基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

基于回归和神经网络的NdFeB磁性能融合预测模型

为了进一步提高纳米复相NdFeB系永磁合金磁性能预测模型的精度和扩大适用范围，根据组合优化理论对均匀设计试验建立的纳米复相NdFeB系永磁合金磁性能的回归预测模型和神经网络预测模型进行了组合优化，提出了一种融合预测模型。结果表明，融合预测模型的精度最高，神经网络模型次之，而回归模型精度最低。融合模型的最大相对误差为2．2％，可以用于纳米复相NdFeB系永磁合金的成分优化设计。验证实验表明该模型具有很好的适应性。     

NPSO-GRNN在城市生活需水量预测中的应用

利用小生境粒子群算法(NPSO)的全局搜索能力,对GRNN的光滑因子进行优化,提高了广义回归神经网络(GRNN)的网络性能,建立了基于NPSO-GRNN的城市生活需水量预测模型。研究结果表明:利用该模型拟合和预测北京市1988-2012年生活需水量数据的平均相对误差绝对值分为别0.72%和0.36%,两者都比BP神经网络模型拟合预测的结果低;NPSOGRNN模型能更好的拟合北京市城市生活需水量的变化趋势,预测精度更高,泛化能力更强。     

基于暂态混沌神经网络的低阶混沌时间序列预测

暂态混沌神经网络是一种基于Hopfield网络提出的混沌神经网络,具有收敛速度快、不易陷入局部极小等优点．许多低阶的混沌系统都可以展成二阶volterra级数,因此提出一种基于暂态混沌神经网络和volterra级数的低阶混沌时间序列预测方法．该方法利用暂态混沌神经网络计算系统的volterra级数系数,确定系统的动力学模型,从而实现混沌时间序列预测．利用Logistic模型对该方法进行测试,结果表明,预测相对误差小于0．5％,预测可达到较高的速度和精度．     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

融合图神经网络和稀疏自注意力的会话推荐分析

针对现有会话推荐采用单一模型无法兼顾全局和局部信息,从而影响推荐性能的问题,提出融合图神经网络和稀疏自注意力的会话推荐模型(SSA-GNN)。模型采用稀疏自注意力构建全局隐向量,以解决无关项的干扰和图神经网络难以表示长距离依赖的问题;采用目标注意图神经网络构建局部隐向量,更深层次的捕获项目间的复杂依赖。最后在预测层将全局和局部隐向量线性连接,有效兼顾了全局和局部信息。模型在Yoochoose1/64数据集上的试验结果比基线模型GC-SAN在评价指标P@20上提高了1.25%,MRR@20上提高了4.59%。     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3．13kg／t,平均相对误差降低5．19％。     

基于MCTLBO-RNN的短时交通流预测

短时交通流预测对提高运输效率和缓解交通拥堵具有重要作用。为解决交通流信号因非线性和强干扰特征所带来的预测精度低的问题,作者研究了一种小波阈值去噪算法处理交通流信号中的噪声,并提出了一种基于多班级教学优化算法的循环神经网络(MCTLBO-RNN)模型进行短时交通流预测,通过加入多班级策略,教师优生自学策略和差生反馈学习策略,来提高模型收敛速度和局部寻优能力,最后通过与其他神经网络进行对比,验证文中方法具有较好的全局寻优能力和预测精度。     

基于BP神经网络的两阶段疾病预测模型

为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。     

结合粒子群算法的小波神经网络交通流预测

针对短时交通流量具有复杂性、非线性等特点,提出基于粒子群算法的小波神经网络交叉路口短时交通流量预测方法,利用粒子群算法优化小波神经网络的模型参数,通过定义可变的加速因子,使粒子群算法有利收敛于全局最优解.将粒子群算法的全局优化搜索能力和小波良好的时频局部性质相结合,克服神经网络易陷入局部极小和引起振荡效应现象的缺点.实验仿真结果说明,该算法可以有效提高预测精度,减少预测误差,并且很好的反映了交通流的特点.     

面向对象的系统分析方法及其应用

本文介绍一种面向对象的分析方法,该方法将三种模型——信息模型、状态模型和过程模型综合起来,对应用问题领域进行分层递阶的建模和分析.通过一个实例,本文详细说明了该OOA方法的应用过程.为了使此方法更加实用有效,本文还提出了几点进一步研究的意见.     

Improved analytic methods for coal surface area and pore size distribution determination using 77 K nitrogen adsorption experiment

77 K nitrogen adsorption was the most widely used technique for determining surface area and pore size distribution of coal. Brunauer–Emmett–Teller (BET) and Barrett–Joyner–Halenda (BJH) model are commonly used analytic methods for adsorption/desorption isotherm. A Chinese anthracite coal is tested in this study using an improved experimental method and adsorption isotherm analyzed by three adsorption mechanisms at different relative pressure stages. The result shows that the micropore filling adsorption predominates at the relative pressure stage from 6.8E−7 to 9E−3. Theoretically, BET and BJH model are not appropriate for analyzing coal samples which contain micropores. Two new analytic procedures for coal surface area and pore size distribution calculation are developed in this work. The results show that BET model underestimates surface area, and micropores smaller than 1.751 nm account for 35.5% of the total pore volume and 74.2% of the total surface area. The investigation of surface area and pore size distribution by incorporating the influence of micropore is significant for understanding adsorption mechanism of methane and carbon dioxide in coal.     

智能教学系统中学生模型的构建

介绍了常见的学生模型: 覆盖模型、偏差模型和认知型模型。这三种模型主要是反映学习者的学习基础, 认知能力, 但对于影响学习者的心理因素没涉及到。因此, 本文把影响学习者的心理因素进行了归纳, 根据影响学习者的心理因素提出了一个全面的学生模型, 一个全面的学生模型应该是覆盖模型, 偏差模型, 认知能力、心理模型的综合, 并且用多维向量来表示。     

一种修正的莫尔-库仑本构模型及其应用

莫尔-库仑本构模型是理想弹塑性的，只考虑了强度随围压的变化，但没有考虑弹性模量随围压和应力水平的变化情况，这不符合地质材料的实际特性，借助于邓肯-张非线性弹性模型对切线模量的处理方法，对M-C模型中的弹性模量进行了修正。修正以后，弹性阶段的应力-应变曲线将表现为双曲线。为了将该修正模型写进FLAC^3D程序，特编制了前处理程序，并用来对刚性桩的横向承载力进行了数值分析。因为该模型没有对卸载模量重新定义，所以该模型较适合于持续加载的情况。     

系统辨识(2):系统描述的基本模型

控制是一切科学问题的核心.数学模型是一切控制问题的基础.事物的运动规律用方程描述就是数学模型.不同学科的发展就是建立其数学模型的过程.本文首次把线性动态系统数学模型分为三类:时间序列模型,方程误差类模型,输出误差类模型;详细介绍了线性系统的一些基本数学模型,包括连续系统离散化和模型等价变换,单输入单输出随机系统模型,多变量系统模型,类多变量系统模型,多输入和多输出系统模型(传递函数阵主模型、子模型、子子模型,多输入单输出系统模型,单输入多输出系统模型等).     

系统辨识(3)：辨识精度与辨识基本问题

系统辨识是研究建立系统数学模型的理论与方法.讨论系统辨识涉及的一些基本问题,包括辨识精度、辨识方法的提出,辨识输入信号的设计,参数可辨识性与系统可辨识性,开环可辨识性与闭环可辨识性,可辨识性与能控性和能观测性的关系,可辨识性与输入信号的关系,以及与辨识方法收敛性相关的激励信号与激励条件,辨识算法收敛分析的基本工具,典型...     

Fusion系统分析

介绍了被称之为第二代面向对象方法Ｆｕｓｉｏｎ方法中的系统分析，及其中的对象模型系统对象模型，操作模型，操作序列模型．     

一种修正的莫尔-库仑本构模型及其应用

莫尔-库仑本构模型是理想弹塑性的，只考虑了强度随围压的变化，但没有考虑弹性模量随围压和应力水平的变化情况，这不符合地质材料的实际特性.借助于邓肯-张非线性弹性模型对切线模量的处理方法，对M C模型中的弹性模量进行了修正.修正以后，弹性阶段的应力-应变曲线将表现为双曲线.为了将该修正模型写进FLAC3D程序,特编制了前处理程序，并用来对刚性桩的横向承载力进行了数值分析.因为该模型没有对卸载模量重新定义，所以该模型较适合于持续加载的情况.     

刚柔复合路面动载响应模型的建立

根据国内外关于复合结构和动力学现有研究基础上,在充分考虑车辆、荷载、地基、路面结构模型的前提下,建立了新型的复合路面结构的模型.给出了相应的层间接触条件、边界条件、荷载条件以及传荷能力,讨论了其应用前景.     

我国股市波动的ARCH类模型分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以成功地预测金融资产收益率的方差。通过对我国股价指数的统计描述，表明我国金融资产收益率存在自回归条件异方差特征，并表现出非正态性。利用ARCH类模型对深圳成份指数的波动进行拟合，结果表明，EGARCH模型对我国股市波动具有较好的拟合效果。