背包问题的三链DNA计算模型

背包问题是组合优化中很重要的NP问题。因为三链DNA的特殊结构在参与反应时可以减少计算模型的错解率,且在生化反应中利用磁珠分离法对解进行分离较方便准确,文章利用三链模型求解0-1背包问题和完全背包问题。首先将背包问题的约束条件进行分解,再将物品质量编码为DNA片段,链接反应后,利用凝胶电泳技术和三链模型检测所包含的物品组合,得到满足约束条件的物品组合,再利用此方法检测价值最大的组合,即问题的解。其他的背包问题也可用此方法来解决。     

易物模型及其求解算法

提出一种由多人参与物品交换问题的新型组合优化模型——易物模型,该组合优化模型能处理一类非完全连通图的最短环路问题.利用图论原理,给出了求解易物模型的算法,并通过数值模拟实验验证了算法的有效性.     

基于区间规划的投资组合模型

为了研究不确定环境下的投资组合问题,将模糊区间集合的概念引入投资组合模型中,利用证券组合投资的收益率极大化为目标,以投资组合模型中的β值和流动性为约束建立了一种区间规划投资组合模型(IMβL),利用区间数知识把区间规划投资组合模型(IMβL)转化为带参数的线性规划模型,该方法对投资者具有一定的参考价值和指导意义。     

捷联惯导快速传递对准的可观测性与机动方案

为研究捷联惯导"速度+姿态"匹配快速传递对准中滤波模型的可观测性与载体机动的关系,提出一种分段线性定常系统(PWCS)可观测性逆向分析方法。该方法将原模型近似为PWCS。通过分析PWCS可观测性矩阵的秩的时变,推导出使PWCS完全可观测的各种状态段组合,包含其中任一种状态段组合的机动方案即满足滤波模型完全可观测的条件。摇翼机动传递对准仿真结果验证了PWCS可观测性逆向分析方法。由该方法的分析结果提出利用载体普通机动的快速传递对准机动方案。     

基于CEEMDAN-CNN-GRU组合模型的短期负荷预测方法

负荷数据的高度随机性和不确定性,导致短期负荷预测的精度很难提升.为了提高短期负荷预测的准确度,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)与卷积神经网络(CNN)和门控循环单元(GRU)组合模型的短期负荷预测方法.首先,利用CEEMDAN模型将复杂的原始负荷序列分解为几个相对简单的子序列;其次,利用卷...     

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。     

磁流体传感器特殊多介质组合电容建模与优化

分析了磁流体传感器的结构特点,探讨了磁流体电容式传感中的共性技术.将组合电容分解为多个电容的串并联形式,建立了电容的数学表达式,由此得到了特殊多介质带缝隙半圆柱组合电容的传感模型.文中还以电容传感灵敏度和电容作为目标函数进行多目标优化,通过分析电容目标函数的特点,将其转化为线性模型,最终将多目标函数的优化问题分解为单目标优化问题,并利用坐标轮换法进行多维参数的优化,得到了较好的优化效果.     

基于动态Web服务组合的虚拟企业系统集成构建

针对虚拟企业业务过程动态组合的特点,在面向服务的框架体系下,对Web服务描述进行扩展,从而实现Web服务的开发与部署完全分离,在面向动态工作流的Web服务组合过程中,根据实际的应用需求,实现Web服务的动态组合与执行。在此基础上,构建了基于动态Web服务组合的虚拟企业系统集成模型。     

基于协整理论的人民币/美元汇率组合预测模型

在人民币/美元汇率预测中,单一模型往往难以全面反映汇率的变化规律,为更有效地利用各个模型的优点,将不同的单一模型进行组合可以产生更好的预测精度.对ARMA模型、GARCH(1,1)模型、无偏灰色马尔科夫模型利用协整关系建立线性组合模型.实证表明:组合模型较被组合的各单模型的预测精度高.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

基于SARIMA-GA-Elman组合模型的短时交通流预测方法

针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.     

多模型的油藏模拟自动历史拟合方法研究

传统油气藏数值模拟通常仅建立单个随机地质模型，采用人工历史拟合方式获得符合油藏动态的地质模型并用于方案预测。但由于地质资料相对稀少且地层非均质性的客观事实存在，历史拟合问题必然存在多解性，所获得的单个地质模型无法保证准确反映地下真实情况。本次研究中首先利用静态地质资料生产大量随机实现，使用PCA降维方法减少模型数据量，再利用聚类方法挑选出多个特征各异的实现作为初始模型，采用基于SPSA算法的自动历史拟合方法，获得多个符合油藏动态却又包含不同特征的历史拟合模型。结果表明，多模型能够更接近地下的真实情况，产生的预测结果不再是单一动态曲线，而是具有多种开发可能性的一系列曲线，这样使预测更为科学可靠。     

基于流形距离的高速公路短时交通流预测模型

准确的高速公路短时交通流预测是实现交通诱导和控制的重要前提和基础。为了提高预测精度,提出一种基于流形距离(MD)的K近邻-长短期记忆(K-nearest neighbor-long short-term memory,KNN-LSTM)高速公路短时交通流预测模型。该模型利用流形相似性分析高速公路交通流的时空特性,计算多站点与目标站点之间的流形距离。然后,采用改进的KNN算法筛选出空间相关站点构造交通流数据集,通过LSTM模型提取时序特征得出预测结果。实验表明,与单一预测模型相比,该方法能更好地提取交通流时空特性且预测精度更高,可为高速公路的交通管理提供必要的依据。     

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因 子,进而构建 GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。     

基于门控循环单元-支持向量回归组合模型的湖泊水位预测方法探索

为改善传统循环神经网络预测梯度消失的问题,并探讨组合模型在水位预测中的应用,提出了一种基于门控循环单元(Gated Recurrent Unit,GRU)和支持向量回归(Support Vector Regression,SVR)的组合预测模型,对猎德涌流域源头西湖水位进行预测。对GRU-SVR(多项式核、RBF核、Sigmoid核)模型进行了比选。组合模型通过GRU提取雨量与水位间时空特征,SVR增强整体的非线性预测能力。结果表明,与CNN-GRU及SVR相比,GRU-SVR(多项式核)模型在湖泊的降雨时期拥有较好的预测精度。     

基于灰色GM(1,1)模型的桩基沉降预测研究

简述现有桩基沉降预测方法存在的不足,结合桩基沉降的特点,引入灰色预测GM(1,1)模型,建立基于灰色GM(1,1)模型的单桩及群桩沉降预测研究模型,并给出其建模的原理及建模的过程。最后,通过工程实例,进行实证分析,研究表明该模型具有良好的适应性,能更好地反映桩基沉降变形的规律,提高预测的精度,具有良好的工程应用价值和推广前景。     

混合算法在港口吞吐量预测中的应用

针对单一预测方法存在的不足,采用一种联合时间序列法和因果分析法的混合算法预测港口吞吐量.并以宿迁港吞吐量预测为例,对这种方法进行了详细说明.预测过程中借助主成分分析法提取出影响港口吞吐量的关键因子,利用改进的灰色模型理论对关键因子中远期未来值做出预估,最后通过吞吐量与关键因子的线性回归得出宿迁港在预测年份的吞吐量值.通过对混合算法预测模型误差的检验发现,此预测方法的模型精度较高,能够满足港口吞吐量预测的要求,可以推广到类似港口吞吐量的预测中.     

基于XGBoost模型的融合多特征微博信息传播预测方法

为了有效地监管网络舆情,辅助管理人员进行决策,微博信息传播预测方法的研究具有重要应用价值。针对传统微博信息传播预测方法存在指标单一、预测效果较差问题,提出一种基于XGBoost模型的融合多特征微博信息传播预测方法。首先,分析微博传播网络和用户节点特性,提取出博主特征、微博内容特征、传播特征3类特征并构建数据集;接着,基于XGBoost方法分别构建微博累计转发量预测模型和微博最大转发深度预测模型;最后,通过模型在测试数据集上的平均绝对误差验证模型的预测效果。通过与线性回归等传统的预测方法比较分析可以看出,提出的预测方法能够取得良好的预测效果。