电力负荷交叉变权组合预测

传统的基于误差指标的组合负荷预测模型不能反映单项预测方法在不同样本时刻预测效果不同的事实,同时传统模型不能有效处理不同样本时刻对目标预测日影响不同的事实。本文给出并给出了改进的抽象模型,并给出实例化该模型的三种方法,结果表明文中方法提高了预测精度。     

基于近似熵测度的变权组合预测方法

提出一种基于近似熵测度的变权组合预测方法.首先,不同于传统的预测效果评价准则,从衡量样本序列复杂性的角度出发,以预测值误差序列的近似熵测度为评价效果准则,建立变权组合预测优化模型;然后,在变权组合预测权值分配问题上,为克服常规的均值估计法和回归分析法的不足,采用在线最小二乘支持向量机(LS-SVM)回归法,实现预测点加权系数的准确预测;最后,通过实例表明了该方法的可行性和有效性.     

基于模糊变权组合预测模型的航材预测

由于航材预测的发展,每一种航材的预测模型有很多种。不同模型的预测模型体现了预测对象不同方向的发展趋势,合理地处理信息可以更加全面地预测航材需求趋势。模糊变权组合预测模型不同于传统组合预测模型,它采用权重系数为三角模糊数来组合不同预测模型结果,并以单项预测方法预测精确度指数最小为准则,集成处理得到较窄的取值范围来帮助航材预测决策。最后以实例验证方式检验该模型的有效性和准确性,具有一定的实用性。     

客户重复购买的组合预测方法

SMC模型是由Schmittlein等人提出,用于描述非契约客户关系情景下客户的重复购买行为。该模型假设客户重复购买行为服从泊松过程,客户一旦流失则不会被赢回。 HIPP模型是由马少辉等人提出,该模型假设客户不会永久流失,而是在活跃和不活跃的状态之间转换。然而在现实中,永久流失和暂时流失的客户都是可能存在的。因此,SMC模型可能会低估重复购买的概率,而HIPP模型可能会高估重复购买的概率。本文提出一种客户重复购买的组合预测方法。该方法利用SMC模型和HIPP模型分别对客户重复购买进行预测,通过遗传算法寻找这2个模型的最优组合权值。通过实证分析,验证了组合预测方法的优越性。     

基于滑动窗口的一类非负可变权组合预测方法

针对基于结果的组合预测赋权问题,通过引入预测残差数据的变异系数和滑动窗口模型,给出一类基于滑动窗口和改进变异系数的组合预测时变权重确定方法.将传统基于预测数据层面的变异系数转移到预测残差数据层面,能有效消除传统变异系数由于数据数量级引起的数据变异程度被弱化的情况.结合滑动窗口模型,对已有的赋权方法和提出的基于改进变异系数的赋权方法进行调整,实现非时变权重向时变权重的过渡.实例分析表明,改进变异系数的有效性以及滑动窗口技术的引入能够有效提高组合预测精度.     

基于灰色变权搜索的软件故障预测方法

针对软件故障数目历史数据的小样本特征,在传统灰色模型基础上,将预测模型的建模问题转换为灰色权因子的搜索问题,建立了变权搜索模型进行故障数目预测;提出用实测和预测序列的均方误差和斜率距离构建搜索指标集,用欧式距离构建计算各指标权重的最优准则函数,对模型的灰色权因子进行全局最优搜索,权因子随故障发展过程实时变化;经实例仿真,预测与实测序列相对误差较小,验证了所提方法的可行性和有效性,对装备软件风险评估提供了有效的决策支持。     

基于演化聚类分析的组合预测改进熵权模型及其应用

针对组合预测传统熵值赋权方法可能存在大样本下权重差异不大的不足,引入演化聚类分析技术,提出一类组合预测改进的熵值赋权模型.在确定好单项预测方法和结果后,通过对所有单项预测结果给出的绝对误差信息进行聚类分析,得到单项预测方法下误差信息在不同类中的离散分布,给出单项预测结果在整体和局部两个层面的差异比较工具,进而利用得到的离散分布应用熵权模型给出改进的熵值赋权方法.结合美元兑日元的汇率数据分析表明了所提出方法的可行性和有效性.     

基于遗传算法的交通流量组合预测研究

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统的关键技术之一，也是实现智能交通诱导及控制的前提。本文首先对几种重要的交通流量预测模型的理论和优缺点进行了比较，分析了影响预测模型的因素，然后提出了一种基于遗传算法的流量组合预测方法，该方法利用遗传算法群体搜索的特点，组合各种算法，优化预测思路，充分发掘不同算法的差异优势，实践证明该思路是切实有效的。     

全局优化的混合禁忌搜索算法

针对多峰函数的全局优化问题,提出了混合禁忌搜索的全局优化方法,通过实例验证了所提出的算法的可行性、有效性并且收敛速度较快.     

组合小波分析与神经网络的船舶缆绳载荷预测

通过对几种改进的二分查找算法的分析和总结,提出了一种基于结点群的更为高效的动态二分查找器。该二分查找器不仅使查找效率得以提高,而且使存储结构得以改进,既实现了动态的实时查找,又便于灵活地进行元素尤其是元素群的插入、删除等操作。另外,实验表明,当在大量数据中查找时,该算法明显优于以前改进的所有二分查找算法。     

Global Asymptotic Stability Analysis of Neural Networks with Time-Varying Delays

Global asymptotic stability of the equilibrium point of neural networks with time-varying delays is considered in this paper. By utilizing the Lyapunov--Razumikhin technique, some new sufficient conditions are given. The new criteria do not require the delay function to be differentiable and the activation functions to be bounded or monotone nondecreasing. The results presented here are less restrictive and conservative than those given in the earlier references. Two examples are discussed to compare the present results with the existing ones.     

基于GA-BP神经网络的胎儿体重预测分析

胎儿体重是判断胎儿发育、保障孕产妇安全的重要指标,但是胎儿体重无法直接测得,只能根据孕妇体检数据进行预测.提出了一种基于遗传算法优化BP神经网络（GA-BPNN）的胎儿体重预测模型,首先采用回归模型和特征归一化预处理得到的历史体检数据建立孕妇连续体重变化模型,然后利用遗传算法（Genetic Algorithm,GA）优化BP神经网络的初始权值和阈值,建立胎儿体重预测模型.从我国东部某医院2016年孕产妇中随机抽取3000例样本数据,将本文的模型与基于传统BP神经网络（BPNN）的预测模型进行比较,实验结果表明,本文提出的GA-BPNN胎儿体重预测模型不仅加快了模型的收敛速度,而且将胎儿体重预测精度提高了14%.     

一种基于加权网络拓扑权重的链路预测方法

近年来,复杂网络中的链路预测问题受到越来越多的关注,链路预测的应用场景也越来越广泛,因此如何提高链路预测精度是一个重要问题。目前已提出了很多方法,其中加权相似性指标的预测方法取得了很好的效果。然而传统的加权网络链路预测方法仅考虑了链接的自然权重,忽略了链接的拓扑权重对预测精度的影响。因此,针对加权网络的链路预测,综合考虑网络中边的聚类和扩散特性并将其作为边的拓扑权重,提出了基于链接拓扑权重的WCD含权预测指标,包括WCD-CN,WCD-AA,WCD-RA和WCD-LP4个相似性指标。文中以Matlab为实验平台,在两个带权数据集(USAir,Bibble)和两个无权数据集(Pblogs,Dolphins)上进行实验,并以AUC作为评价指标。仿真结果表明,与基于自然权重的含权指标、基于簇系数的结构含权指标相比,所提算法具有更好的预测精度。     

基于修复技术的组合电路进化设计算法研究

提出基于修复技术的组合逻辑电路快速进化设计算法。该算法利用候选电路在进化的初始阶段适应度增加很快的现象,先进化出一个功能大致正确的电路;然后转入修复过程并对不正确的输出进行修正,最终设计出功能正确的电路。为了能对进化出的有错误的电路进行修复,专门设计出简单而规整的修复电路的构造方法。附加的修复电路与进化生成的对大部分输入都能输出正确结果的电路结合在一起,形成最终的功能完全正确的电路。该方法极大地减少进化所需的时间。     

基于遗传算法和神经网络预测的再励学习

提出一种基于遗传算法和神经网络预测法相结合的再励学习方法,利用遗传算法对全局进行最优解搜索,将进化过程中产生的数据用来训练神经网络预测器,当再励学习逼近最优解时,利用预测网络估计动作网络的参数、结构与系统响应之间的映射关系,用预测网络逼近最优解的能力引导遗传算法在局部向最优解快速逼近,以解决遗传算法局部振荡问题,从而实现快速学习的能力。将其应用于矢量控制交流电机的速度环控制器自学习中,仿真实验验证了该算法的有效性。     

基于前后向线性预测的时变参数估计方法研究

在基时间函数展开理论基础上,通过同时引入非平稳信号的前向线性预测和后向线性预测来估计模型的时变系数,提出了一种新的时变参数建模方法,有效地克服了现有方法对瞬时频率估计的滞后问题和无法准确估计初始时刻值的困难;仿真试验证明,在相同阶次和基函数维数条件下,该方法对非平稳信号瞬时频率的估计效果要优于现有的方法。     

基于关键词权重的XML查询结果排序方法

XML关键字查询结果质量不高的一个很重要的原因是查询关键词难以反映用户真实的查询意图,而给关键词设置权重在一定程度上可以解决这一难题. 本文结合关键字之间的结构关系提出了一种新的结果排序方法,该方法给查询关键词设置权重,并参照查询关键词的权重给包含关键字的结点设定结点权重,然后根据关系树中的结点权重和关键词之间结构关系^[1]统计SLCA结点的重要程度,再以此依据对查询结果进行排序,最后返回给用户有序的查询结果. 实验结果和分析表明,提出的排序方法具有较高的准确率,能够较好地满足用户查询的需求和偏好.     

基于自适应权重和莱维飞行的改进海鸥优化算法

在齿轮系设计问题中, 传统算法存在计算复杂与精度低等缺点, 海鸥优化算法(SOA)得益于其算法原理简单、通用性强、参数少等特性, 现多用于工程设计问题. 然而, 标准海鸥优化算法易出现寻优精度低、搜索速度慢等问题, 本文提出一种混合策略改进的海鸥优化算法(WLSOA). 首先, 利用非线性递减策略增强海鸥优化算法的探索开发能力, 提高寻优精度. 其次, 在海鸥攻击阶段引入自适应权重平衡全局与局部的搜索能力和加入莱维飞行步长对当前最优解进行扰动, 提高算法跳出局部最优值的能力. 然后分别使用WLSOA、黄金正弦算法、鲸鱼优化算法、粒子群优化算法、传统海鸥优化算法及最新提出的改进海鸥优化算法, 通过在9个经典的测试函数上进行仿真实验来探究WLSOA的性能. 结果表明, WLSOA比其他6种算法寻优精度更高, 收敛速度更快. 最后, 在齿轮系设计问题上, 通过与其他13种常见的群智能算法的比较表明, WLSOA的求解性能优于其他算法.     

基于变权优化背景值改进的GM(1,1)灰色预测模型及其应用

针对传统的GM(1,1)灰色预测模型背景值采用均等权值导致预测精度不高的缺点,本文提出一种变权优化选择背景值方法。首先将黄金分割搜索和抛物线插值法相结合确定改进GM(1,1)模型的背景值;然后将改进后的背景值代入灰色预测代数递推方程,从而代替传统的GM(1,1)模型中的白化方程;最后选取指数数列进行模拟并结合某高校教师人数的实际统计数据进行仿真实验。结果表明,改进的GM(1,1)模型减少了平均相对误差,提高了预测精度,具有一定的应用价值。