无线传感器网络中移动目标跟踪的预测模型

动态目标的实时监测是无线传感器网络覆盖的必备技术和发展趋势,针对由于目标运动带来的网络动态拓扑变化和耗能高等问题,提出了一个预测模型。该模型通过综合分析目标在当前时刻前的信息如移动速度、移动方向的基础上,基于二维高斯分布,预测目标未来可能出现的区域,从而激活相应的传感器,减轻无线传感器网络的工作压力。并且设计相应的通讯协议,以保证基站与传感器节点之间数据稳定、实时的传输。基于仿真实验表明了该方法的有效性和可行性。     

基于PSO-LSSVM的网络流量预测模型

为了提高网络流量的预测精度,考虑到网络流量的长相关、非线性等特性,提出一种粒子群算法优化最小二乘支持向量机参数的网络流量预测模型（PSO-LSSVM）．首先将最小二乘支持向量机参数作为粒子的位置向量,然后利用粒子群算法找到模型的最优参数,最后采用最优参数最小二乘支持向量机建立网络流量预测模型．仿真结果表明,相对于参比模型,PSO-LSSVM能够获得更高的网络流量预测精度,更能准确描述网络流量变化规律．     

基于传播模拟的消息流行度预测

社交网络中的消息流行度预测问题对于信息推荐和病毒式营销等应用具有重要意义。该文提出了一种基于传播模拟的消息流行度预测方法,首先使用最大熵模型学习并预测用户转发消息的概率,然后使用独立级联传播模型在真实的社会网络上模拟消息的传播过程,从而完成消息流行度的预测。该方法的优点在于更充分的利用了社会网络的结构和用户特征信息。该文在Twitter数据集上的实验结果表明,相对于基准方法,该文提出的方法具有更高的准确率和稳定性。     

基于BP神经网络的城市环境空气质量预测模型

本研究以监测所获得的数据为基础,运用BP神经网络算法原理,建立了城市环境空气质量预测模型,并对该模型的泛化能力进行了误差评价.结果表明：通过BP神经网络建立的空气质量预测模型具有较高的预测精度,预测结果的相对误差均在5％以内,能够很好地满足实际应用的需求.更重要的是,所建立的预测模型无需了解空气质量变化的内部机制,比传统的基于复杂数学模型的预测方法更为便捷,为环境保护部门可以提供更加可靠的决策依据.     

基于灰色GM（1,1）模型的区域人才需求预测

区域人才预测是一个典型的灰色系统.本文采用灰色系统理论对区域人才需求量进行预测,通过对部分已知数据的生成、开发,提取有价值的数据信息,预测结果相对误差较小,预测精度较高.     

基于行程时间多步预测的实时路径导航算法

针对现有车辆导航算法仅考虑单一数据,使所得路径实际行程时间比预期更长的问题,首先建立了基于卡尔曼滤波理论的行程时间多步预测模型;其次,提出了综合利用实时数据、行程时间多步预测数据及历史数据的实时路径导航算法,并改进了其实现的核心算法Dijkstra_pred.实验结果表明,基于三类数据的实时路径导航算法所得路径的实际行程时间从整体上优于仅采用实时数据的导航算法,且路径变化较少.     

基于神经网络的城市轨道交通短期客流预测研究

该文结合神经网络来研究城市轨道交通中短期客流预测问题。设计出了基于自回归神经网络的轨道交通客流预测模型、模型描述及其模型训练算法。通过matlab仿真实验来验证预测模型的性能,优于将最小二乘支持向量机与离散一维Daub4小波分析结合起来预测效果。     

回归神经网络预测模型归一化方法分析

该文运用几种常见数据归一化方法分别对自回归神经网络动态预测模型的预测性能进行分析,结果说明不同数据归一化处理对模型的性能影响非常明显,运用最大运算法进行归一化处理要优于其它几种常见归一化方法。     

引水隧洞复杂地质段地质超前预报综合评价

由于单一地质超前预报方法对复杂地质段预报的局限性,本文则主要通过地质编录法、瞬变电磁法、水平声波反射法三种方法的综合分析,避开各种方法局限性的影响,完成对复杂地质段的超前预报,同时成功预报一个次生断层以及该断层影响带宽度,并给施工提供合理建议,使得施工顺利进行。预报结果与实际开挖地质情况基本一致,取得了显著效果。因此,在面对复杂地质段时,应用地质编录法、瞬变电磁法、水平声波反射法综合评价地质情况,获取准确、可靠的地质超前预报结果,是一种高效、可行的组合方法之一。     

基于炉区分段的BP神经网络钢坯温度预测

利用神经网络可以逼近任意非线性系统的特点,建立加热炉内钢坯温度预报模型。由于钢坯的边界热流系数和热传导系数、比热、重度等物理参数都是随温度变化的函数,所以,按加热炉的分区采用多个BP神经网络进行分段预测,以适应钢坯的物理参数的变化。仿真结果表明:所建模型简单,精度高,能满足工程实际需要。