基于图像特征的锑浮选矿浆pH值预测控制

适宜的矿浆pH值是泡沫浮选高效生产的关键。针对浮选矿浆pH值无法在线检测和控制滞后的问题,提取pH关联泡沫表面敏感特征,建立了基于仿射传播聚类(AP)的多模型最小二乘支持向量机(LSSVM)软测量模型;提出一种基于差分进化(DE)的在线支持向量回归(OSVR)pH值预测控制方法,离线建立和在线校正pH值预测模型,采用DE优化方法求解预测控制决策变量实现pH值实时控制。金锑浮选工业数据表明所提出的控制策略稳定了矿浆pH值,减少了药剂消耗。     

改进熵值法和马尔科夫链的组合预测及应用

机场货邮吞吐量是机场决策规划和发展的基础。传统的单一预测由于精确度低等各种缺陷,已不能满足越来越高的要求,为了准确合理预测航空货邮吞吐量,提出了在各单一预测模型的基础上,利用熵值法建立组合预测模型的方法,并对西安咸阳国际机场货邮吞吐量进行组合预测。实例表明,熵值法组合预测模型与单一预测模型相比,实用性更强,预测精度也有所提高。选用马尔科夫链模型对熵值法组合模型预测结果进行修正处理,增加预测结果的可信度。     

商业企业财务预测

财务预测系统主要面向中小型商业企业，它能够预测中小型商业企业财务状态的未来发展趋势。以及其他需要使用时间序列预测模型的待业和场合。系统提供了预测模型参数选择功能、整理数据模块、预测功能模块、图形模块、数据输出模块、出错管理块、保密模块等七大模块。预测过程实现了自动化。     

基于熵值法的网络安全态势组合预测模型

研究网络优化入侵检测问题,网络安全态势受网络攻击行为、病毒、自身漏洞、木马等多种因素影响,具有高度的非线性、时变性、突变性等复杂特点,采用传统单一预测方法只能反映部分信息,无法进行准确的预测。为提高网络安全态势预测精度,提出一个熵值学的网络安全态势组合预测模型。首先利用熵值法为单一网络安全态势预测模型分配加权系数,然后根据单一模型的预测结果进行加权运算,得到了网络安全态势的组合预测结果,最后利用具体网络安全态势数据进行仿真测试。仿真结果表明,组合预测模型提高了网络安全态势预测精度,为网络安全态势预测提供了一种新的解决途径。     

一种价值易腐产品收益的多值预测算法

收益管理是研究价值易腐产品营销规律的多学科边缘课题，涉及市场学、运筹学、决策理论、微观经济学、数学规划以及软件工程等。收益管理本质上是一种前馈管理，这决定了预测模型和算法始终是收益管理的基础。该文在前人研究成果的基础上，受电子受激跃迁的启发，提出了基于客流激发能级的预测模型，较好地解决了复杂的客流多值预测问题。     

应用改进卷积神经网络的网络安全态势预测方法

针对神经网络态势预测模型训练复杂度高的问题，提出了一种基于改进卷积神经网络的态势预测方法。结合深度可分离卷积与分解卷积技术的优点，提出了一种基于复合卷积结构的改进型卷积神经网络安全态势预测模型，实现了态势要素和态势值的映射。实验仿真结果证明，相比于已有的典型预测方法，该方法明显降低了复杂度，减少了预测时间，并提升了预测准确率。     

基于改进粒子群算法的网络安全姿态自动预测方法

常规网络安全姿态自动预测方法多采用时空维度分析法，无法很好地处理各安全要素间的相互关系对姿态值的影响，导致预测出的网络安全姿态值与真实值之间存在较大偏差。因此，本文提出基于改进粒子群算法的网络安全姿态自动预测方法。根据网络系统的报警等级信息，对网络安全姿态评估进行量化处理，采用熵关联度算法计算安全要素的关联矩阵，分析要素间的相关性，以此为依据，利用支持向量机算法构建预测模型，采用改进粒子群算法优化预测模型中的参数，通过对网络安全姿态量化样本值进行点积运算，实现网络安全姿态自动预测。经过对比实验证明，所提方法的预测值与真实值相符，预测性能较优。     

基于AUC及Q统计值的集成学习训练方法

针对借贷过程中的信息不对称问题，为更有效地整合不同的数据源和贷款违约预测模型，提出一种集成学习的训练方法，使用AUC（Area Under Curve）值和Q统计值对学习器的准确性和多样性进行度量，并实现了基于AUC和Q统计值的集成学习训练算法（TABAQ）。基于个人对个（P2P）贷款数据进行实证分析，发现集成学习的效果与基学习器的准确性和多样性关系密切，而与所集成的基学习器数量相关性较低，并且各种集成学习方法中统计集成表现最好。实验还发现，通过融合借款人端和投资人端的信息，可以有效地降低贷款违约预测中的信息不对称性。TABAQ能有效发挥数据源融合和学习器集成两方面的优势，在保持预测准确性稳步提升的同时，预测的一类错误数量更是进一步下降了4.85%。     

抗野值卡尔曼滤波器在排队长度预测中的应用

车辆排队长度是智能交通控制系统中最关键的交通参数之一,如何准确、有效地预测车辆的排队长度是近年来排队长度预测中研究的主要问题.为此,在利用卡尔曼滤波理论建立排队长度预测模型的基础上,针对滤波过程中较容易出现的野值问题,分析了野值对标准卡尔曼滤波的影响机理,采用了基于M估计的卡尔曼滤波野值处理方法.仿真结果表明,所提方法可有效消除野值对滤波的不利影响,提高排队长度预测的精度,具有较好的应用价值.     

基于LSTM网络的综合射频模块温度的预测研究

随着电子产品及集成电路的快速发展,其电子产品的故障预测研究引起了高度重视,但准确预测其使用寿命难度还是很大,目前针对电子产品主要采用状态监控和健康管理,从而实现状态的预测。以此为出发点,构建综合射频模块温度的状态预测模型,该预测模型首先将设备的时域特征数据转换为有监督的样本数据集,然后建立原始参数集、预测模型的训练集和测试集,接着建立LSTM深度学习网络结构,进行参数调整设置并运行模型,最后获得预测值和观测值的误差曲线。采用该方法在某典型任务场景中进行了应用验证,获得综合射频模块的温度预测的准确度为98.7%,达到了较好的预测效果和精度。     

Value Prediction and Speculative Execution on GPU

GPUs and CPUs have fundamentally different architectures. It is conventional wisdom that GPUs can accelerate only those applications that exhibit very high parallelism, especially vector parallelism such as image processing. In this paper, we explore the possibility of using GPUs for value prediction and speculative execution: we implement software value prediction techniques to accelerate programs with limited parallelism, and software speculation techniques to accelerate programs that contain runtime parallelism, which are hard to parallelize statically. Our experiment results show that due to the relatively high overhead, mapping software value prediction techniques on existing GPUs may not bring any immediate performance gain. On the other hand, although software speculation techniques introduce some overhead as well, mapping these techniques to existing GPUs can already bring some performance gain over CPU. Based on these observations, we explore the hardware implementation of speculative execution operations on GPU architectures to reduce the software performance overheads. The results indicate that the hardware extensions result in almost tenfold reduction of the control divergent sequential operations with only moderate hardware (5–8%) and power consumption (1–5%) overheads.     

一种基于MBRC值的关系型数据库负载能耗预测模型

数据库负载的能耗解析与建模是构建节能的绿色数据库的基础。针对数据库负载的高能耗问题,将SQL语句消耗的系统资源(CPU和磁盘)映射为时间代价与功率代价,为数据库负载构建能耗预测模型。首先,根据负载的系统资源消耗模式,计算负载的功耗代价;然后,根据负载资源消耗产生的时间代价,为负载构建动态能耗预测模型;最后,利用MBRC值的设置对预测模型的准确度进行深入的研究。实验结果表明,所构建的预测模型能够对数据库负载的能量消耗进行较准确的预测,预测模型的准确度研究有助于在不同的系统环境配置下提升动态能耗预测模型的稳定性与精确度。     

Return Value Prediction meets Information Theory

Accurate return value prediction is a key tool for enabling effective speculative method-level parallelism, which will be a standard feature in the next generation of chip-multiprocessor architectures. In this paper we give some information theoretic measures that indicate intrinsic predictability of method return values. This is in stark contrast to the current ad-hoc heuristic measures imposed by specific prediction techniques. Our hope is that the application of information theoretic principles to the field of return value prediction should result in new kinds of predictors, and better deployment of existing prediction techniques. The two main contributions of this work are: (i) to show that there is some correlation between information theoretic measures and return value predictor performance; (ii) to highlight some major issues that need to be resolved before information theory can be adopted practically by the return value prediction community.     

静态程序切片的GPU通用计算功耗预测模型

随着图形处理器通用计算的发展,GPU(graphics processing unit)通用计算程序功耗的度量与优化成为绿色计算领域中的一个基础问题。当前,GPU 计算能耗评测主要通过硬件来实现,而开发人员无法在编译之前了解应用程序能耗,难以实现能耗约束下的代码优化与重构。为了解决开发人员评估应用程序能耗的问题,提出了针对应用程序源代码的静态功耗预测模型,根据分支结构的疏密程度以及静态程序切片技术,分别建立分支稀疏和稠密两类应用程序的功耗预测模型。程序切片是介于指令与函数之间的度量粒度,在分析GPU应用程序时具有较强的理论支持和可行性。用非线性回归和小波神经网络建立两种切片功耗模型。针对特定 GPU 非线性回归模型的准确性较好。小波神经网络预测模型适合各种体系的 GPU,具有较好的通用性。对应用程序分支结构进行分析后,为分支稀疏程序提供加权功率统计模型,以保证功耗评估算法的效率。分支稠密程序则采用基于执行路径概率的功耗预测法,以提高预测模型的准确性。实验结果表明,两种预测模型及算法能够有效评估 GPU 通用计算程序的功耗,模型预测值与实际测量值的相对误差低于6%。     

改进BP神经网络在城市工业用电量预测中的应用

根据城市工业用电量与其影响因素之间存在的非线性映射关系,建立了一个改进BP人工神经网络模型,并将其应用于泰安市工业用电量的预测中.实例表明,该方法预测精度较高,具有一定的推广价值.     

基于ARIMA和BP神经网络的生态系统服务价值预测仿真

针对现有生态系统服务价值预测体系误差大、研究不足等问题,本文构建了面向未来生态服务价值的预测机制。该机制采用主成分分析法和Person相关系数法,建立了以GDP、人口、土地利用率、土地管理政策和城市人口密度为驱动力的生态系统服务价值关联矩阵,提出了基于ARIMA和BP神经网络的生态系统服务价值的时间序列预测机制。为验证预测机制有效性,本文选取中国主要土地利用类型代表省份的真实土地数据集进行分析,研究结果表明本文建立的预测模型平均绝对误差仅为0.023,且从预测结果来看,未来草地生态会向较好趋势发展,林地生态发展不容乐观。     

BG/NBD模型的手机阅读业务客户价值预测实证研究

客户价值预测主要是对客户的消费意愿进行预测,找出真正的忠诚用户群,从而有针对性地进行营销.企业通过有效地客户价值预测,及时准确地掌握用户的消费意愿,提供针对性的服务,从而提升整体业务量.以Beta-Geometric/Negative Binomial Distribution(BG/NBD)模型为基础,结合手机阅读用户数据进行客户价值预测的实证研究,验证了该模型在手机阅读个性化营销方面的适用性.     

Performance Evaluation of Data Value Prediction Schemes

Data value prediction has been widely accepted as an effective mechanism to break data hazards for high performance processor design. Several works have reported promising performance potential. However, there is hardly enough information that is presented in a clear way about performance comparison of these prediction mechanisms. This paper investigates the performance impact of four previously proposed value predictors, namely last value predictor, stride value predictor, two-level value predictor and hybrid (stride two-level) predictor. The impact of misprediction penalty, which has been frequently ignored, is discussed in detail. Several other implementation issues, including instruction window size, issue width and branch predictor are also addressed and simulated. Simulation results indicate that data value predictors act differently under different configurations. In some cases, simpler schemes may be more beneficial than complicated ones. In some particular cases, value prediction may have negative impact on performance.     

基于LSTM的智能家庭用电预测模型研究

家庭用电是能源市场的一个重要组成部分,预测家庭用电需求能够实现智能供电,可以有效地提高供给率,但目前预测方法大多效果不佳.针对此,提出了一种基于LSTM的面向家庭智能用电预测算法,建立了端到端的智能家庭用电预测模型.其在Boruta特征筛选的基础上设计了特征选择方法,对多个特征进行重要性计算,选取其中重要性高的部分进行...     

基于概率的自适应学习预测策略

动态电源管理技术降低系统功耗的主要办法是根据工作负载的变化动态地切换目标设备工作模式。针对自适应学习树模型的缺陷,提出基于概率的自适应学习预测策略,通过概率描述设备行为,能够提高预测正确率,从而达到系统功耗与性能之间的优化平衡。基于概率的自适应学习预测策略是一种集预测、控制、反馈为一体的预测策略。实验结果表明,该预测策略具有较好的稳定性,与其他预测策略相比可以进一步降低系统的功耗。