基于基因表达式编程的私人汽车拥有量建模和预测*

准确预测私人汽车拥有量,对制定经济政策和进行经济宏观调控、保证社会经济和谐发展有重要的作用。基因表达式编程（GEP）是新的进化模型,在数据挖掘领域得到了广泛的关注和研究,对符号回归任务表现了很强的优势。阐述了GEP基本原理,GEP进行序列分析的基本方法;根据1990—2007年全国和人汽车拥有量,基于GEP技术挖掘到了其模型。实验表明,基于GEP技术得到的私人汽车拥有量模型预测精度高、泛化能力强。     

用态势模型预测基因表达式编程的进化难度

在基因表达式编程(gene expression programming,简称GEP)中,由于不同问题得到的适应度-距离相关系数(fitness-distance correlation,简称FDC)值很相近,所以难以用FDC预测GEP求解不同问题的进化难度.为了解决该问题,提出了态势模型及其区间密度指标来预测GEP的进化难度.主要工作包括:(1)提出了GEP染色体之间的距离和态势模型的新概念;(2)提出了态势模型中的区间密度指标;(3)从动力学角度证明了态势模型是对GEP原搜索空间的一种映射,并且该映射保持了种群在原搜索空间中移动的动力学性质;(4)分析了用态势模型区间密度预测GEP进化难度的合理性;(5)用实验验证了区间密度能够准确预测GEP求解问题的进化难度.     

DSCE-GEP算法在PM2.5浓度预测中的应用

雾霾防治是目前空气质量保护问题研究的热点,PM2.5浓度预测是雾霾防治的关键之一;文章采用一种双系统协同进化的基因表达式编程算法(DSCE-GEP)进行PM2.5浓度预测,该算法在GEP算法中引入人工干预操作来提高算法进化速度以及解的质量;DSCE-GEP算法是对人类进化的模拟,不仅具有强大的模型学习能力,而且能得到模型的显式函数表达式;文中以西安地区逐日PM2.5浓度预测为例,将DSCE-GEP算法与传统基因表达式编程算法(GEP)、文献中分类回归树和极限学习机组合模型(CART-EELM)以及卷积神经网络和长短期记忆神经网络组合模型(CNN-LSTM)进行了对比实验;实验结果表明,DSCE-GEP算法拟合度更高,是一种具有竞争力的智能预测算法.     

基于支持向量机的邮电业务总量的预测

支持向量机是一种基于统计学习理论的机器学习方法,成为当前国际机器学习界的研究热点.文中将基于支持向量回归的方法应用于邮电业务总量预测的研究,利用邮电业务总量和第一、二、三产业的国内生产总值之间的关系,建立了邮电业务量的预测模型,并运用该模型进行预测.实验表明:基于支持向量机的预测方法比其它预测邮电业务总量的方法更准确,且具有更强的泛化能力.     

基于中性突变的朴素基因表达式编程

分子进化中性学说认为生物的进化主要是由中性突变决定的.基因表达式编程(GEP)是一种将基因型和表现型分离的新的进化模型,其突出表现在基因组存在不被表达的中性区.基于朴素基因表达式编程(NGEP)模型研究了NGEP中性区在进化中的作用.主要工作包括:1)进一步完善了基于完全树编码方案的NGEP模型的概念;2)分析了传统GEP和NGEP的基因中性区域特点,指出NGEP存在更自由灵活的中性区域;3)通过控制基因长度和基因数量,调控中性区的大小和数量,研究了NGEP和传统GEP的中性区域在进化中的特殊作用,验证了NGEP的有效性;4)实验表明,在存在相同适度的中性区域条件下,NGEP比传统GEP进化更有效,且NGEP的成功率随中性区域的增加不会发生剧烈变化.     

改进基因表达式编程在股票中的研究与应用

介绍了基因表达式编程方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出了一种基于动态变异算子的改进的GEP算法--IGEP(improved GEP)算法.动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了GEP的收敛速度和精确度.还对算法进行了复杂度和收敛性分析.最后设计了一种基于IGEP的股票指数分析与预测算法,数值实验结果表明该算法优越于经典GEP算法,非常有效且具有较广泛的通用性.     

基因表达式编程在环氧酶抑制剂定量构效关系中的应用

基因表达编程方法(GEP)是1种较新的进化计算算法,是1种较好的数据挖掘和建模工具。因其出色的数据挖掘能力并能以数学模型表达数据关系而广受关注,但在化学领域的应用还较少。本文应用GEP方法研究环氧酶抑制剂活性和选择性的构效关系(QSAR),选择变量和建立模型,同时与BP人工神经网络(BP-ANN)和遗传算法-多元线性回归(GA-MLR)方法比较。结果发现,GEP方法的预测较好,且模型稳定。研究显示GEP在定量构效关系研究中,具有广阔的应用前景。     

基于基因表达式编程的移动通信网络性能指标预测

移动通信网络性能指标的准确预测对移动通信行业有着极其重要的意义.将基因表达式编程(GEP)技术引入移动通信网络性能指标分析领域,提出了基于GEP的网络性能指标预测模型GEP-WirelessAP.对某市电信公司的全年AP利用率记录进行了时间序列分析试验,并进行了预测检验和结果分析.实验结果表明,GEP-WirelessAP模型有效地避免了传统预测方法的盲目性,从而使预测效果更加客观、有效.     

蛋白质二级结构预测方法研究

为提高蛋白质二级结构预测精度,提出一种新的网络模型和编码方法。首先利用基因表达式编程（GEP）的全局搜索能力同时进化设计神经网络的结构和连接权;其次,对神经网络输入层编码进行了改进,添加了氨基酸残基所处的疏水环境。用PDBSelect25中的36条蛋白质共6 122个残基进行测试,结果表明提出的网络模型和编码方法能有效提高蛋白质二级结构预测的精度。     

基于基因表达式编程的话务量预测方法

解决了在未知难以证明的先验知识时,传统时间序列分析方法无法得出精确的预测结果这一问题.将基因表达式编程(GEP)技术引入电信分析领域,提出了一种基于基因表达式编程的话务量预测模型GEP-Telecom.技术对某电信公司的话务量纪录进行的相关试验达到了预期的效果,给出了精确的预测.研究表明,GEP-Telecom模型在未知函数类型先验知识的情况下,能够自动进行属性筛选和属性融合,避免了传统预测方式的盲目性,提高了预测的精度.