基于灰色预测PID的风光互补发电机控制研究

为了能够提高风光互补发电机控制的效果,深入地研究了灰色预测PID在风光互补发电机控制中的应用.构造了风光互补发电机的数学模型;剖析了灰色预测的基本原理.针对风光互补发电机控制的实际情况,将灰色预测PID技术引入到风光互补发电机的控制中,提出了风光互补发电机灰色预测PID控制系统,并且提出了相应的算法流程;分别利用灰色预测PID控制技术、模糊PID控制技术和传统PID控制技术对风光互补发电机进行控制仿真研究,仿真结果表明灰色预测PID技术可以获得较好的控制效果.     

基于计算机视觉的运砂船超载状态检测

针对采砂监管过程中运砂船超载状态的检测问题,提出一种采用类Haar特征和Gentle Adaboost算法相结合的方法在非特写视频图像中检测吃水线和船舷线,通过手工标定的方式标定出标准载重干舷,然后通过实际干舷值与标准载重干舷值的比较来判断运砂船超载状态。实验表明,该方法能快速准确地在复杂的采砂现场环境中检测到目标运砂船的吃水线和船舷线,经手工标定后能准确地判断运砂船的超载状态,为采砂监管提供技术帮助。     

基于灰色马尔科夫链的小排量汽车销量预测研究

近两年来,我国小排量汽车的销量受到政策、价格等各种原因的影响呈现出波动的形势。为了较为准确的对小排量汽车销量进行预测,本文建立了相应的灰色马尔科夫链预测模型。首先通过灰色GM(1,1)模型获得两年来我国小排量汽车销量的基本走势,然后采用灰色马尔科夫链在GM(1,1)模型基础上进行修正,最后得到最终的预测模型。该模型有效整合了GM(1,1)模型处理光滑序列的有效性和灰色马尔科夫链处理随机序列的有效性。通过对2013年10月、11月、12月的销量数据进行测试,该模型具有较高的预测精度。     

工信部:今年4G投资将达1600亿元

<正>对于4G今年的发展态势,工信部电信管理局局长韩夏近日在接受采访时表示,预计今年4G基站数增长将超过50万个,年底4G网络将覆盖全国300多个城市,用户也将超过3000万户。韩夏表示,按照企业初步预测,预计4G今年投资将达到1600亿元,带动国内投资经济发展将超过9000亿元。韩夏认为,相比3G,4G对经济的拉动作用会更加明显。"当时3G牌照发放一年之内,带动直接投资约7500亿元,带动消费约500亿元,拉动国民经济增长约1800亿元。"其实今年     

浅论新时期计算机软件开发技术的应用及发展趋势

计算机软件技术的开发和发展推动了信息技术的不断向前发展和计算机网络的发展,可以说计算机软件技术是推动信息时代的主要力量。本文主要从计算机软件开发技术概述、计算机软件开发技术的现状及重要性、计算机软件开发技术的主要方式、计算机软件开发技术的应用和对计算机软件开发技术的展望五个方面详细论述了计算机软件开发技术的应用与发展趋势。     

基于MWSPCA-CBR的智能预警方法研究及其在石化工业中的应用

石油钻井是一项高风险性、耗资巨大的系统工程。为了智能预警石油钻井过程中的异常，缩短非生产时间，降低相关风险，提出一种基于移动窗稀疏主元分析法（MWSPCA）的案例推理（CBR）异常智能预警方法（MWSPCA-CBR）。首先利用MWSPCA算法分析钻井过程中的实时数据，快速定位出异常可能发生的时间，然后使用基于案例推理方法分析异常数据，确定可能的异常类型，并为实时监控专家提供相关异常的处理方法。所提方法应用到石油钻井过程异常预警中，实验结果验证了所提方法的可行性和有效性，为钻井过程降低风险成本提供了新思路。     

基于遗传算法的时间序列预测算法研究

模型参数的估计是时间序列预测研究的重要内容,经典模型参数估计方法对参数估计结果不进行评估和优化,预测精度往往达不到要求。本文提出基于遗传算法进行模型参数估计的方法,该方法具备了群集思想和递推思想的特征,仿真实验表明所提出算法相比传统算法,具有更高的预测精度。     

改进BP神经网络在木构古建筑中的寿命预测

标准的BP神经网络存在训练速度慢、容易陷入极小点、泛化能力低的特点。文中用附加动量项和改进学习速率相结合的方法对标准的BP神经网络进行了改进,并将其应用在木构古建筑的寿命预测中。仿真结果表明,和标准的BP神经网络相比,改进后的BP神经网络提高了泛化能力,能较准确地拟合训练值,避免了在确定计算参数过程中所产生的计算误差。     

黄金促销档期联合预测及规划解决方案

随着零售市场竞争日益加剧,促销已经成为提高购物者品牌关注度,促进整体销售增长的关键市场营销工具。对任何一个消费品品牌以及零售商来说,在中国市场上如何成功获得最大化促销效力至关重要。稳定且高效的供应链保障无疑是支持零供双方决胜促销战场的关键要素之一。     

应用于临床生存时间预测的二次学习算法研究

生存时间预测在医学、经济和工程等领域有着广泛的应用。随着机器学习技术和数据挖掘技术的发展和广泛应用,研究人员提出了很多基于机器学习技术的生存时间预测算法。这些算法虽然都取得了良好的效果,但预测精度均有提升的空间。因此,提出了一种基于二次学习风范的生存时间预测算法,并结合最近邻算法在截尾样本估计上的应用以及支持向量机在泛化性能上的优势,实现了对临床生存时间的建模。实验结果表明,该算法能够获取精确的生存时间,且具有预测精度上的性能优势。