水库防洪调度中的可拓评价

水库防洪调度是一项多目标的复杂决策过程.本文基于物元模型和聚类分析,采用可拓排序分析方法,利用隐含决策者意图的推荐方案构造典域物元和节域物元,建立等级聚类的简单模型,通过可拓分析得到洪水调度方案的排序结果,实例分析证明可拓分析方法是可行的.     

水库防洪调度中的可拓评价

水库防洪调度是一项多目标的复杂决策过程，本文基于物元模型和聚类分析，采用可拓排序分析方法。利用隐含决策者意图的推荐方案构造典域物元和节域物元，建立等级聚类的简单模型，通过可拓分析得到洪水调度方案的排序结果，实例分析讧明可拓分析方法是可行的。     

公路建设项目评价中的可拓决策方法应用

可拓决策是系统科学、思维科学和数学应用的交叉学科 .运用可拓决策理论和主成分分析方法 ,构建了公路建设项目的评价指标体系 .以可拓学的理论和评价分析方法为基础 ,给出了确定物元三要素———关键事物、关键特征和关键量值的计算方法和基本步骤 .利用公路建设项目定性等级和影响因子构建经典域物元和节域物元 ,采用应用物元和可拓集合中的关联函数完成相应的物元模型计算 .同时结合实例介绍了简单关联函数确定权重的新方法 ,最后给出了可拓评价方法在公路项目分析中应用的典型例证     

基于物元可拓性的物元可拓域

在实际问题中,集合的元素有许多其他特性,因而可用物元表示元素,将一般可拓集合转化为物元可拓集合.物元具有可拓性,每一种可拓性都可以确定一种变换.在一定的条件下,这种变换可以确定物元可拓集合的可拓域,从而为确定一般可拓集合的可拓域提供了依据.通过研究物元的可拓性与物元可拓集合的可拓域之间的关系,得到了两种确定物元可拓域的途径.     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.     

基于可拓学的大坝安全综合评价方法

以大坝安全监测资料为基础,以大坝安全状态为系统物元,利用物元理论、可拓集合理论及其关联函数,确定了大坝安全状态的经典域和节域,建立了大坝安全可拓学综合评价模型,并以综合评价体系中的"变形"为例,给出了一个可拓学综合评价算例.算例表明:采用可拓学理论来对大坝安全进行综合评价是合理、可行的,为大坝安全综合评价从定性评价到定量评价、从单指标评价向多指标评价提供了一条全新的、更为科学合理的思路和方法.     

基于物元可拓性的物无阿拓域

在实际问题中,集合的元素有许多其他特性,因而可用物元表示元素,将一般可拓集合转化为物无可拓集合,物元具有可拓性,每一种可拓性都可以确定一种变换,在一定的条件下,这种变换可以确定物无可拓集合的可拓域,从而为确定一般可拓集合的可拓域提供了依据,通过研究物元的可拓性与物元可拓集合的可拓域之间的关系,得到了两种确定物元可拓域的途径。     

公路建设项目评价中的可拓决策方法应用

可拓决策是系统科学、思维科学和数学应用的交叉学科．运用可拓决策理论和主成分分析方法，构建了公路建设项目的评价指标体系．以可拓学的理论和评价分析方法为基础，给出了确定物元三要素——关键事物、关键特征和关键量值的计算方法和基本步骤．利用公路建设项目定性等级和影响因子构建经典域物元和节域物元，采用应用物元和可拓集合中的关联函数完成相应的物元模型计算．同时结合实例介绍了简单关联函数确定权重的新方法，最后给出了可拓评价方法在公路项目分析中应用的典型例证．     

层次匹配范例推理在短期负荷预测中的应用

提出了一个改进的范例推理系统来解决电力系统短期负荷预测问题,该系统将范例推理、自组织映射以及模糊粗糙集方法进行了有效的结合.使用模糊粗糙集方法确定了范例的表示、组织方法，并通过自组织映射对历史范例进行聚类.将新问题所对应的范例与各个聚类中心进行匹配，得到最相似聚类，再在该聚类中进行二次匹配，对得到的最相似范例集进行重用、修正，从而得到最终预测结果.使用模糊粗糙集方法可以进行范例属性和匹配权重的合理选择，同时使用自组织映射对历史范例进行聚类，可以减少范例匹配次数和匹配时间.使用该方法不仅可以合理利用历史范例，而且可以通过属性选取、聚类来获取附加知识.实例验证和比较结果表明该负荷预测方法是有效可行的.     

商用车产业发展非政策影响因素的相关性研究

以商用车销售量作为商用车产业的评价指标,建立线性回归模型,运用主成分分析法,通过定量分析,研究GDP、固定投资额、公路里程、城镇化率和石油消费量等因素与商用车销售量的关系。结果表明,以上各因素均与商用车销量有很强的正相关性,影响程度十分接近,这5个影响因素同时具有高度的相关性,并且相互影响。     

Multilayer Multidi mensional Extension Set Theory

In order to study the rules and methods of con-tradiction problem-solving, a pri mary theory systemthat is called extensiontheoryis established[1 ,2],anda matter element dynamic systemtheoryisfurther es-tablished[3 -6]. Matter element theory and extension…     

带有优惠券销售的定价模型及求解研究

通过分析优惠券销售的特点，把顾客分为两类，一类是没有优惠券的顾客，一类是有优惠券的顾客，并对不同类型的顾客建立商品销售的销售量模型，最后以商家利润最大化为目标函数建立数学规划模型.同时讨论了利用遗传算法对模型的求解，并通过仿真进行了验证，其结果说明该模型对于商家制订优惠策略具有重要的理论意义和应用价值.     

可拓逻辑和可拓思维对决策树算法的分析与优化

为从理论层次上深度解析决策树分类算法的逻辑可行性,根据可拓理论中可拓逻辑和可拓思维的全新视角,对构建决策树过程中节点的选择、规则提取和预测等步骤,进行理论上的分析和评价.以可拓思维中的菱形思维模式来分析决策树算法中节点的选择,以可拓逻辑中基元变换理论来评价决策树算法的规则提取,以可拓逻辑中的基元发散规则来解释决策树算法的预测步骤,在验证决策树算法各个步骤符合可拓理论处理矛盾问题的思维模式的同时,也对决策树算法的分类结果建立了基于可拓理论的评价体系.     

物场-可拓创新方法研究及应用

针对稠油黏度大而难以输送的问题,提出一种融合基元模型和物场分析的物场-可拓创新方法。物场分析具体包含了物场模型、一般解法和标准解法,在创新问题求解过程中一般解与标准解存在相对固定的不足,结合基元模型形式化和可拓性的特点,构建了物场模型的基元表达方式。然后以一般解法为例,建立一般解法的基元模型及其拓展分析方法,并给出了创新问题的物场可拓求解流程,扩大一般解法对问题求解的范围。运用优度评价法对生成的创新方案进行评价,选择最优方案。最后采用物场-可拓创新方法对油水环状流的成型元件进行创新设计,减少稠油输送过程的摩擦损失,证明了物场-可拓创新方法指导产品创新设计的可行性,为实际应用提供参考。     

基于模糊综合评价法的烟田水利设施经济评价

介绍了模糊综合评价法应用于烟田排洪渠工程经济评价中的基本步骤,并在模糊综合评价中就各影响因子进行了定量分析.采用专家投票的方法建立模糊关系矩阵,运用模糊合成算子得出评价结果.通过对影响因子按其属性及评价目标进行了分类,可以更好地反映各因子之间的关系.结果显示模糊综合评价法在烟田排洪渠工程经济评价中产生了良好的效果.     

基于固有频率变化的点焊接头疲劳寿命预测

为得到固有频率随疲劳裂纹扩展的变化规律,在拉剪点焊试样有限元模型中,使用逐渐由少到多断开单元节点的方法模拟裂纹扩展过程.根据损伤力学原理和裂纹在横截面上的投影定义了损伤,建立了基于载荷幅和平均应力的疲劳寿命预测模型.利用此模型预测了实际试样的疲劳寿命.寿命预测结果与实验寿命结果对比表明,此疲劳寿命预测模型能较好地估算点焊结构的疲劳寿命.     

基于SOM-PCA-RBF的过程质量预测与整体调优

为实现过程输出质量的预防性改进,提出一种将SOM(self-organized map)神经网络、PCA(principal component analysis)法和RBF(radial basis function)神经网络集成的过程质量预测和多因素整体调优方法。采用SOM神经网络对过程数据进行分类;采用主成分分析法对分类后的过程输出进行评价,建立过程因素备选库;采用RBF神经网络建立过程预测模型,通过预测判断过程输出质量的符合性,给出过程多因素整体调优的方案。实例分析结果表明,该方法能够有效实现预防性质量改进。     

基于PCA - GRNN模型的新能源汽车月度销售量预测研究

为预测新能源汽车的月度销售量,提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA - GRNN模型.首先,选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子; 其次,利用主成分分析方法得到可代表6个影响因子的2个主成分,并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型; 最后,将2020—2022年间27个月度的统计数据分别输入到PCA - GRNN、PCA - BP和PCA - Elman模型中进行预测.结果显示, PCA - GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA - BP模型和PCA - Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA - GRNN模型在预测新能源汽车销售量方面具有一定的实用性.     

应用 BP 神经网络预测精锻斜齿轮损伤因子

通过利用DEFORM-3D软件对斜齿轮精密锻造过程进行有限元模拟,获得了损伤因子的分布特点。运用Matlab软件建立BP神经网络损伤因子预测模型,分析了不同锻造条件对损伤因子的影响,并对不同锻造条件下的损伤因子进行预测。利用检测样本对训练的神经网络进行验证,结果表明,BP神经网络预测损伤因子与模拟结果吻合较好,预测结果误差较小,预测精度满足实际应用要求。