基于粗糙集理论的属性约简算法研究

属性约简是粗糙集理论研究中的核心内容之一,现已证明寻找最小约简是NP-hard问题.在完备信息系统中,通过引入区分度的概念,以相对区分度为启发式信患,提出一种基于区分度的属性约简启发式算法,并对该算法的时间复杂性进行了分析.     

基于经典粗糙集约简方法的高层结构智能方案设计

首先,介绍了经典粗糙集理论的9个基本概念及约简算法的分类,给出了基于经典粗糙集约简方法的结构方案设计思想与过程;其次,以高层结构实例为背景,给出了基于经典粗糙集理论约简算法的结构方案设计实例,为结构智能方案设计开拓了新的途径和方法。实践表明,与传统不精确性问题处理方法相比,利用粗糙集进行结构方案设计问题不确定信息处理,有着传统方法所不具有的优点。     

粗糙集-RBF神经网络的青岛地铁施工风险评价模型研究

考虑地铁施工风险因素的复杂性和不确定性,从人员、环境、技术和管理4个方面建立地铁建设项目施工风险原始评价指标体系.结合粗糙集理论的属性约简功能和RBF神经网络方法的优势,建立基于粗糙集-RBF神经网络的地铁建设项目施工风险评价模型.对获取的青岛地区22个地铁施工样本数据采用等距离划分算法进行离散化处理,利用粗糙集理论将原始指标体系的27个指标因素约简至17个核心指标因素,作为RBF神经网络的输入变量.构造RBF神经网络并训练样本数据,通过测试样本来验证评价结果.通过实例数据对比表明,模型输出结果与期望值误差在6%以内,同传统的WBS-RBS-AHP评估方法等级一致,证明该模型在地铁施工风险评价中具有可行性和适用性.     

粗糙集在CBR故障诊断中的应用

本文在对粗糙集属性约简算法进行论述的基础上,主要对粗糙集在CBR故障诊断中的应用进行了分析与探讨。     

基于PSO-BP的明挖法地铁车站施工工期预测

为了有效处理明挖法地铁车站工程建设的复杂性以及工期与其影响因素之间的非线性关系等问题,采用粗糙集理论、粒子群算法(PSO)与BP神经网络相结合的方法预测明挖法地铁车站施工工期.首先,识别得出24个工期影响因素,采用粗糙集理论根据样本数据对影响因素进行约简,确定了11个工期预测指标作为预测模型的输入变量;然后,针对BP神...     

基于属性重要度的变精度邻域粗糙集知识约简

在模糊决策信息系统理论研究的基础上,根据其属性来构造对象空间的模糊分割,用邻域粒化的思想定义了变精度模糊决策信息系统粗糙集模型的上、下近似算子及其约简和核等概念,由此给出了一种基于属性约简的算法,通过实例分析验证算法的有效性。     

约简概念格的粗糙集在岩爆烈度判别中的应用

为了对岩爆烈度进行高效判别,综合考虑影响岩爆的主要因素,包括最大切向应力σθ、岩石抗压强度σc、岩石抗拉强度σt和弹性能量指数Wet,并以σθ/σc,σc/σt和Wet作为岩爆烈度的最初判别指标.利用概念格为约简工具对判别指标进行约简,得到最大可约简属性集,并与传统粗糙集中的分辨矩阵约简结果进行对比,然后利用粗糙集建立岩爆烈度判别模型,生成最少偏好规则集,判别对象的分类质量为100％,最后将该模型应用于国内几处工程的岩爆烈度判别.研究结果表明:约简概念格的粗糙集用于岩爆烈度判别结果与实际情况及其他利用3项指标的评判模型所得的结果一致,该模型减少岩爆烈度判别所需的指标,提高了判别效率.     

基于粗糙集电梯群控系统调度算法研究

要解决电梯群控系统调度优化问题,首先应分析当前电梯群控调度算法存在的问题。以粗糙集理论为依据,提出以分辩关系强度进行群控电梯调度算法,算法将各种外部状态作为条件属性集、调度策略作为决策属性集形成信息决策表。对该表预先进行属性值约简后提得规则集,控制机将当前实际状态与规则集比较得到电梯群控指令。该算法突破了当前以经验知识推理、模糊逻辑、概率分析、仿生算法等调度算法的局限性,从外部状态和调度时机、调度目标给出该状态的控制规则,充分利用现有信息达到优化调度的目的,理论和实例相结合,证明了粗糙集理论解决电梯调度的合理性和有效性。     

基于粗糙集理论的岩体边坡稳定性模糊评价

基于粗糙集理论探讨了岩体边坡稳定性的模糊综合评价方法，即利用粗糙集中的知识约简方法来挖掘评价指标，应用信息量概念确定评价指标的权重，实例应用结果表明该法进行岩体边坡稳定性评价是可行的，且操作简单，结果可信。     

基于贝叶斯网络和粗糙集的电网故障诊断方法

本文提出一种通过贝叶斯网络和粗糙集对常用的电网故障情况进行诊断的方法。该方法可以灵活的表示不确定信息,并能进行不确定性推理。通过研究分析电网在各相短路故障时的电流和阻抗的变化,选用粗糙集理论对故障信息量进行约简,最后通过贝叶斯网络对故障情况进行诊断。通过仿真实验,验证了该方法的正确性和有效性。     

煤岩动力灾害电磁辐射预测技术中力电耦合方法的研究及应用

对煤岩动力灾害电磁辐射预测技术的研究现状和发展趋势进行了论述与分析,基于煤岩变形破裂电磁辐射信号与受载时应力变化之间的关系,从FLAC应力场数值模拟与电磁辐射传播的角度对煤岩变形破裂电磁辐射力电耦合研究方法进行了研究。研究结果表明:基于FLAC模拟的力电耦合方法能合理地确定应力集中区域以及正确模拟电磁辐射在煤岩层内的分布规律,该方法为现场应用电磁辐射方法和技术准确预测预报煤岩灾害动力现象提供可靠的理论基础,对于完善煤岩变形破裂电磁辐射监测和检测理论以及促进相关学科的发展具有理论和现实意义。最后还对未来煤岩动力灾害电磁辐射预测技术研究的发展前景进行展望。     

路基沉降的组合模型预测研究

基于路基沉降具有趋势性变化和随机变化的特点，建立了一个组合模型，采用Gompertz增长模型预测沉降的趋势项部分，AR模型预测沉降的随机项部分，二者之和作为总的沉降预测值，通过实例计算表明，组合预测模型能提高路基沉降量的短期预测精度，具有一定的应用价值。     

Developing a production management modelling approach for precast concrete building products

Production management in this research is concerned with three key decisions: demand forecast, production scheduling and stock forecast. These three decisions are very much interrelated and cannot be made in isolation. Previous studies of precast concrete industry activities concluded that production management is fragmented. For example, production planning is done in isolation from demand forecasting and from stock forecasting. This has contributed to poor production management performance in terms of resource utilization and over-stocking. This paper goes beyond traditional production management theories and practices and develops a model to integrate all aspects of production management. The main objective is to develop an integrated production management model for the make-to-stock sector of precast concrete building products, in order to help production managers make better planning decisions and explore alternative options. The model is a factory simulator which examines and evaluates the effect of several managerial strategies on production planning and stock forecasting before actual production commences. It uses different measures of performance which facilitate the choice of planning strategies under various demands and factory conditions.     

基于小波分解的高边坡变形预报

指出小波多分辨分析具有较强的时频分析特性，对含有趋势性、周期性和随机性的非线性变形时间序列进行分解，用不同的模型对各分解项进行预测后叠加，比单纯用某一种模型对变形的预测，精度有较大的提高，对各分解项用时间序列分析模型预测周期性，用多项武拟合趋势性，结果显示，预测效果较好。     

基于LS-SVM的混凝土断裂参数回归与预测

选择最小二乘支持向量机对混凝土测量中存在的大样本数据进行回归分析以及预测。研究表明:利用LS-SVM模型进行混凝土测量当中存在的大样本数据回归分析具有精度高,速度快等优点。模型不需建立方程式,修改容易,可处理被干扰的数据,具有较强的概括性。利用LS-SVM对冻融作用下的混凝土的断裂韧度进行回归分析以及断裂预测,模型较好的反映了断裂韧度的下降趋势。     

标准BP神经网络算法和附加动量法在沉降监测中的应用研究

在沉降监测工程实践中,由于采用的预测方法和项目沉降趋势的不同,预测结果的精度会有差异。而随着应用的不断深入,对现有算法进行改进以发挥算法的优势,成为目前预测算法研究的主流。在本文的研究中,编程实现了标准BP神经网络算法和附加动量法。通过研究学习率对标准BP神经网络算法的影响,确定学习率的大小。然后,研究了动量项对附加动量法收敛速度的影响,确定了动量项的取值。最后,对两种算法的稳定性和算法的效率以及预测精度等方面进行比较,探究两种算法的特点。     

基于灰色理论的软土地区深基坑变形预测研究

鉴于深基坑变形监测具有影响因素的不确定性、灰色性等特征,利用灰色系统理论方法对基坑的变形发展趋势进行预测具有重要的实际应用价值。考虑昆明软土地区深基坑工程变形特点,建立深基坑监测变形的灰色系统GM(1,1)预测模型,并进行了工程实例分析。研究表明,此方法客观准确、操作简便,具有一定的实际应用价值,可为相关工程提供参考借鉴。     

基于前馈网络的岩体爆破效应预测研究

将神经网络理论知识和爆破专业知识有机地结合在一起，提出了一种新的岩体爆破效应预测的前馈网络理论方法。该方法适合于不同的爆破参数和不同的岩体条件，是一种普遍适用的方法，同时也是一种“面向数据”的方法。通过对三峡工程左岸坝区岩体爆破效应预测的研究表明，本文方法与通常的经验公式法、回归分析法以及ＢＰ网络方法相比，具有较高的预报精度     

A review of bottom-up building stock models for energy consumption in the residential sector

Efficient and rational implementation of building stock CO₂ emission reduction strategies and policies requires the application of comprehensive building stock models that have the ability to: (a) estimate the baseline energy demand of the existing building stock, (b) explore the technical and economic effects of different CO₂ emission reduction strategies over time, including the impact of new technologies, and (c) to identify the effect of emission reduction strategies on indoor environmental quality.     

灰色马尔柯夫预测模型

概要地介绍了灰色系统理论的研究对象，引入了ＧＭ（１，１）灰色预测模型，并将灰色预测与马尔柯夫预测方法相结合建立了一种对ＧＭ（１，１）模型进行了预测物新方法，克服两种预测法的不足，提高了预测精度。最后用一例子说明灰色马尔柯夫预测方法的应用。