基于灰色理论和多元回归分析方法的江苏交通技能人才需求预测

为科学预测江苏交通技能人才需求,运用灰色理论和多元回归分析方法,构建交通技能人才预测模型。 预测 结果表明,随着经济增长、交通运输投入持续增大,江苏省交通运输基础设施不断完善,客运和货运能力不断增强,交通运 输管理、建设、研发等的人才需求总量也在逐年增加。 “十四五”期间,江苏交通运输需求人数增长 8 万余人,至 2025 年,交 通人才需求总量约为 64 万人。 经检验分析,预测模型具有较高的精度,可为构建交通技能人才培养体系提供理论参考。     

利用网络思想构建EMC预测模型

电磁兼容预测是对于系统或设备是否满足EMC(电磁兼容性)要求的预估计,是为了在设计及调试阶段解决EMC问题,从而提高系统可靠性和降低成本。系统在构成一个功能体系的过程中,必须重视EMC问题,否则将导致体系内各系统自相干扰,体系的性能降低,甚至无法工作。文中介绍了一种系统间EMC预测模型的建立方法,将网络思想应用于EMC预测,从频谱的角度入手,将干扰的实质充分体现出来。应用该方法,EMC预测模型变得直观、简洁,便于通过计算机实现。     

用频装备带内双频窄谱电磁辐射阻塞干扰效应预测模型

针对传统单频连续波电磁辐射敏感度试验方法无法满足用频装备多辐射源共同作用下复杂电磁环境适应性评估的技术需求，本着有限目标的原则，对用频装备在带内双频窄谱电磁辐射作用下的阻塞干扰效应预测问题进行了研究.从用频装备单频和调幅连续波敏感度试验数据出发，基于用频装备带内电磁能量耦合及共性干扰、损伤作用机理分析，研究了有效值敏感和峰值敏感两类用频装备带内双频窄谱电磁辐射阻塞干扰效应预测模型并提出了预测方法，给出了受试用频装备适用预测模型的判定方法，并以某型超短波通信电台为受试对象，试验验证了模型及方法的有效性.研究结果表明:本文提出的模型和方法可有效应用于用频装备在带内双频电磁辐射作用下的阻塞干扰效应预测和评估.     

基于BP神经网络的短时交通流量预测概述

通过记录每日每地每时的交通流量,可生成统计数据,进而可形成有效高,时效性强的神经网络训练集,通过使用基本的BP神经网络方法,可利用训练集的数据来预测将来所需要的某时的交通流量大小。通过发布交通流预测信息于市民,可令有出行计划的市民更好地规划出行方式、路线并有效缓解各地交通压力过大情况。此方法可用价值高。本文具体分析了城市交通流量特征,在此基础上建立了基于BP神经网络的交通流量预测模型,并应用实际交通流量数据对预测模型进行了验证,得出结论:BP神经网络预测精度较高。     

射灯天线在LTE网络深度覆盖中的应用模型研究

针对射灯天线在LTE深度覆盖中的应用,建立信号预测模型.该模型能够为无线网络规划提供比较精确的覆盖预测,并提出了射灯天线选型、需求数量计算、下倾角设计等工程参数建议,实现兼顾覆盖和建设成本.CQT测试结果表明,测试数据与模型预测结果一致.     

基于回归方法的移动通信话务量预测

针对移动通信话务量与市场用户和相应资费政策相关的特点，采用回归预测方法，建立了基于市场用户数及每用户收入的话务量预测模型，并对模型进行了经济学意义上的检验。根据此模型，对话务量进行了初步的预测分析。     

基于多层次LSTM网络的多智能体攻防效能动态预测模型

针对多智能体攻防体系存在多层次耦合、无规律涌现等特征而导致难以准确预测作战效能的问题,构建一种基于多层次长短时时间记忆(LSTM)网络的多智能体攻防效能动态预测模型。明确多智能体攻防的总体框架和作战流程,通过多主体NetLogo平台模拟红蓝智能体攻防对抗过程,以获取群体结构和作战效能在不同个体决策下的多层次演化数据。利用善于处理时序特征的LSTM网络来表征个体决策、群体结构和作战效能三层间的函数映射,并基于该映射关系进一步预测未来攻防作战效能与进程。上述建模方法已在多组仿真中证实了其可行性与有效性。实验结果表明,所建模型的作战效能预测误差仅在7%以内,对多智能体攻防的作战指挥和体系建设具有指导意义。     

基于PSO-BP神经网络的高炉煤气受入量的预测

以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验。研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题。     

基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBOSVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。     

高频地波雷达多普勒信号的AR预测恢复

雷电干扰和瞬时突发的无线电通信干扰信号严重影响高频地波雷达的正常工作。干扰严重时通过二维ＦＦＴ处理仍不能从接收信号中提取目标的距离和速度信息，此时需要对受到破坏的多普勒信号加以修正。为此本文提出基于ＡＲ模型的多普勒信号恢复方法。针对多普勒信号被干扰分割的特点，采用前后向预测的ＬＭＳ算法，首次建立了高频地波雷达多普勒信号的ＡＲ预测模型，解决了多普勒信号的恢复问题，从而使高频地波雷达具备了抗瞬时突发干扰的能力。计算机仿真和现场实验数据的处理结果表明本文方法是有效的。