基于时序数据库与深度学习的制丝实时数据应用研究

[目的]研究气流烘丝机叶丝干燥工序出口叶丝含水率实时趋势预测的解决方案,提高产品工艺质量稳定性.[方法]基于时序数据库InfluxDB对实时生产数据进行存储、查询统计、分析告警,使用三次指数平滑算法、长短期记忆网络(LSTM)和序列到序列学习(Seq2Seq)对生产过程数据建模预测.[结果]①三次指数平滑算法集成在时序...     

应用适应法预测季节性服装需求

预测未来的需求,对服装企业供应链管理者制定决策、规划流程起着重要作用.时服装企业需求预测的方法有很多,不同的方法在企业中的运用也各不相同.通过分析比较,在各类预测方法中,证实需求趋势和季节性需求修正后的指数平滑法最适用于有明显季节性变化的服装,利用指数平滑法着重研究了生命周期较短的服装--泳衣的需求预测.对于与和泳衣这类季节性需求明显的产品有相同变化规律的其他时尚类产品,如羽绒服,也可以通过本方法进行需求量的预测.     

通信网络中的统一分配调度算法探讨

移动多媒体通信技术的发展,主要是根据用户不同的需求制定不同的分配方案,这个过程是十分繁琐的,如果想要实现分配过程的简算化就必须建立统一分配调度算法,这也是实现网络服务质量的核心机制之一,是网络资源管理的重要内容,通过控制链路带宽的分配,不同的业务流可获得不同的服务。因此,研究调度算法对移动多媒体通信有非常重要的意义。     

需求随机型服装产品的灰色预测模型

为了更好地认识服装产品的销售特征,以便控制服装产品产量,针对服装产品特色将服装产品按需求情况分为三大类.并针对随机型服装产品,建立服装销量的灰色预测模型,可以避免以往用指数平滑法、趋势型季节变动预测法等预测方法的不足更好地针对服装产品特色进行预测,为服装厂商的销售管理提供较好参考.     

新陈代谢GM(1,1)模型在造价预控制中的应用

结合工程实例,应用新陈代谢GM(1,1)模型,及各种造价指数,灰色预测控制工程造价.实现了造价的事前控制,预估精度满足要求,可以在造价控制中予以参考使用.     

指数平滑法在服装消费水平预测研究中的应用

以2000-2006年<中国统计年鉴>的服装消费水平数据为基础,运用指数平滑预测法对中国城镇居民的服装消费水平进行实证研究,结果表明指数平滑法是服装消费水平预测的一种有效方法.     

基于多元散射校正和偏最小二乘(MSC/PLS)的傅里叶变换近红外光谱检测蜂蜜中还原糖

为快速无损测定蜂蜜的还原糖,提出一种用近红外光谱技术进行检测的新方法.选用SN/T0852-2000铁氰化钾滴定法作为光谱还原糖测定的标定方法,用不同光谱预处理方法对模型的影响进行比较.首先用MSC对光谱数据进行校正,在经过Norris导数平滑法对原始光谱进行预处理消除噪声.利用光谱专用分析软件TQ Analyst7.2,建立偏最小二乘(PLS)校正模型.最优光谱模型校正相关系数(R)、校正相关均方差(RMSEC)、预测相关均方差(RMSEP)、交互验证相关系数(Rcv)、交叉验证均方差(REMSECV)分别为0.970 56,1.21,1.54,0.962 67,1.36.结果表明,应用多元散射校正(MSC)处理,并经过Norris二阶导数平滑后的PLS模型优于经典PLS算法所建立的模型. 用MSC对光谱数据进行校正,在经过Norris导数平滑法对原始光谱进行预处理消除噪声.利用光谱专用分析软件TQ Analyst7.2,建立偏最小二乘(PLS)校正模型.最优光谱模型校正相关系数(R)、校正相关均方差(RMSEC)、预测相关均方差(RMSEP)、交互验证相关系数(Rcv)、交叉验证均方差(REMSECV) 别为0.970 56,1.21,1.54,0.962 67,1.36.结果表明,应用多元散射校正(MSC)处理,     

改进粒子群算法在库存预测中的应用

针对自动化立体仓库库存预测结果存在不准确和时间滞后等问题,课题组提出一种基于改进粒子群算法并结合指数平滑法来构建库存预测模型.分析传统粒子群算法和指数平滑法的原理以及缺点,通过引入附加变量、非线性动态调整惯性权重以及异步变化学习因子的方式,提出一种改进的粒子群算法;并采用4种标准测试函数来验证算法的寻优能力;最后将改进...     

基于高速动车组重联网络控制系统时延的研究

文章首先建立高速动车组重联网络控制系统模型并分析前向通道与反向通道时延,基于BP神经网络递推预测的方法对网络控制系统未来的输出进行预测。然后提出一种快速隐式广义预测控制算法(IGPC)对预测的时延进行补偿,IGPC算法的原理是根据系统输入与输出数据,并利用广义预测控制(Generalized Predictive Control,GPC)算法与动态矩阵控制律(DMC)的等价性,直接求解最优控制律。IGPC算法比GPC算法的计算量更小且效率更高,既能节省时间成本又能保证高速动车组网络控制的实时性。最后将BP神经网络递推预测的方法与IGPC、GPC结合起来,分别采用无时延补偿基于BP神经网络预测的GPC算法、有时延补偿基于BP神经网络预测的GPC算法及有时延补偿基于BP神经网络预测的IGPC算法进行实验仿真,实验结果表明:相比较于其它两种算法,有时延补偿基于BP神经网络预测的IGPC算法可较好地跟踪标准参考方波,在初始阶段的震荡时间最短且超调量也最小。故有时延补偿基于BP神经网络预测的IGPC算法为最优算法。     

融合不同成熟度的苹果可溶性固形物预测模型研究

目的为实现对不同成熟度的苹果可溶性固形物的预测,建立普适性强的混合分析模型。方法选取甘肃静宁241个不同成熟度的苹果作为研究对象,利用近红外光谱采集系统获取苹果漫反射光谱信息,并对苹果可溶性固形物含量进行测定。利用S-G卷积平滑、多元散射校正(multiplicative scatter correction,MSC)、以及标准正态变量变换(standard normal variable transformation,SNV)等预处理方法结合竞争自适应加权算法(competitive adaptive reweighted sampling,CARS)、随机蛙跳(random frog,RF)算法提取苹果可溶性固形物的特征变量,然后利用偏最小二乘回归(partial least squares regression,PLS R)和支持向量机(support vector machine,SVM)算法建立分析模型。结果对比发现,采用RF选取的特征波长变量数更少且预测精度优于CARS,原始波长点由1251个减少到55个,MSC-RF-PLSR建立的模型预测结果最好,其预测相关系数r和预测均方根误差分别为0.906和0.744。结论采用近红外光谱方法构建的苹果可溶性固形物混合分析模型可以实现对苹果不同成熟度的预测,为建立适用于不同成熟度苹果的可溶性固形物便携设备提供理论依据。     

动态软测量技术在食品发酵过程中的应用

摘 要: 目的 针对食品发酵生产过程中关键参数难以在线检测, 不能对其实施优化控制的问题。本研究提出一种即时学习和集成学习相结合的动态软测量建模方法。方法 首先采用局部加权偏最小二乘算法(locally weighted parital least squares, LWPLS )作为基础建模方法, 再运用滑动时间窗技术(moving window, MW)缩小样本查询范围。接着采用Bagging算法重采样窗口内的样本集形成多个子训练集, 同时引入相似度阈值筛选出具有多样性的子训练集, 最后采用加权平均法融合各个子模型的输出值。结果 通过海洋碱性蛋白酶发酵实验表明所提的MW-ELWPLS软测量建模方法能够对关键参数进行较准确的实时预测,预测的均方根误差在02～0.3之间, 决定系数R2在0.95左右，平均绝对误差在0.2左右。结论 MW-ELWPLS软测量建模方法在预测精度上表现优秀, 在线预测实时性较高, 完全能满足工业发酵生产的实际应用需求。     

模糊权值网络最短路问题的数学模型及算法

模糊权值网络的最短路问题是一类重要的网络优化问题.针对边权值为三角模糊数的模糊权值网络的最短路问题,基于模糊数的结构元加权序,将其模糊线性规划模型等价转化为经典的线性规划模型,并提出一种改进的权矩阵算法来求解该问题,算法证明和应用实例表明新算法的正确性和有效性.此外对于边权值为其他形式模糊数的模糊权值网络的最短路问题,文中模型和算法同样有效.     

Intermittent rainfall in dynamic multimedia fate modeling

It has been shown that steady-state multimedia models (level III fugacity models) lead to a substantial underestimate of air concentrations for chemicals with a low Henry's law constant (H < 0.01 Pa m-3 mol-1) because they assume a steady rain. This can lead to substantial errors, especially when multimedia models are used to estimate the spatial range or inhalation exposure. A dynamic model of pollutant fate is developed for conditions of intermittent rainfall to calculate the time profile of pollutant concentrations in different environmental compartments. The model utilizes a new, mathematically efficient approach to dynamic multimedia fate modeling that is based on the convolution of solutions to the initial conditions problem. For the first time, this approach is applied to intermittent conditions. The investigation indicates that the time-averaged pollutant concentrations under intermittent rainfall can be approximated by the appropriately weighted average of steady-state concentrations under conditions with and without rainfall.     

基于BP神经网络算法的粮食储存品质预测模型构建研究

粮食安全预警对于储粮企业意义重大,本文基于BP神经网络算法,采用Python软件构建了粮食储存品质预测模型。通过使用全国各储粮生态区的质量品质数据来训练和测试,构建了基于BP神经网络算法的两种预测模型,时间序列品质预测模型可进行连续单指标跨期预测,温湿度-品质预测模型可进行度夏后粮情预测。经验证,时间序列品质预测模型对粮食储存品质指标预测效果较好,预测误差均低于15%。     

基于视觉特性的色纺纱全光谱配色算法优化

为提高色纺纱计算机配色算法的精准性及适用性,针对目前配色算法难以同时保证理论计算的色差值及配比相对偏差同时最小的问题,以全光谱配色算法为基础,结合经典Stearns-Noechel光学理论模型,探索人眼视觉特性以确定视觉特性对不同波长下反射光的敏感系数,并将其引入配色算法中进行加权计算,预测单色纤维混合配比,同时,综合预测色差值、配比相对偏差值及欧式距离等对配色效果进行评价。结果表明,引入泊松分布赋值人眼敏感系数的配色算法结果最优,平均预测色差值为0.29,且均在1以内,平均配比相对偏差值为0.612,最小,欧式距离均值为0.087,相对较小;改进之后的配色算法通过一次计算即可实现预测色差值最小,且预测配比精准,针对色纺纱可初步实现计算机精准配色。     

熵值法在价值投资决策中的应用

按照Buffet提出的5个准则,对我国上海证券交易所的20只股票2007—2009年的数据进行加权移动平均,然后利用熵值法,对其业绩表现进行了排序,并在长达19个月的投资期限里进行跟踪.实证研究表明,按熵值法排序在前5名的投资组合比排在前10名的投资组合有更高的收益率,说明了这种投资决策方法的有效性,并且比区间数PROMETHEE方法更简单、更高效.     

麻雀搜索算法优化BP算法结合高光谱预测小米米粉糊化特性

为了实现小米米粉糊化特征指标的批量、快速检测,探索计算机深度学习结合高光谱成像技术在小米米粉糊化特征指标预测方面的应用方法,本研究运用高光谱数据提取、预处理分步运算程序获得小米米粉平均光谱数据,并以该数据矩阵为基础,运用麻雀搜索算法（sparrow search algorithm,SSA）优化误差反向传播（error back propagation,BP）算法进行待测样品糊化特征指标回归、预测。结果表明,光谱数据预处理程序能够标准化并简化光谱数据提取、预处理过程,该程序在粉末及小颗粒样本光谱数据的提取、预处理过程中具有普遍适用性;运用BP算法及SSA优化BP算法对小米米粉糊化各特征指标进行预测,从预测值与测试值间均方误差（mean squared error,MSE）可以看出,各指标MSE均下降,以峰值黏度（peak viscosity,PV）为例,其MSE从0.026 6降为0.017 5,可知运用SSA优化BP算法能够提高小米米粉糊化特征指标预测精度,降低MSE。本研究结论可以为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑。     

基于LSTM和IGA-BP的酒精度预测模型

目的:解决目前分段摘酒过程依赖人工“看花摘酒”,酒精度检测不准确的问题。方法:设计搭建基于酒精度建模的分段摘酒系统,研究采集音叉在不同模态不同浓度酒精溶液内的音叉频率值、音叉内置温度值,酒精溶液温度值和动态条件下泵转速值,基于最小均方算法(LMS)和长短期记忆网络(LSTM)实现音叉频率自适应滤波和动态补偿,基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度预测模型。结果:模型在迭代次数和预测精度上优于传统遗传算法优化BP神经网络和BP神经网络建立的酒精度预测模型,酒精度平均预测误差为0.381。结论:基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度数预测模型具有合理性。     

预报细纱条干不匀率的BP神经网络方法

介绍了BP神经网络及其算法 ,分别建立了两类细纱条干不匀率CV值预报模型 ,并对预报结果分别作了对比分析 ,得出了两类模型的最佳结构 ,从而证明BP神经网络应用于纺纱质量预报的合理性和良好前景。