameter relationship network. In addition to deterministic parameters and relationships, non-deterministic parameters (e.g., random parameters and fuzzy parameters) and non-deterministic relationships (e.g., neural network relationships and fuzzy relationships) can also be modeled in this network. Changes of parameter values and their uncertainties are propagated through this network. Two types of optimization methods, reliability based design optimization and possibility based design optimization, are employed to identify the optimal design considering objective random uncertainties and subjective fuzzy uncertainties. A computer system has been implemented and used for the optimal design of a solid oxide fuel cell (SOFC) system considering uncertainties.     

RanGen: A Random Network Generator for Activity-on-the-Node Networks

In this paper, we describe RanGen, a random network generator for generating activity-on-the-node networks and accompanying data for different classes of project scheduling problems. The objective is to construct random networks which satisfy preset values of the parameters used to control the hardness of a problem instance. Both parameters which are related to the network topology and resource-related parameters are implemented. The network generator meets the shortcomings of former network generators since it employs a wide range of different parameters which have been shown to serve as possible predictors of the hardness of different project scheduling problems. Some of them have been implemented in former network generators while others have not.     

蚁群优化神经网络的网络流量混沌预测

为了网络流量预测准确性,提出一种蚁群算法（ACO）优化BP神经网络（BPNN）的网络流量混沌预测模型（ACO-BPNN）。对网络流量时间序列进行重构,将BPNN参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到BPNN最优参数,建立网络流量最优预测模型,并采用实测网络流量数据进行有效性验证。结果表明,ACO-BPNN能够准确刻画网络流量变化特性,提高网络流量的预测准确性。     

基于遗传优化神经网络的网络入侵特征检测

为了提高网络入侵检测正确率,提出一种遗传优化神经网络的网络入侵特征选择和检测算法。该方法先将网络状态特征和RBF神经网络参数作为遗传算法的个体,把检测正确率作为适应度函数;然后利用遗传算法的选择、交叉和变异等操作对网络状态特征和RBF神经网络参数进行优化,最后利用KDD 1999数据集对算法性能进行测试。测试结果表明：遗传优化神经网络能够快速获得最优网络状态特征和分类器参数,同时提高了网络入侵检测正确率。     

特征和分类器联合优化的网络入侵检测算法

为了提高网络入侵检测正确率,利用特征选择和检测分类器参数间的相互联系,提出一种特征和分类器联合优化的网络入侵检测算法。联合优化方法将网络状态特征和分类器参数作为遗传算法的个体,网络入侵检测正确率作为个体适应度函数,通过选择、交叉和变异等遗传操作获得最优特征和分类器参数,利用KDD 1999数据集对联合优化算法进行验证性测试。实验结果表明,相对于其他入侵检测算法,联合优化算法既解决了特征与分类器不匹配带来的入检测检测能力下降,又提高了网络入侵检测正确率和效率,为网络入侵检测提供了一种新的研究思路。     

????SNMP??RFID???????????

According to the different network monitoring requirements of multiple equipments and servers in Radio Frequency Identification (RFID) information network, the common character and feature of network components are researched. The monitoring parameters are designed and selected including common parameters and special parameters. A kind of Simple Network Management Protocol(SNMP)-based Manager-Agent monitoring model is used. A general monitoring system including MIB node, Agent and monitoring tool for RFID information network is developed. Test results show the system can monitor both RFID readers and code resolution servers.     

基于SNMP的RFID信息网络监控系统

根据射频识别(RFID)信息网络中多种设备与服务器的网络监控需求,研究该信息网络中不同网络组件的共性及特性,选取并设计不同的监控参数,包括各种网络组件的公共参数及特性参数,采用基于SNMP协议的Manager-Agent监控模型,设计MIB节点、监控代理、监控工具,实现一种RFID信息网络通用的监控系统。测试结果表明,该监控系统能够成功地监控RFID读写器、RFID编码解析服务器等RFID信息网络组件。