基于BP神经网络对汽油辛烷值损失预测模型的构建

汽油燃烧尾气中含有的硫、烯烃等混合物对环境造成了极大的污染,但企业脱硫降烯的过程也会降低代表企业利润的辛烷值含量.通过数据关联或机理建模,可以刻画化工过程与辛烷值含量的关系,为解决传统的数据关联模型中变量相对较少、机理建模对原料的分析要求高、对过程优化的响应不及时等问题,本文利用Matlab软件,基于粒子群优化算法,通...     

联合mRMR算法和BP神经网络的集成电路测试方法

集成电路规模的急剧增大显著加了测试成本。针对集成电路测试成本过高的问题,提出了一种适应性测试方法。将最小冗余最大相关算法与BP神经网络相结合。首先通过最小冗余最大相关算法选择重要的测试项,仅测试重要的测试项并组成特征集合,然后使用BP神经网络模型预测测试结果。实验结果表明,相较于传统测试方法,该方法以牺牲0.1%的测试逃逸率为代价,降低了45%以上的测试成本。与其他适应性测试方法相比,该方法的测试逃逸降低91%以上,可以在测试成本和测试质量之间选择最优解。     

基于XGBoost和神经网络拟合预测模型的辛烷值损失的预测

汽油清洁化重点是降低汽油中的硫、烯烃含量,同时尽量保持其辛烷值.降低辛烷值(RON)损失是国内车用汽油质量升级的主要目标之一.本文针对某石化企业的催化裂化汽油精制脱硫装置运行收集的数据进行处理,探求数据样本中变量与变量本身、其他自变量及目标变量等之间的相关性,对特征变量进行多阶段降维,进而通过XGBoost和LSTM循...     

基于神经网络的业务量预测研究

分别采用back—propagation（BP）算法和Favidon最小二乘学习算法训练神经网络（NN），并用于复杂业务流量预测。以自相似流量模型验证了2种NN学习算法的有效性，并分析比较了他们在流量预测中的可行性，得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多，验证了复杂自相似业务流的可预测性，为复杂自相似网络业务流预测的研究提供了一种有效途径。     

基于灰色理论和神经网络建立预测模型的研究与应用

根据综合利用灰色理论与神经网络建立预测模型的思路,给出了利用神经网络对模型残差进行修正的灰色GM(1,1)模型综合预测方法。选用我国自1994年至2005年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,并利用LM算法优化的快速BP神经网络对其残差进行修正,使得建模和预测具有更高的准确性和适应性。实验结果及仿真验证表明,加入修正过程的综合模型,其预测效果远优于单一的灰色模型。     

基于BP神经网络算法的仿真研究

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收敛速度慢、陷入局部最小等风险,对BP算法进行了改进。且对已了解的BP神经网络的几种改进算法以某通信设备的故障诊断为实例一一进行实际训练验证,针对网络训练结果做了总结,对比各种改进方法的优劣,通过对比分析得出本文的算法改进效果明显,且故障诊断准确具有实际价值。     

基于数字图像识别的算法设计

本文以数字识别系统的基本流程为主线,从数据的提取与预处理、特征的提取与选择,到分类器的设计等部分都进行了较为详尽的分析与研究。着重研究了几个主要的用于分类的算法如最小距离法、近邻法、K-近邻法和BP神经网络,并通过MATLAB仿真实验分析了不同算法的识别率。为工程应用提供了可靠的理论依据和实际的使用经验。     

基于改进BP算法的软件缺陷预测模型研究

针对传统软件测试成本高及测试过程依赖于软件用例的设置等问题,设计了基于BP,JCUDA_BP和JCUDASA_BP的软件缺陷预测模型,并通过调研、实验的方式对基于改进BP算法的软件缺陷预测算法进行了相关的研究分析,探讨了JCUDA技术对于BP算法的影响,证明了模拟退火算法与JCUDA技术相结合的方式具有改进软件缺陷预测模型的可能性。     

基于改进BP算法的数字字符识别

本文利用BP神经网络算法，在MATLAB环境下，分别用理想字符信号和含噪声字符信号对同一网络进行了训练，使系统具有较强的容错性。最后用实际扫描的不同字体字符进行了识别实验。实验结果证明了系统在实际应用中的可行性。     

一种基于时频分析的神经网络检测方法

本文就典型的匹配滤波器在对非平稳噪声中的信号检测中所遇到的问题,根据时频分析的特点、以神经网络为工具,讨论了一种基于时频分析的神经网络检测方法.文中给出了基于此方法的检测器结构,并根据文中介绍的训练算法,对此检测器做了训练和性能仿真研究工作,并与常用的匹配滤波器进行了性能比较.仿真结果表明,本文所提出的检测方法避免了输入信号非平稳时,匹配滤波器呈时变结构给滤波器设计所带来的困难,解决了非平稳噪声中的信号检测问题.     

基于随机森林的汽油精制过程中辛烷值损失模型

目前,随着汽车尾气排放污染日趋严重,汽油质量标准日益严格,中国大力发展以催化裂化为核心的重油轻质化工艺技术,对汽油进行精制处理,实现汽油清洁化.在实现汽油清洁化的过程中,会不可避免地降低辛烷值(RON),亦会同时出现较大损失值单位,无疑给企业增加了生产成本,减少了收益.为此,本文通过建立基于随机森林的汽油精制过程中RO...     

基于改进CART算法的降雨量预测模型

降雨量预测对于水资源的管理非常重要,可以帮助决策者提前做出应对举措,降低灾情发生时带来的经济损失和人员伤亡。同时,降雨量预测对人们的日常生活、出行等也有着非常重要参考意义。通过分类回归树算法构建两个预测降雨量的模型,然后通过粒子群算法对模型中的参数进行优化。此外,为解决原算法不具备处理数据流问题的能力,根据dsCART算法的思想,对原算法生成决策树的过程做出了调整,使其具有增量学习的能力,提高其在气象信息系统中的实用性。最终通过实验验证了该改进方法的可行性、有效性。     

Microcell prediction model based on support vector machine algorithm

A new microcell prediction model for mobile radio environment is presented in this paper. The popular support vector machine algorithm is used as an optimizing tool to build a model. In order to validate the model quality, extensive electric field strength measurements were carried out in the city of Belgrade, for two different test transmitter locations. The analysis of the model has shown that proposed model is fast, accurate (on the order of the local mean measurements uncertainty), reliable, and suitable for computer implementation.     

基于Prony模型信号预测算法的折叠内插ADC

本文介绍了一种应用于折叠内插ADC中的信号预测算法,该算法采用Prony模型建立自回归滑动平均过程,能够取得更精确的功率估计。本ADC预测系统能够支持软件无线电多模式、多频段的模拟信号转换。MATLAB仿真结果表明,采用本预测算法后,折叠内插ADC动态范围扩大,在250MS/s的采样速率下,转换精度可以由10位提高到14位。     

萤火虫优化神经网络的体育成绩预测模型

针对当前体育成绩预测模型的精度低、速度慢等缺陷,提出基于萤火虫优化神经网络的体育成绩预测模型。首先收集大量体育成绩数据,并对数据进行预处理,然后采用神经网络对体育成绩训练样本进行学习,并通过萤火虫优化算法对神经网络的阈值和权值等参数进行选择,建立最优的体育成绩预测模型,最后采用体育成绩数据对该模型的有效性和优越性进行对比测试。结果表明,该模型可以提高体育成绩预测精度,预测结果更加可靠,可以为体育训练提供有价值的信息。     

基于优化KNN算法的线上拍卖价格预测模型

利用相似而已成交的其他拍卖可对正在进行的线上拍卖进行最终成交价格预测,但要使预测精度得到提高,需要相关属性特征对最终成交价格的影响程度信息。为此构建了一种遗传算法与K-最近邻(K-nearest neighbor)算法相结合的价格预测模型,采用遗传算法和交叉验证搜索出特征变量相对成交价格的最优权重,将最优权重加入相似度计算以决定最近邻并获得价格预测。通过利用ebay API获得真实线上拍卖数据进行实例研究,实验结果表明:该模型可以有效找出富含信息的特征变量,与传统算法比较明显提高了价格模型的预测精度。     

混沌理论和机器学习算法的运动员成绩预测模型

为了准确地对运动员成绩进行预测,结合运动员成绩的具体变化特点,设计了基于混沌理论和机器学习算法的运动员成绩预测模型。首先对当前运动员成绩建模与预测的研究现状进行分析,找到当前运动员成绩预测模型存在的不足,然后采用混沌理论对运动员成绩历史数据进行处理,发现其中隐藏的规律,最后引入机器学习算法——极限学习机设计运动员成绩预测模型。仿真实验结果表明,与当前运动员成绩预测模型相比,所设计模型的运动员成绩预测结果更加可靠,而且运动员成绩预测精度更高,可以应用于体育科学训练计划制定。     

遗传算法优化支持向量机的交通流量预测

交通流量预测是智能交通系统中的关键技术,针对当前交通流量预测模型存在不足,提出一种遗传算法优化支持向量机的交通流量预测模型。首先收集交通流量历史数据,并基于混沌理想对其进行相空间重构,然后将训练样本输入到支持向量机中进行学习,并采用遗传算法优化支持向量机参数,建立交通流量预测模型,最后采用测试样本对模型的性能进行测试。结果表明,相对于经典交通流量预测模型,本文模型可以更加准确描述交通流量预测复杂的变化趋势,提高了交通流量的单步和多步预测精度。     

基于大数据分析的电能损耗预测模型的仿真分析

对电能损耗进行预测的过程中,传统的预测方法,由于影响电能损耗的因素之间具有非常复杂的非线性与强相关性,导致很难得到高精度的预测结果。提出一种基于大数据分析的电能损耗预测模型,建立电能损耗预测单元模型,分析发电器模型、变电器模型和输电器模型建立的过程,引入灰色综合关联度对大数据进行分析,对各个组成区域序列累加得到整体区域电能损耗情况,并进行微分处理,通过GM(1,1)的转换实现对整体电能损耗预测模型的构建。仿真实验结果表明,所提模型具有较高的预测精度,能够很好地避免非线性因素对模型的干扰,为电力企业制定合理的电能损耗计划提供可靠依据。