自适应预报方法在铁路客流量预测上的应用

本文首先简要地概述了自适应预测方法的基本思想。接着,介绍了该法在铁路客流量预测中的应用及其效果分析。实例表明,此法大大提高了预测精度,且因其算法简单,便于在微机上推广应用。     

基于最优组合的一类非线性建模方法及其在预测中的应用

１引言专门人才预测大系统不仅涉及社会、经济、科技、教育等诸方面,而且受地理、历史背景和民族特点的约束．因此,如何利用现有条件定量地预测未来专门人才的需求仍是一个极待解决的问题．２最优组合准则及其探讨用基本数据处理组合法（ＧｒｏｕｐＭｅｔｈｏｄｏｆＤａ...     

一类非线性系统的自较正预报器及其应用

本文对一类较广泛的非线性随机系统,提出了两种自校正预报器(简记为STP)和一种自校正递推预报器(简记为STRP)。并且给出了在油田生产上的应用实例。     

一类非线性系统的神经网络控制器建模方法及其仿真研究

该文基于反馈线性化的思想，研究了一类非线性系统的神经网络控制器的建模方法，并以倒立摆控制系统为例，在Matlab环境下进行了仿真实验。仿真结果表明，该文所讨论的方法有效可行，使非线性系统具有较好的跟踪性能，为反馈线性化控制技术在实际的非线性系统中的应用创造了条件。     

一类含有死区非线性伺服系统的建模方法

本文针对含有死区非线性特性的伺服系统建模过程中存在的问题提出了一种新的建模方法,该方法利用时输出信号作傅立叶变换,得到对应于各频率点的分量福值,并利用它们之间的内在联系推导出系统的模型参数。仿真结果表明,利用该方法可以得到比较近似的系统模型参数。     

一类复杂工业过程的智能预报模型及其应用

针对复杂工业过程中关键变量的测量问题,基于智能技术提出一种由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的智能预报模型,并将该模型用于竖炉焙烧过程的优化控制与决策中.应用结果表明其维护费用低、实时性好、可靠性及精度高,在很大程度上解决了关键变量测量困难的问题,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础.     

基于ARMA-LSTM组合模型的铁路客流量预测

单一模型在铁路客流量预测中很难同时捕获到数据序列的线性、非线性和周期性等多种特征,从而无法取得很好的预测效果.针对该问题提出基于机器学习的ARMA-LSTM组合模型预测方法.对原始数据进行分析和特征提取;训练LSTM(Long Shot-Term Memory)模型和ARMA(Autoregressive moving average model)模型,分别得到两模型预测结果;通过BP神经网络算法对两模型进行权重优化,得到预测结果.将ARMA-LSTM组合模型与ARMA、LSTM、灰色模型、GM-LSTM组合模型进行对比,预测效果明显优于其他单一模型,预测结果误差(MAPE)降至3.10％ ～10.73％,验证了ARMA-LSTM组合模型在铁路客流量预测中有更高的准确性和更好的适用性.     

一类新的RBF 神经网络在非线性系统建模中的应用

提出一种基于输入集分类函数的新的距离度量方法,它与前传回归的正交最小二乘法相结合,不仅可以学习分类超平面的参数,而且可以选择重要的输入节点。这种结构的RBFNN特别适用于非线性动力学系统的辨识（建模）和控制。将改进的RBFNN用于化工中的聚合反应过程建模,结果表明该方法是有效而适用的。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

一类非线性模型及其预测偏差分析

在非线回归分析中，变换模型引入注目，著名的Ｂｏｘ－Ｃｏｘ变换模型＾［１］更是广为讨论。理论分析与应用表明，该类模型因变量的预测均采用简单的逆变换加以实现。本文通过预测分析表明，这种预测是偏倚的。应加以校正。基于正态条件分布，本文理论推导了校正公式并给出了预测上、下限、最后进行了实例分析。     

一类三角形网格的局部加密方法及其应用

5卫.引言网格生成是数值计算必需解决的问题.对于许多复杂的工程实际问题,由于物理参数的变化及解的性态复杂,对求解区域的网格疏密变化都有某些特殊的要求.虽然一般的非结构网格能够适应这些要     

参数预报自适应控制方法及其在农业中的应用

本文考虑了动态系统的自适应控制问题,分析了具有瞬时特征的参数跟踪算法。依据这种算法导出了“参数预报自适应控制律”,并介绍了它在农业中的应用。     

一类微生物混合生长模型及其在菌株筛选中的应用

本文以丙酮丁醇连续发酵过程为背景,提出了一类微生物混合生长模型。对此模型进行仿真,可确定在连续发酵系统中使用的各枝(批)菌株的实际操作周期,继而通过物料衡算计算出该菌株的得率。菌株得率的实时计算是连续发酵过程中进行菌株筛选的基础。各菌株得率的高低可被用作评判其优劣的标准,并可据此指导实际生产过程中的菌株选用,以达降低原料消耗的目的。     

多模型自适应预报及其在电力规划负荷预报中的应用

本文提出一种多模型自适应预报方法,预报系统由几个并行的多步预报器组成,最终预报由Bayes决策律决定。本法适用于随机快时变参数动态过程的预报,在我国工业用电量长期预报中应用此法获得了良好的效果。     

FDTD计算中一种UPML吸收边界与其内部计算区域的统一建模方法

基于C 语言的多态性实现了单轴各向异性完全匹配层(UPML)吸收边界与吸收边界内部计算区域的统一建模.其主要思想是:首先构造基类-Yee元胞类及其继承类来分别封装UPML内部介质和UPML的电磁特性;然后分别创建基于以上两个类的对象数组来给UPML 及其内部计算区域开辟计算空间;再构造基类类型的指针数组,并用以上数组的地址赋值;最后,所有的计算在指针数组空间完成.该方法避免了UPML与其内部计算区域间的数据传递,简化了编程.数值实验验证了UPML的吸收效果,证明了方法的有效性.     

一种新型的链接锥及其在图象分割中的应用

本文根据基本链接方法,在链接结构及其在建根方法上作了进一步改进,提出了一种新型的链接锥.它可对复杂物体图象进行准确分割、平滑、特征提取在同一过程中进行的特点.我们结合实际细胞核图象进行了图象分割的研究,证明此方法具有较高的分割精度及广泛的使用价值.     

混沌粒子群优化神经网络在铁路客运量预测中的应用

针对常规RBF神经网络在铁路客运量预测中存在的收敛速度慢、易陷入局部极小等缺陷,提出一种基于混沌粒子群优化RBF神经网络算法,实现对RBF神经网络参数进行优化,并对我国1985年-2008年铁路客运量数据进行仿真实验。仿真结果表明,该算法很好地解决常规RBF神经网络参数优化问题,提高了铁路客运量预测精度,预测结果对铁路企业的决策有更加实用的参考价值。     

BP网的收敛特性及其在物性建模中的应用

本文对反向传播(BP)网络在非线性系统建模过程中的收敛特性进行了研究,讨论了隐含层单元数对收敛特性的影响以及快速BP算法和Levnberg-Marquardt算法,并将其应用在物性建模中。结果表明,通过建立的模型可以很好地预测物性。     

非线性Leland方程的一种并行本性差分方法

非线性Leland方程（支付交易费用的期权定价模型）数值解法的研究具有重要的实际意义,本文对非线性Leland方程构造了一种具有并行本性的差分格式一一交替分段CrankoNicolson（ASC—N）格式,给出差分格式解的存在唯一性、稳定性分析及解的误差估计,理论分析表明ASC—N格式为无条件稳定的并行差分格式．数值试验显示ASC—N格式的计算精度与经典的Crank—Nicolson格式相当,但其计算时间要比经典的Crank—Nicolson格式节省将近50％,数值试验验证了理论分析,表明本文的ASC—N格式对求解非线性Leland方程是有效的．     

OpenGL在人脸建模和动画中的应用

介绍了如何使用ＯｐｅｎＧＬ来绘制高速真度的人脸,主要着重于ＯｐｅｎＧＬ在Ｗｉｎｄｏｗｓ９５平台上的一些开发经验的介绍和ＯｐｅｎＧＬ的变换、光照、明暗处理、纹理映射等技术的应用。