基于改进PSO算法和集成神经网络的裂解炉在线优化

针对传统粒子群算法(PSO)寻优时易陷入局部最优、后期全局搜索能力下降等不足,提出了基于载波的粒子群算(CWPSO).通过粒子基于载波的搜索和载波扩展精确寻优,较好地克服了上述缺点,且寻优时间明显减少.同时,针对工业裂解炉在线优化要求,采用了权值动态集成的集成神经网络(NNE)对双烯收率进行建模预测,并结合CWPSO算法进行了在线滚动优化.仿真结果表明,该方法对裂解炉的优化效果明显,双烯平均收率有了明显提高.     

改进的KNN实时校正方法在山区中小流域的应用

为提高山区中小流域实时洪水预报精度,提出了一种基于历史洪水学习的KNN实时校正方法(KNN-H法),并选择陕北黄土高原地区2个山区中小流域为研究区域,将其与传统KNN法和AR法进行对比,验证该方法的校正效果。结果表明:KNN法和KNN-H法的校正精度总体高于AR法；KNN法和AR法不能有效降低预报结果的峰现时间误差,而KNN-H法校正结果峰现时间误差比校正前有明显降低；KNN-H法通过对历史洪水预报误差的学习,可有效解决KNN法在实时校正中因为预热期资料不足导致的校正精度不高问题；当预报洪水过程处于涨洪或退水阶段时,KNN-H法能够快速定位到历史洪水的相同阶段,分析历史预报误差后迅速对当前预报值做出校正；总体上KNN-H法校正精度高于传统KNN法。     

基于新型进化规划的异构神经网络集成算法

提出一种基于新型进化规划的异构神经网络集成算法。首先利用改进的进化规划,克服传统的进化规划及EPNet模型的不足,生成多个异构的最优网络,然后对异构网络进行组合求解。该集成算法充分利用了Bootstrap采样的天然特性实现了网络间的异构和差异度,同时又保证了单个成员网络的精度,克服了传统Bagging,Boosting算法中成员网络结构固定,缺乏个体精度的缺点。通过仿真实验证明,该方法较传统集成算法具有更好的泛化性能并减少了传统集成算法中的随机不确定因素。     

人工鱼群神经网络在热连轧卷取温度预报中的应用

卷取温度预报结果对热轧带钢的成品性能具有重要影响。人工鱼群算法是新近提出的寻优策略,具有良好的克服局部极值、获得全局极值的能力。建立了一种人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,并将该神经网络用于卷取温度预报。通过某钢厂现场实测数据对该模型进行离线训练和对比测试,结果表明,该方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的预报效果;该模型能够精确预报卷取温度,可用于离线学习和预报,为在线应用打下良好基础。     

AdaBoost集成神经网络在冲击地压预报中的应用

为提高单一BP神经网络预测精度,利用AdaBoost.R2集成学习算法,将单一BP(Back\|Propagation)神经网络集成,并针对AdaBoost.R2集成BP网络的特点,提出了一种新的模型更新方法,在有效地实现模型更新的同时克服了传统更新方法的不足。将该新方法应用到抚顺老虎台矿冲击地压预报中,对冲击地压发生的主要因素进行了分析并将其作为模型的输入,使用AdaBoostR2集成BP网络作为核心智能算法,建立了冲击地压预报模型,取得了较好的预测效果。     

基于中间件的企业应用集成

在企业的信息化发展过程中，形成的信息孤岛已成为现代企业信息共享的一个制约因素。笔者对当前企业应用集成的现状、方法及存在的问题进行了分析和讨论，通过结合中间件技术和Web技术特点，探讨了一个基于中间件技术的企业应用集成框架。该集成框架以中间件系统为核心构建分布式应用平台，克服了传统应用集成方法的不足，有效地解决了企业内部的跨平台应用间的集成问题，并为企业发展电子商务提供支持。     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

基于径向基神经网络的精馏塔产品质量自适应控制

对精馏塔全阶模型进行了分析 ,设计了基于RBF神经网络的直接自适应控制器。采用双端控制 ,克服了单端控制的不足。网络权值的调整算法基于所选择的Lyapunov函数 ,这样可保证闭环系统的稳定性和权值参数的收敛性。仿真结果表明所设计闭环系统具有良好的跟踪性和鲁棒性。     

基于ECGP的企业数据集成研究

提出了一种基于ECGP的数据集成模型,克服了传统数据集成模型中数据源节点过多带来的集成效率低、数据节点管理混乱等不足.ECGP提供了一种对等节点的分层方法,将节点按照拓扑优先级聚集成簇,从普通对等节点中选出主干节点作为簇的中心和服务提供者.还提出了基于软件即服务(SaaS)的NUTS-Sync数据集成框架,并讨论了2种数据集成模式:同步集成模式;异步集成模式.应用案例验证了模型的可行性和有效性.     

基于模糊核判别分析的语音情感识别

为了克服传统核判别方法将样本唯一归属于某一类的不足,基于模糊集理论对传统的核判别分析方法进行改进,引入了模糊类别隶属度并详细分析了基于模糊核判别分析的语音情感识别。识别实验中采用VQ方法进行了特征参数的融合,根据实验结果对模糊核判别分析和核判别分析的性能进行了比较和分析。     

一种基于背景差分的运动目标检测新方法

针对传统运动目标检测方法存在的缺点和不足,提出了一种运动目标检测的新方法:基于背景差分,融合多种检测手段和理念,有效地克服了传统方法存在的误检和空洞等问题.实验结果表明,该方法快速、有效,能够满足运动目标的实时检测要求.     

基于二次指数平滑法和优化Kalman滤波的短时交通组合预测

优化改进传统的Kalman滤波模型,解决预测精度不高且预测滞后的问题.用二次平滑指数法和优化后的Kalman滤波模型两种方法组合对道路断面通过交通量进行短时交通预测,通过平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分析预测结果.实例预测结果表明:当修正因子α=0.5时预测结果较为精确,同时,优化改进后的Kalman滤波模型的预测准确性有所提高.组合预测的两种方法都能够有效地降低预测误差,但按权重组合预测的效果更为明显.     

组合导航系统软件可靠性的预测模型

针对组合导航系统软件可靠性长期预测的复杂性,建模时在引入神经网络技术的基础上,提出了滚动式预测方法.该方法考虑了多种不确定因素对预测结果的影响,不断加入新预测的故障数据,克服了单纯依靠神经网络技术预测偏差较大的缺陷.仿真结果表明,该模型预测精度高,可用于实践中指导软件测试.     

组合预测中基于粗糙集理论的权值确定方法

权系数的确定问题是组合预测方法中的关键和难点，提出了一种基于粗糙集理论的权系数确定方法，将权系数确定问题转化为粗糙集中属性重要性评价问题，建立了关于组合预测方法的关系数据模型，通过属性值特征化建立了知识系统，在数据驱动下通过分析预测方法对预测对象的依赖性和重要性，计算出组合预测模型的权系数，该方法克服了传统权系数确定方法的主观性，避免了线性或非线性极值问题的数值计算，使得组合预测方法具客观性，所给案例说明了所提方法 的有效性。     

基于熵权法确定病害权重值的桥梁水下桩基安全评估改进方法

基于层次分析法的桥梁水下桩基传统安全评估方法中,用于确定权重的判断矩阵中各数值完全由专家经验确定,导致评估结果主观性过大.为此,在福建省桥梁水下桩基检测数据基础上,提出结合熵权法计算得到客观权重,对传统安全评估方法进行改进.首先,基于现有规范和水下桩基病害特点建立多层次安全评估模型;其次,分别采用层次分析法和熵权法计算各评估指标的主、客观权重值,并将其组合确定指标的综合权重,该方法克服了传统层次分析法单独使用时仅通过主观经验确定病害权重值的局限性.最后,以福州市某桥为例对其水下桩基进行评估,验证了该评估方法的合理性和实用性.     

水体倍数计算的拟稳态法

底水的体积对底水油藏的开发起着十分重要的作用,底水的大小用底水的水体倍数表征。目前常用的水体倍数求解方法有容积法、物质平衡法、非稳态水侵法、数值模拟法。不同方法有其适用的条件和特点。在假设储层达到拟稳态的条件下,推导了一种新的水体倍数计算方法;该方法结合地质储量、多次测试及物质平衡法等不同情况而分为三种子方法。新方法可以获得水体倍数和地质储量。利用推导的拟稳态方法对实际数据进行了计算,计算结果与其他方法的计算结果十分接近,表明新方法的可行性。     

基于区间AHP法与粗糙集的飞机空战效能评估

考虑到视距内空战和超视距空战2大现代空战模式的特点,构建了飞机空战效能评估指标体系。针对以往效能评估模型中单一权重系数确定方法的不足,应用区间AHP法确定主观权重系数，用粗糙集确定客观权重系数,然后将主观和客观权重进行有机集成,得到基于区间数的最优组合权重,充分吸收了主观赋权评估法和客观赋权评估法的优点,同时又克服了2类方法各自的缺陷,实现了二者的优势互补,使评估结果更为合理、科学。最后,建立了空战效能的综合评估模型,通过实例计算验证了该模型的可行性和有效性。     

基于关联规则的态势预测方法

态势预测是网络态势感知的重要环节,可以为网络管理员提供必要的决策支撑。为了实现对网络的大数据管理模式,针对当前预测算法无法充分利用大数据优势的局限,提出了基于关联规则的态势预测方法。该方法综合考虑了大数据的特点和态势预测的需求,给出了方法的基本思想和实现流程。实验结果表明,提出的方法与传统预测方法相比,通过寻找数据间的关联物而不是非线性匹配来达到预测的目的,大大降低了计算的时间复杂度,提高了预测效率。     

一种基于分层属性相似度聚类的ASON告警关联分析方法*

针对传统属性相似度告警聚类不能充分挖掘告警属性语义信息的不足,结合自动交换光网络(automatically switched optical network,ASON)的告警特点,分析了告警属性语义信息对告警聚类的作用,定义了具有分层特点的属性相似度函数,增强了聚类结果的客观性,并利用历史告警库复杂度和聚类扩充率对聚类效果进行了比较分析。实验表明,新方法与传统的告警属性相似度聚类方法相比,具有更高的准确性。对于在特定时间段内故障类型较多的情况,新方法具有较好的适应性。