基于神经网络技术的注塑成型注射压力和熔体温度预测

建立了基于径向基函数网络的注塑成型注射压力和熔体温度的预测模型，与BP神经网络模型和CAE结果进行了对比。结果表明，径向基函数网络在精度、训练速度等方面优于BP网络。     

基于随机森林分类算法的边坡稳定预测模型

基于随机森林分类算法,提出一种边坡稳定预测模型。应用收集的边坡稳定状态实例资料,选取边坡的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等参数,对边坡稳定性进行预测,并与SVM模型和RBF神经网络模型的预测精度相比较;研究了随机森林模型中决策树的数量对模型预测精度的影响,并最终确定在样本数目为100左右时,模型中树的棵数设为500较合适。模型预测结果表明:选取的边坡参数比较合理,随机森林预测模型较其他模型更为精准,能有效预测边坡的稳定状态。     

昭通横江流域年径流预测

针对昭通横江由南到北贯穿昭通全境,水资源量丰富,但南北差异大,南部少、北部多的特点,根据流域内水文站实测年径流、大气环流指数、海温指数及其他指数等资料系列,采用多元回归分析法拟合1981—2010年径流,建立了预测模型,验证、预测分析了2011—2016年径流量。结果表明:干流控制站预测精度高于干流上段及支流代表站,水利工程建设等人类活动影响是导致出现这样结果的主要原因;多元回归分析在横江流域径流预测中具有一定的适应性,但因指标的差异及相关参数可获取性的差异,预测结果存在区域间、等级间的差别。     

“大”为“小”用——腾讯的大数据应用之道

正时至今日,人们依然被大数据的概念牵着鼻子走,人人都在谈大数据,但并不是人人都能清晰地梳理企业在什么时候,哪些地方用到大数据。在这一点上,腾讯对大数据的认识是正确的,"在建立大数据系统的时候,我们从来没有想过在做一个大数据项目,我们都是在解决实际的问题。"腾讯云总裁陈磊如是说。     

绩效考核信息系统的KPI预测算法研究

国内部分高校绩效考核信息系统,存在KPI体系的设置合理性及数据挖掘分析的有效性的障碍。为此在充分挖掘、分析系统内KPI数据特点的基础上,采用多重滤波算法对KPI数据进行预处理,基于支持向量机的算法设计,提出了高校组织绩效KPI预测模型。     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

基于优化GM(1,1)预测模型的产油量预测

本文针对传统GM(1,1)预测模型在初始条件选取上的局限性,应用以x(1)的第n个分量作为初始条件的改进GM(1,1)模型对产油量进行了预测,但并未取得好的预测效果。后本文按照使原始数据序列的x(1)序列与其模拟序列x(∧1)之差的平方和最小的原则,来确定白化权函数中的常数C,构建了优化GM(1,1)模型,在产油量预测中提高了预测精度。     

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．     

道路交通状态预测研究

针对道路交通状态预测的研究成果,综述了基于实时数据分析的道路交通状态预测理论和方法的相关研究.从分析基于实时数据分析的道路交通预测的基本流程、特点和要求和单一断面交通状态预测和多断面交通状态预测角度回顾了道路交通状态预测的研究现状.结果表明:在不断发展完善单一断面预测方法的同时,需要发展以多个断面交通状态为研究对象的多断面预测方法,以促进我国智能交通系统的基础理论发展及其应用水平的提高.