Entropic-FV活度系数模型预测膜的溶胀性能

根据Vrentas-Duda自由体积理论，结合基于UNIFAC活度系数模型，在较宽的浓度范围内预测了聚合物膜在溶液中溶胀行为。用UNIQUAC方程计算液相中组分的活度，考虑了温度对模型方程中二元交互作用参数的影响。对水／乙二醇(EG)／聚乙烯醇(PVA)膜体系，三个不同温度60℃、70℃和80℃下计算结果和实验数据基本一致。模型方程中自由体积部分影响较大，考虑聚合物的粘弹性贡献对预测结果有一定改进。     

基于马尔可夫修正模型的视频预测策略

在P2P流媒体系统中,要想用户获得较好的观看质量,系统会选择流行度较高的视频段,在某些情况下并非响应时间最短就是最佳的视频段,还要看用户使用的需求.新上映的视频段的流行度没有形成稳定的趋势,因此没有足够的数据,传统的统计方法不能及时反映出流行度的变化.针对此问题,本文提出一种基于马尔可夫修正模型的视频预测缓存策略(Mo...     

模型修正的正交模型-正交模态改进法

正交模型-正交模态法（CMCM）是一种参数修改的新方法,它具有不依赖于灵敏度分析、不需要进行迭代的特点.但是在有限元存在整体建模误差时,该方法会出现无法完成修正计算的情况,本文针对此问题进行了改进.改进后的方法可以既可以处理存在局部建模误差的情况,也可以处理存在整体建模误差的情况.本文通过梁式结构的数值算例,比较了原修正方法（CMCM）、改进后的修正方法（ICMCM）以及商业软件模型修正FEMtools的修正效果.结果表明：改进的正交模型-正交模态方法可以使分析频率更好地逼近实验值,物理参数的修改也更加准确.     

基于ARIMA模型误差修正的小波神经网络风速短期预测

风电场风速短期预测对于风力发电具有重要意义。本文首先根据国家标准《风电场风能资源评估方法》推荐的方法对风速数据进行预处理,修正不合理的数据以及插补丢失的数据:接着运用小波神经网络对预处理之后的数据进行预测,并对预测之后的残差形成的随机序列建立ARIMA误差预测模型,最后用预测的误差来修正风速预测结果。将以上方法用于某小型风电场实测数据,并将运算结果与小波神经网络的预测进行比较,MAPE降低了46.97%,结果表明基于ARIMA模型误差修正的小波神经网络明显改善了风速预测的精度,可有效应用于短期风速预测。     

基于MWOA-ELM代理模型的有限元模型修正

为得到待修正参数与结构响应之间的关系,提高模型修正效率,将极限学习机(ELM)和鲸鱼优化算法(WOA)引入有限元模型修正(FEMU).通过高斯(Gauss)混沌初始化、非线性调整策略、自适权重系数等改进鲸鱼优化算法,利用其优化极限学习机,建立待修正参数与加速度频响函数之间的非线性映射关系.以试验与优化极限学习机模型输出...     

D-S证据理论修正模型的探讨

论文针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则。实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果。     

基于Kriging模型的航空发动机管道系统有限元模型修正

为获得精确可靠的航空发动机外部管道结构动力学模型,采用将Kriging模型与多目标遗传算法(MOGA)相结合的模型修正方法进行有限元模型修正.首先进行管道模型的模态试验和有限元建模,分别获得模态参数的试验值和有限元分析值；然后在合理的参数选取和试验设计(DOE)的基础上,拟合得到Kriging模型；最后基于Kriging模型采用多目标遗传算法进行有限元模型修正,并对比了不同修正方法的精度和修正效果.结果表明：采用Kriging模型进行有限元模型修正可以有效提升修正效果,获得更为准确的有限元模型；对于航空发动机管道系统,基于Kriging模型的模型修正方法相较于基于灵敏度分析的模型修正方法具有更高的修正效率和修正精度.     

MEMS微镜动力学模型修正技术研究

针对MEMS微镜动力学试验周期长、成本高的问题,通过Solidworks软件建立MEMS微镜几何模型,通过Hypermesh软件建立有限元模型。针对微镜镀层材料参数、厚度难以测量,以及微镜动力学特性受镀层加工工艺影响的问题,用元素型模型修正方法对模型进行修正,修正后,模型特征频率及振型与试验结果基本一致,表明通过元素型模型修正方法可以实现微镜模型的有效修正,修正后的模型动力学分析结果与实验接近。     

Fast prediction of the quasi phase equilibrium in phase field model for multicomponent alloys based on machine learning method

The phase field model for multicomponent alloys are usually coupled with the thermodynamic database. But it will take much time to solve the quasi phase equilibrium equations. In order to reduce such time and keep the enough accuracy, we develop a new model to predict the quasi phase equilibrium based on the machine learning method. As an example, the quasi phase equilibrium during the isothermal solidification of Al-Cu-Mg alloy is studied in detail. A neural network model with 3 inputs, 4 outputs and a hidden layer of 150 nodes is constructed. The “training data” are prepared by solving the quasi phase equilibrium equations with least square method. The neural network model is trained by different amount of data set, which can fully cover the ranges of all the variables. The accuracy and performance of the neural network model are discussed in detail. Its high accuracy and fast speed demonstrated that this will be a convenient method to acquire the quasi phase equilibrium data in phase field model for multicomponent alloys.     

基于改进单亲遗传算法的炼钢最优炉次计划模型

炉次计划在炼钢生产计划的编制过程中扮演着重要角色,优化的炉次计划对炼钢厂的高效、稳定运行产生深远影响.基于已有文献,并根据小方坯连铸过程的特点,考虑了钢种、断面、交货期等因素,建立了新的炉次计划模型,以期通过优化生产合同的组合而降低生产费用.炉次计划问题是复杂的组合优化问题,不可能在列举所有可能的求解结果.因而,采用了改进的单亲遗传算法寻求问题的最优/近优解.在求解过程中,通过分析比较,得到了合理的算法参数.最后,通过采用遗传算法、单亲遗传算法和改进的单亲遗传算法对模型求解结果的比较,验证了改进后单亲遗传算法的优越性.     

A novel modified undersampling (MUS) technique for software defect prediction

Background and aim: Many sophisticated data mining and machine learning algorithms have been used for software defect prediction (SDP) to enhance the quality of software. However, real‐world SDP data sets suffer from class imbalance, which leads to a biased classifier and reduces the performance of existing classification algorithms resulting in an inaccurate classification and prediction. This work aims to improve the class imbalance nature of data sets to increase the accuracy of defect prediction and decrease the processing time . Methodology: The proposed model focuses on balancing the class of data sets to increase the accuracy of prediction and decrease processing time. It consists of a modified undersampling method and a correlation feature selection (CFS) method. Results: The results from ten open source project data sets showed that the proposed model improves the accuracy in terms of F1‐score to 0.52 ～ 0.96, and hence it is proximity reached best F1‐score value in 0.96 near to 1 then it is given a perfect performance in the prediction process. Conclusion: The proposed model focuses on balancing the class of data sets to increase the accuracy of prediction and decrease processing time using the proposed model.     

基于网络访问行为的混合阶Markov预测模型

随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.     

Radar multipath scattering from the composite model: Specular image modified model and ISAR imaging analysis

The theoretical implementation aspect of high‐frequency electromagnetic scattering prediction from the composite model is proposed in this work. First, the composite model is described and the multipath scattering prediction method (physical optics + equivalent edge currents + four‐path model) is formulated. Then, by introducing the concept of the specular image facet, a modification, named specular image modified four‐path model (SIMFPM), is developed to calculate the coupling scattering field between the electrically large three‐dimensional perfect electric conducting target and the dielectric rough surface. The proposed procedure makes preparation for the analysis of the multipath scattering effects on inverse synthetic aperture radar (ISAR) imaging in the final part. Numerical examples demonstrate the accuracy of the SIMFPM and present the multipath effects on the ISAR image.     

基于晶格理论的聚合物溶液活度模型

根据Gibbs-Helmholtz热力学基本关系式,结合溶液晶格模型推导出适合聚合物体系的活度系数模型,该模型方程含有结合项、剩余项和自由体积项。将其与Entropic-FV(EFV)、UNIFAC-FV及UNIFAC模型,同时用于预测14个由PIB、PS和PPO等聚合物与苯、甲苯和丁烷等溶剂组成的聚合物-溶剂体系中溶剂的活度,并与实验数据进行比较,活度的平均偏差分别为3．98%、6．61%、4．92%、19．19%。计算结果显示该模型的预测精度高于其它3种常用的聚合物、溶剂体系的溶剂活度模型。     

A stochastic policy search model for matching behavior

The matching law is one of the basic empirical laws in decision theory,and it states that a subject’s preference to optional targets depends on which choices are reinforced.In this paper,we study the possible mechanisms that explain why subjects’ decisions often obey this law.On the basis of reinforcement learning theory,we put forward a decision-making model in which the policy is updated by a policy parameter,and the model might be implemented in the brain through the prefrontal cortex and the basal gangl...     

满足匹配律的策略参数搜索决策模型

匹配律是决策理论的基本定律之一,它建立了对备选目标的偏好与所获奖励之间的对应关系.通过构建获得匹配律的策略模型,研究了该定律成立的可能机制.基于再励学习理论,提出了通过调整策略参数以满足决策目标的策略搜索模型.在该策略模型的基础上,通过设定简单的假设条件推导出满足匹配律的策略算法.理论分析和数值仿真结果均验证了算法的正确性.另一方面利用该算法模拟了经典的心理学与神经生理学的匹配行为实验.研究结果不仅对匹配行为给出了合理的解释,也为建立基于奖励的决策模型提供了一种有效的理论建模方法.     

基于二参数Antoine方程的石油物系汽-液平衡模型

石油物系汽-液平衡计算在石油蒸馏计算过程中至关重要,本文应用一种简化的汽.液平衡模型对石油物系进行相平衡计算。通过引入简化的蒸汽压方程简化了计算步骤,进而大幅度的降低了计算时间,最终达到提高计算效率的目的。该方法与广泛应用的严谨汽.液平衡计算的SRK方程对比,具有结构简单、迭代步骤少等优点。通过实验,将该简化模型应用于大庆石油、胜利石油等5种石油的石油物系中,经过对比PT闪蒸的仿真结果得到,该简化模型与应用SRK方程方法相比,在0.002 MPa-0.5MPa下的汽化分率的绝对误差约为1%,故该方法与严谨算法的误差在一个较小的范围内,证明了该简化模型的有效性。同时,通过应用简化模型可将计算速度提升98倍,证明模型具有较强的实用价值。