基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

压裂水平井产能预测方法研究进展

水平井压裂技术在低渗透及非常规储层中得到了广泛应用,压裂后水平井的产能预测关系到油田开发方案的制定,因此,国内外学者对压后渗流模型的建立和求解方法做出了不懈的努力。本文详细回顾了国内外学者所建压裂水平井产能预测模型及求解方法,指出了不同模型和求解方法的优缺点,并展望了压裂水平井产能模型的发展方向。     

小学语文阅读教学中读写结合教学模式的应用

在新课程改革的积极促进下,小学语文教师逐渐意识到传统教学理念中存在的弊端,在进行教学改革的同时,开始重视阅读教学活动的开展,并对符合学生思维特点、能够激发他们阅读兴趣的教学模式进行运用与实施。基于此,本文通过对现阶段语文课堂读写结合教学模式进行分析,探究其具体的实施策略,仅供参考。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

大数据时代法律流程外包视阈下的法律法规翻译

大数据时代的到来,改变了人们的生活方式、思想方式和工作方式,也为国际服务外包产业带来了新的发展机遇。本文首先介绍了WTO透明度原则和我国加入WTO后在法律法规翻译方面应承担的义务及履行情况;其次,从法律流程外包(Legal Process Outsourcing,LPO)的概念、内容和特征出发,分析了大数据技术条件下我国政府法律法规译审外包的必要性,并根据大数据应用的可实时性、可解释性、数据准确性稳定性等基本原则,探讨了大数据技术条件下我国政府法律法规译审外包的运行模式及主要举措;最后,讨论了法律流程外包在我国的发展前景。     

冷轧平整机机前甩尾轧制工艺的开发与应用

本文介绍了柳钢冷轧板带厂1550 mm单机架平整机机前甩尾轧制的工艺。改进前轧制每卷钢卷生产效率低,钢卷成材率低,改进后生产效率、成材率明显提高,部分规格的钢卷能实现带尾剪切长度为零。     

综放高瓦斯矿井煤层瓦斯涌出量综合预测

为了成功预测竹林山煤矿综放高瓦斯矿井大采高工作面煤层瓦斯涌出量,以主采3号煤层为主要研究对象,针对3号煤层以往开采情况,通过布设测点测量其煤层瓦斯含量和了解相邻矿井瓦斯含量,采用分源预测法、回归法及统计法等预测方法得到了3号煤层瓦斯含量的分布规律,并绘制了3号煤层的瓦斯含量等值线图。对矿井不同生产时期的瓦斯含量进行预测,得到了生产前期、中期及后期采区的最大绝对瓦斯涌出量和最大相对瓦斯涌出量,说明了竹林山煤矿各个时期均属于高瓦斯矿井。