具有重尾特性自相似网络通信量的预测

提出了一种基于alpha-平稳分布过程的网络通信量模型，该模型能够刻画自相似网络通信量的长程相关性和重尾特性，具有参数简约，物理意义明确的优点，可以准确描述Bellcore Lab的实际踪迹BC-Oct89Ext．根据此模型，提出了一种在累积量约束条件下Fisher信息（FI）最小化的基于alpha-平稳新息（innovation）的FARIMA（fractional auto regressive integrated moving average）预测方法，它可以预测同时具有长程相关性与短程相关性的自相似网络通信量．这种基于alpha-平稳新息的FARIMA预测方法能够在无限方差意义下使预测偏差最小化，对实际踪迹BC-Oct89Ext的预测实验证明了该预测方法的准确性和可靠性．     

基于混沌神经网络理论的机电设备状态趋势预测研究

为了对机电设备的非线性非平稳状态进行有效的趋势预测,运用混沌预测方法和混沌神经网络的预测原理,建立了基于混沌神经网络的预测模型. 以工业现场大型烟气轮机为研究对象,采用混沌神经网络和灰色预测两种方法进行了趋势预测,并对两种方法的预测结果进行了比较. 结果表明,针对烟气轮机的非线性非平稳状态,基于混沌神经网络的预测精度更高、更有效.     

一种基于小波变换和FARIMA模型的网络流量预测算法

提出了一种新的基于小波变换和FARIMA模型的流量预测方法,首先对原始流量进行小波分解,再进行mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后整合流量.我们用真实网络流量进行了仿真实验,验证了提出算法的预测准确性,较之首先用FARIMA模型对小波系数进行预测再进行小波重构的方法减小了预测...     

基于人工免疫和FARIMA模型的流量预测方法研究

针对Internet迅速发展而造成的网络拥塞现象,基于人工免疫算法与FARIMA模型提出了一种新的流量预测方法PAIF(Prediction method based on Artificial Immune and FA-RIMA).该方法首先利用人工免疫算法建立了预测策略,并结合FARIMA模型预测结果进行融合,以此提高预测精度.其次,以实际数据进行仿真实验,深入研究了影响PAIF预测误差的因素,同时对比分析了单独使用FARIMA模型的情况.实验结果表明,PPAIF具有较好的适应性.     

遗传算法和神经网络耦合的金融预测系统

神经网络具有强大处理非线性系统的能力和映射能力,在财务预警和金融预测中得到广泛应用.神经网络与遗传算法耦合的金融参数预测系统(GA-BP系统)是利用智能模拟算法,算法要点是遗传算法对神经网络预测金融系统拓扑结构层间权系值进行优胜劣汰演化,本文证明二者耦合能提高网络系统的效率和预测精度,实现了两种智能模拟方法的集成耦合.     

一种改进的RBF神经网络在预测虫害中的应用研究

针对神经网络在小样本预测时存在泛化能力降低的问题,提出了一种改进的RBF神经网络预测虫害的方法.这种方法结合了模糊聚类可以对样本进行去噪及RBF神经网络推理,具有速度快、无局部极小问题存在的优点.同时提出一种对RBF的中心、宽度和权值进行调整的RBF神经网络的学习算法.仿真结果表明,该方法能有效解决对小样本预测虫害的模糊性、相关性和非线性问题.而且预测结果准确,简单实用,效果较好.为农业预测虫害提供了一种新的预测方法,对促进农业生产的稳步发展和农民增产增收,都能够产生积极的作用.     

升船结构地震鞭梢效应的MR智能隔震控制

提出了用屋盖磁流变(MR)智能隔震系统实现升船结构地震鞭梢效应的神经网络预测半主动控制方法.首先,根据反向传播(BP)误差逆传播网络较强的泛化能力,运用该网络来预测未知地震波,在此基础上,根据地震波的预测值来确定"开关-耗能"半主动控制策略;然后,在该控制策略和预测神经网络的帮助下完成神经网络控制器的训练过程;最后,运用该控制器对结构实施智能控制.应用本控制方法对三峡升船结构屋盖MR智能隔震系统进行了仿真,计算结果表明:层间位移和柱底弯矩均有明显的减小,能有效抑制升船结构顶部厂房地震鞭梢效应,是一种简单并易于实现的智能控制装置.     

基于深度学习的房间冷负荷预测模型

准确的房间冷负荷预测是空调运行过程节能的基础.首先,根据房间能量平衡方程,通过分析供冷量、冷负荷和蓄热量的关系,提出调温模式下房间负荷预测模型;然后,利用频域分解法实现蓄热计算,应用深度循环神经网络实现温度恒定条件下冷负荷预测;最后,综合温度变化下的蓄热量和温度恒定条件下的冷负荷预测,得到调温模式下房间冷负荷预测值.为提升深度学习算法收敛速度,在深度循环神经网络反向传播修正参数的过程中引入了高斯-牛顿法-LM (Levenberg-Marquardt)法自适应切换的学习算法.仿真实验和实测实验均表明,该方法能快速有效地实现房间逐时负荷预测.本方法实现了调温模式下房间负荷需求的快速精确计算,可用于实现建筑被动热储能的定量计算,同时为整个电网需求侧直接负荷控制提供可借鉴的思路.     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

一种改进的神经网络集成法预测PMV指标

为解决大样本的PMV指标预测问题,采用基于模糊聚类的神经网络集成方法,将原始样本集模糊划分为多个相交子集,通过这些模糊子集训练神经网络得到预测个体,再对个体输出加权结合获得预测结果.在进行神经网络集成过程中,采用微粒群算法有效克服了聚类和常规神经网络训练容易陷入局部最优的缺点,总结出一种更加有效的神经网络集成方法.实验结果表明:基于微粒群的神经网络集成算法有较好的全局优化性能,其集成的神经网络系统能更准确地预测PMV指标.