基于BP网络的保护渣性能预测模型的研究

结合BP网络计算机实验研究 ,建立了保护渣化学组成与性能的预测模型 ,并利用化学组成与性能的关系 ,对网络的实用性进行了检验 ,结果符合保护渣化学组成与性能的关系。保护渣粘度随着保护渣碱度的增大而减小 ,而半球点温度随碱度增大而增大 ;保护渣的半球点温度和粘度都随着渣中CaF2 含量的增加而减小。用BP网络的误差反向传播算法建立的保护渣的化学组成与性能的预测模型 ,得出的预测值与实际值的误差小 ,对保护渣的设计与应用都有一定的指导作用。     

番茄游离氨基酸总量近红外光谱预测模型研究

采用近红外光谱分析技术,建立番茄中游离氨基酸总量预测模型。从一至三穗成熟果实中共采集番茄108个,其中84个做校正集,24个做验证集。从数据归一化、数据格式、数据平滑几个方面选择不同的光谱预处理方法,确定最佳方法为:"Mean Centering"+"Second derivative"+"Norris derivative filter"。将全波数范围(40000~11000)cm~(-1)划分为70个区间,得到最佳建模区间组合为9,10,17,56,57,61。利用偏最小二乘法建立预测模型,得到相关评价指标R、RMSEC、RMSEP及模型预测准确率分别为0.936、6.72μg/100g、7.15μg/100g和92.5%。评价指标及对验证集的预测结果表明,所建模型用来实现对番茄中游离氨基酸总量进行无损、快速预测是可行的。     

基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法

在水华防治工作中,水华预测一直都是1个难点,由于藻类水华整个生成过程各阶段的变化机理不尽相同,现有预测方法采用某1个模型对水华生成的全过程进行建模预测并不合理。因此本文针对水华生成过程中持续时间最长且变化规律明显的藻类生长阶段,采用多元时序分析技术,通过对藻类生长阶段中的多特征因素时序建模分析,以影响和表征藻类生长的特征因素作为模型输入和输出,考虑藻类生长阶段的趋势性、周期性、随机性变化规律,建立多元混合时序模型,并结合灰色理论思想,改进模型预测算法,从而提出基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法,以实现对包含影响因素在内的特征因素变化特性的全面描述和预测以及对模型预测精度的进一步提高。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。     

灰色—支持向量机的空调负荷预测

对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。     

基于CBR的软件项目成本估算方法

针对软件项目前期成本估算不准确问题,通过构建软件项目案例库,提出一种基于CBR的软件项目成本估算方法(CBRCEM)。根据COCOMO模型成本驱动因子理论,确定影响项目成本属性特征;引入归一化效用函数,应用层次分析法计算影响项目成本属性的权重值;通过对常用案例检索算法的比较分析,结合软件成本估算的特性,建立基于改进的灰色关联分析理论的软件项目相似度算法;根据PERT理论估算软件项目成本,使估算结果更为准确。CBRCEM在Windows平台上用JAVA语言开发完成并在实际中加以应用,案例研究结果表明,对于软件项目前期成本估算,该方法能够得到更加准确的评估结果。     

Prevention from Soft Errors via Architecture Elasticity

Due to the decreasing threshold voltages, shrinking feature size, as well as the exponential growth of on-chip transistors, modern processors are increasingly vulnerable to soft errors. However, traditional mechanisms of soft error mitigation take actions to deal with soft errors only after they have been detected. Instead of the passive responses, this paper proposes a novel mechanism which proactively prevents from the occurrence of soft errors via architecture elasticity. In the light of a predictive model, we adapt the processor architectures h01istically and dynamically. The predictive model provides the ability to quickly and accurately predict the simulation target across different program execution phases on any architecture configurations by leveraging an artificial neural network model. Experimental results on SPEC CPU 2000 benchmarks show that our method inherently reduces the soft error rate by 33.2% and improves the energy efficiency by 18.3% as compared with the static configuration processor.     

高职学生综合素质测评的灰色系统建模研究

给出了学生综合素质测评的灰色系统模型,并通过实例应用,表明这种方法简单易行,在高职学生的综合素质测评中能较为科学、准确地得出结果,对高职学生素质总体评价的研究进行了探索。     

基于灰色模糊层次分析法的企业云服务安全评价模型

从企业实施云服务项目角度,总结得出影响云服务安全的四大因素,即平台设施、运行安全、运营管理以及法律法规因素。在此基础上构建企业云服务安全评价模型,并利用灰色模糊层次分析法（ GFAHP）对模型进行综合评价。最后通过一个实例进行具体阐明与评价。     

一种基于灰色系统理论的控制系统参数辨识算法的仿真研究

灰色预测补偿是一种对灰色系统进行白化的算法,该算法需要的信息少、计算量小。它可以克服常规PID控制存在超调的缺点。根据灰色PID控制算法,对系统不确定部分建立灰色模型,进行灰色预测补偿。通过仿真研究,该算法具有较强的鲁棒性,可以提高控制质量,减小控制系统的误差。     

基于灰色关联分析的科研机构科技创新能力评价研究

通过采集科研院所有效数据并选取相应指标,采用改进的灰色关联分析方法,计算出各个指标与特征序列指标的关联度,同时分析其与科技创新能力综合评价之间的关联性,进而建立合理有效的评价指标体系,为科学、合理地评价科研院所技术创新能力提供理论指导,从而更有效地促进科研院所技术创新工作不断迈向新台阶。