碎片趋势下互联网平台上信息的优化传播

在各类社交网站是信息传播的有利平台这一现实条件下,我们利用该实际问题与传染病传播模型的相似性,以及其本身传播方式与树状图的共性,结合以常微分方程为主体算式的计算方法,对这一问题进行了深入探讨。因此,本文建立了以传染病传播模型为基础,以实际应用问题为背景的模型改良。通过运用以上改良的模型,我们建立起了一套完整计算"从第一人发布信息起,在有限日的时间内,获取消息的人数"的算法。     

EMD与NARX神经网络的风电场总功率组合预测

探索构建对风电场总功率进行直接预测的高精度组合预测算法。考虑到风速的非平稳性导致风电总功率表现为非平稳时间序列,采用NARX神经网络作为初步预测模型,提出了经验模态分解与NARX神经网络相结合的混合预测模型。对风电场总功率非平稳时间序列进行经验模态分解,得到不同频带本征模式分量的平稳序列。对不同频带的平稳分量建立相应的NARX神经网络预测模型,并将各分量模型的预测值进行等权求和得到最终预测值。此外,为研究不同时间间隔对预测结果的影响,采用某大型风电场时间间隔为5 min与15 min的数据进行实验。预测结果表明,提出的组合预测模型适合于总功率预测,其预测效果比传统模型的效果更佳,且时间间隔为5 min的数据比时间间隔为15 min的数据预测精度更高。     

互联网上有效信息最优化效果传播的数学方法

针对如何进行信息有效传播这一问题,本文主要运用数学方法进行科学的求解,将传统的"SI传染病模型"优化成为"SIR病毒传播模型",并扩充成一套全新的母模型,即"信息传播模型"。该母模型包含IR动力学模型,人际网络结构模型,以及信息传播规则模型。另外,本文引入了具体的案例进行分析,并在母模型的基础上针对案例建立起了子模型进行求解,具体说明了本文构建的"信息传播模型"在实际问题的应用中具有较高的可行性与重要的借鉴意义。