贵州省磷化工现状及发展前景

阐述贵州磷资源、煤炭、电力基本情况及在全国的地位和我省发展磷化工的重要意义。介绍我省磷化工生产现状、生产能力、实际产量、产品出口等情况。对世界磷化工产品市场需求，我国和我省的磷化工到2000年的发展情况，达到的目标进行初步援测和构想，并对我省磷化工发展对策进行探讨，提出几点建设性意见。     

我国合成树脂市场分析及预测

分析了我国合成树脂的生产、消费及进出口情况。近几年我国合成树脂工业发展很快,2002年合成树脂总产量达到1366.5万t,其中聚乙烯、聚丙烯、聚氯乙烯、聚苯乙烯和丙烯睛-丁二烯-苯乙烯(ABS)树脂的总生产能力为1479.6万t/a.产量为1289.2,表观消费量为2528.6万t。预计2000～2005年我国五大合成树脂需求的年均增长率为11.4％,2005年需求量将达到3267万t。     

GAFSA优化SVR的网络流量预测模型研究

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。     

网络安全态势感知研究综述

随着科学技术的发展,网络规模在不断的扩大,复杂性也在逐渐的增强,面临的网络安全问题也越来越严峻。传统的网络安全技术已经无法满足网络快速发展的需要,无法全面的防御网络攻击行为,必须对新的网络安全技术进行大力研究和开发。网络安全态势感知能够对影响网络安全的因素进行量化分析,为保障网络安全提供重要的依据,因此,对网络安全态势感知进行研究意义重大。本文将在网络安全态势感知概念模型的基础上,对网络安全态势感知的相关研究进行探讨。     

丙烯腈的国内外生产和市场情况

对丙烯腈的国内外生产情况、市场供需情况作了详细阐述。     

基于改进的BASS模型的服装产品生命周期研究

为提高服装的销售预测准确度,通过产品的生命周期曲线模型,使得服装销售预测的定性分析与定量预测有机地结合在一起。针对目前服装产品生命周期曲线模型的局限性,引入改进的BASS模型,对服装产品生命周期进行研究。通过销售实例探讨改进的BASS模型用于描述服装生命周期的可行性,建立了以改进的BASS模型为基础的服装产品生命周期模型,并利用该模型对服装销售量做预测,取得了比其他模型更高的精度。     

自适应演化软件研究进展*

自适应演化软件通过演化技术,为软件添加动态、柔性以及灵活可变的特征,使软件系统能更好地适应动态、开放以及难控的网络环境,并在普适计算、嵌入计算等领域表现出良好的应用前景,成为当前软件技术研究中备受关注的热点之一。为更好地研究自适应演化软件,需对现有研究成果进行总结和归纳。首先总结自适应演化的基本特征,指出其面临的挑战;在此基础上,从语言、体系结构和框架应用层面描述其研究成果,并对其进行分类与比较,进而给出相关概念结构;最后总结了其不足以及进一步的研究问题。     

GM(1,1)模型在虚拟仪器测量过程控制中的应用

虚拟仪器的测量过程控制是保证测量数据有效的重要手段,利用灰色系统GM(1,1)模型对虚拟仪器的测量过程进行控制,由少量数据信息得到未来的预期测量结果,通过与核查标准的测量结果相比较来判别测量过程是否受控.论文给出了测量过程控制判别限、适用灰色系统GM(1,1)模型的条件以及模型精度检验判据.     

空间光通信ATP系统粗跟踪平台的混合自适应控制

ATP系统的粗跟踪平台外框架对内框架的耦合作用以及内框架自身的不平衡所引起的加速度干扰是影响空间光通信系统光信号跟踪性能的重要因素。针对方位跟踪通道中的内框架系统结构,提出了应用一种混合自适应控制方法,该方法在设计自适应控制器时采用离散与连续相结合的方法,并将耦合作用和加速度干扰转换为对象的未建模动态进行处理。最终的仿真结果表明,被控对象在具有未建模动态和干扰的情况下,采用混合自适应控制算法能够获得较高的跟踪精度。     

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。