基于最大 Lyapunov 指数的改进预测模型及其在城市用水量短期预测中的应用

参照计算Lyapunov指数的Wolf方法,考虑预测中心点与邻近点和上一个演化点的夹角,对混沌理论基于最大Lyapunov指数的预测方法进行了改进.通过对城市用水量短期预测的实例研究,将改进算法与传统算法进行比较.结果表明,与传统算法相比,改进算法的预测精度在整个预测周期内提高了10.2%,在最大可预测时间尺度内提高了1.1%.     

基于局部权重及阈值调整算法的BP网络预测模型研究

通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.     

基于BP算法的股票均价预测技术研究

介绍了神经网络的基本概念和组成,提出了BP算法的改进型算法及基于BP算法的均价预测模型.借助前馈神经网络对非线性函数的逼近能力,对青岛海尔股价进行连续若干天的预测.通过不同形式误差函数对预测结果的比较,证实改进后BP算法用于均价预测的可行性及准确性.     

改进的CS-GRNN模型在城市需水量预测中的应用

为了更加准确地预测城市需水量,提出一种基于改进布谷鸟算法优化广义回归神经网络模型的城市需水量预测方法.该方法采用改进的布谷鸟算法对广义回归神经网络的平滑因子进行优化,建立改进布谷鸟算法优化的广义回归神经网络模型(ICS-GRNN),并应用于南宁市城市需水量预测中.通过使用南宁市2001—2012年城市需水量测试数据分别对传统GRNN法和ICS-GRNN法的预测结果进行比较,结果表明,该方法具有更高的预测精度和数据拟合能力.     

基于个性化情境和项目的协同推荐研究

为提高基于项目的协同过滤推荐SlopeOne算法的预测结果,在算法的项目相异性计算和评分预测过程中引入个性化情境因素.首先对基于项目的协同推荐方法进行综述,然后针对不同情境下的评分记录进行项目间相异性计算,根据此结果计算检验集中的项目在不同情境下的预测评分,并以预测结果为依据为每个用户得到个性化情境,进而为用户对新的资源项目进行评分预测.最后在标准的Movielens数据集上进行实验,其中,U2的训练集和测试集用来训练个性化情境,其他数据集用来检验算法的预测结果.通过对改进的推荐算法与经典的基于项目的协同过滤算法SlopeOne进行比较,实验数据表明改进后算法的推荐结果有较大提高.     

热传导算法在致病miRNA预测中的应用分析

热传导算法的基本思想源自物理学中的热平衡方程,经过改进后的热传导算法已经在链路预测和推荐领域得到了应用研究.miRNAs是一类内源性微小非编码RNA,研究表明miRNAs参与了多种重要的生物过程并且与多种复杂疾病的发生和发展相关.目前研究表明己经有多种计算预测算法用于预测潜在的miRNA-疾病关联,然而热传导算法在预测miRNA-疾病方面应用研究较少.在miRNA-疾病预测中引入了一种改进的热传导算法,并把它与基本的热传导算法进行了五折交叉验证比较,实验结果验证了在几种评价指标下改进的热传导预测算法的有效性.     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

基于改进RBF神经网络的电力系统短期负荷预测

提出一种交替梯度算法,对径向基函数(RBF)神经网络的训练进行改进.改进的算法与传统梯度下降算法相比,具有更快的收敛速度和更高的预测精度.采用该改进算法应用于电力系统短期负荷预测模型,综合考虑了气象、日类型等影响负荷变化的因素,预测结果表明该算法具有一定实用性.     

对传神经网络算法的改进及其应用

针对传统对传神经网络(Counter propagation networks,即CPN)要求输入向量必须均匀分布以及隐含层神经元个数难以确定,其应用受到很大局限等问题,对CPN算法进行改进并运用于电力负荷预测.研究结果表明:通过改进CPN算法的初始权重设置规则,克服了对输入向量限制过于严格的不足;通过优化算法运行步骤,提高了算法的运行效果;改进后的CPN算法比BP算法所得预测结果误差小,比目前电力负荷预测研究中RBF和Elman神经网络所得预测结果误差也小;与BP算法相比,CPN改进算法的预测精度提高4%左右,运算时间减少45%,适用于电力负荷的预测.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

区间卡尔曼滤波算法在组合导航数据融合中的应用

传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时无法直接应用。本文通过将参数变化的系统建立成区间模型,给出了一种处理系统参数不确定性的区间卡尔曼滤波算法,该算法运用一种较为简单的区间矩阵求逆方案,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当,仿真验证了该算法在低成本INS/GPS组合导航数据融合中应用的可行性。     

辛数值流形时间子域法

基于多自由度系统相空间非传统Hamilton变分原理, 提出了一种结构动力响应分析的新方法-辛数值流形时间子域法. 该方法在时间子域上应用数值流形方法, 基于Lagrange分片函数, 构造非差分格式. 证明了这种辛算法是无条件稳定的, 并给出算法的改进递推方法. 通过两个不同类型算例的计算结果表明, 这种在Hamilton体系下的辛算法的精度和计算效率都明显高于国际上常用的Wilson-θ法和Newmark-β法, 是一种高性能、高质量和高精度的算法.     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

具有固定运行时分的列车运行控制系统研究

探讨了列车运行模拟系统的总体结构,针对给定运行时分条件下列车运行的算法,构造了在节时、节能、定时条件下列车运行模拟系统,结合案例给出了列车运行的模拟结果,结果表明定时算法的误差在30 s以内.     

UNIX系统下实现线程包管理的软实时调度

采用高频率优先调度算法，在Solaris UNIX环境下，对系统提供的线程库在用户级基础上引入实时调度管理，使用户线程函数的调度和操作可以具有软实时特性．     

暂态稳定约束下的负荷经济分配

针对电力系统中存在的暂态稳定问题,提出了一种不受系统模型限制的电力系统动态安全调度的算法.该算法基于关键线路有功潮流对其临界切除时间的线性和二次函数拟合,把临界切除时间表示的暂态稳定性约束转化为关键线路有功潮流表示的暂态稳定性约束,并把此约束作为增广约束加入到传统的最优潮流模型中,采用传统求解方法直接进行求解.该方法能够同时处理多个故障,避免了在解除某些故障情况下的稳定裕度约束之后,又会出现其他故障情况下稳定裕度不足甚至失去稳定的循环调整情况,并满足一定的经济性.新英格兰测试系统的分析结果表明,在系统总发电成本增加最小的情况下,系统的稳定程度已提高到设定的目标,证明了该算法的有效性.     

阈值改进蚂蚁算法在交通诱导中的应用

研究基于阈值改进的蚂蚁算法在交通诱导中的应用,并对动态交通网络条件下算法的优化效果进行仿真.改进算法将已知的行程时间信息作为阈值条件,在路径寻优中预先剔除部分路径,并引入“检查蚁”对已发现的路径进行定期检查与存储.利用R软件对改进前后的两种算法进行仿真分析,对两者的路径寻优结果对比研究.实验发现改进算法下路径检索的平均行程时间较标准蚂蚁算法下降9.57%,证明了基于阈值改进的蚂蚁算法的优化效果,能形成适应城市路网即时高效需求的交通诱导方案.     

副本定位请求的调度算法

针对数据网格中各个网格节点的异构性等特点,提出了基于FCFS和“能者多劳”相结合的调度方法,在假设条件副本定位请求的产生速率相同以及所有宿主节点的定位能力总和相同成立的情况下,假设各个宿主节点之间的定位能力成等比数列.利用Java程序对系统模拟,模拟实验结果表明:系统在采用基于FCFS和“能者多劳”相结合的调度方法时,相比于采用M/M/N模型中基于FCFS的调度方法,能够使系统平均响应时间等多个性能参数得到改善.     

无人飞行器双目视觉位姿估计算法改进与验证

针对无人飞行器(UAV)在未知复杂环境下的导航问题,提出一种基于双目视觉的UAV位置和姿态估计算法.利用基于非线性尺度空间的KAZE特征构建立体图像对的特征点检测与描述,用Knn算法进行特征点匹配,导出相机坐标系下特征点三维坐标,用随机抽样一致(RANSAC)算法与L-M迭代算法获得UAV姿态和位置估计值.实验验证结果表明,基于KAZE特征的UAV双目视觉位姿估计算法的准确性、实时性与可重复性好,能满足UAV实时导航要求.     

An Adaptive Genetic Algorithm for Multiprocessor Real-time Task Scheduling

Real-time task scheduling is of primary significance in multiprocessor systems. Meeting deadlines and achieving high system utilization are the two main objectives of task scheduling in such systems. In this paper,we represent those two goals as the minimization of the average response time and the average task laxity. To achieve this, we propose a genetic-based algorithm with problem-specific and efficient genetic operators. Adaptive control parameters are also employed in our work to improve the genetic algorithms' efficiency. The simulation results show that our proposed algorithm outperforms its counterpart considerably by up to 36% and 35% in terms of the average response time and the average task laxity,respectively.