神经网络在时间序列预测中的应用

将人工神经网络的ＢＰ模型应用于非线性时间序列预测,并将预测结果与传统预测方法的预测结果进行比较,表明神经网络预测方法具有明显的优势。     

不同预测方法的路基弹性模量的对比研究

路基弹性模量是道路设计的主要技术指标之一,快速准确评价其数值对道路性能具有重要的意义。利用BP神经网络方法预测路基弹性模量,在此基础上,对路基干湿状态及AASHTO等不同方法也进行了研究,得到了相应的路基弹性模量预测结果。研究内容包括:路基弹性模量数据调查及影响因素分析,不同预测方法的路基弹性模量预测,预测结果与实测结果的对比分析。通过对不同预测结果的对比分析,论证了BP神经网络方法的科学合理性,探讨一种更合理的快速准确预测不同季节路基弹性模量的方法。研究认为,BP神经网络方法可以比较准确地预测不同季节的路基弹性模量,预测结果与实测结果的误差在合理范围内,与其他方法相比,具有一定的优势。研究成果可以取得一定的经济效益与社会效益。     

基于回归分析与三次指数平滑的组合预测

组合预测是把几种单一的预测方法进行组合后得到更好的预测结果的方法.文章根据国家财政用于科学研究支出的统计数据,运用回归预测与三次指数平滑预测,而后求出组合预测的权重,最后得出更优的预测结果.     

基于多分类支持向量机的网络流量预测方法

 针对支持向量机网络流量预测误差较大的问题,提出一种基于多分类支持向量机的网络流量预测方法。该方法在网络流量数据训练阶段通过数据编码,使多分类支持向量机的输出逼近编码值,在预测阶段通过数据解码,将多分类支持向量机的输出转换为实际的网络流量预测结果,从而有效地降低了预测误差。实验结果显示,该方法的预测结果与实际采集的网络流量数据具有相同的变化趋势;在同等实验条件下,该方法预测结果的均方根误差为0.487,而单一支持向量机方法、BP 神经网络方法预测结果的均方根误差分别为1.0954 和2.3642,表明基于多分类支持向量机的网络流量预测方法具有更高的准确性。     

改进相似日的频域分解短期负荷预测

基于改进相似日的频域分解短期负荷预测方法,通过对负荷序列进行频域分解,采用外推法、改进相似日法与加权平均法分别对各分量进行预测,将各分量预测结果相加得到最后预测结果,该方法应用于短期负荷预测具有较好的预测精度.     

基于Stacking集成模型的网络流量预测研究

针对网络流量预测准确率不够高的问题,结合当下流行的集成学习(Ensemble Learning),提出一种Stacking集成多种模型的网络流量预测方法;将天气因素量化后作为输入,使用7个机器学习模型分别对网络流量进行预测,然后根据对不同模型预测结果的Pearson相关系数的分析,选取相关性较弱的5个模型作为Stacking的基模型,进行网络流量的预测,并与不考虑天气因素的预测结果进行比较;结果显示:Stacking方法相较于各基模型都有更好的表现,同时,天气因素的加入使得模型预测结果的准确性提高了;Stacking方法将不同的预测方法进行组合,相较于神经网络方法能以不同模型对数据进行不同角度的处理,能获得比一般方法准确率更高的预测结果,对于网络流量的预测具有一定的实用价值。     

基于时变权重的区间时间序列组合预测模型构造

时变权重组合预测模型可以有效反映各预测方法在各时刻点上的预测值对组合预测结果的影响,并可以提高预测精度,基于此,针对区间数时间序列构造组合预测模型的问题,提出一类构造区间数时变权重方法;该方法主要是在3种实数的时变权重求解方法基础上构造相应的3种区间数时变权重,并利用所得出的时变权重构造区间时间序列组合预测模型;为验证该模型的准确性,应用具体算例对模型加以实现,并通过区间预测误差度量指标验证该类模型的预测结果;结果发现:基于3种时变权重求解方法下的区间时间序列组合预测模型均优于各单个方法的预测结果,且基于最优化赋权法得到的时变权重区间组合预测结果的精确度较另外两种有所提高。     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

基于小波-ELM神经网络的短期停车泊位预测

采用小波变换与极限学习机(ELM)相结合的方法对短时空余停车泊位进行预测.首先通过小波函数对有效停车泊位时间序列进行小波分解和重构;然后用ELM对分解后所得的各时间序列进行预测;最后对各神经网络的预测结果进行合成,得到最终的预测结果.预测实例结果表明,该方法缩短了训练时间,提高了预测结果.     

基于小波变换和ARMA模型的电力设备故障率预测方法

针对电力设备故障率具有时变性、随机性、隐含周期性等特点,预测难度大。本文采用基于小波变换和ARMA模型的电力设备故障率预测方法,对原始数据预处理后采用Daubechies小波进行分解和重构,获得各尺度域上的小波系数;分别对各尺度域上的小波系数进行ARMA建模、预测和整合,生成故障率预测数据。将预测结果与ARMA模型预测结果和实际结果进行对比和误差分析,结果说明,基于小波变换-ARMA模型的预测方法具有较高的预测精度。     

论日本的林业发展和大连的林业建设

日本是太平洋西部的一个群岛国家,地理环境复杂多样,陆地75％是山地丘陵,自然灾害较多。日本为了优化利用国土,把植树造林作为国土整治的基本国策,综合发展林业,森林覆盖率达68％,成为世界上林业发达国家。日本在森林调查、森林规划、造林、育林等方面积累了许多经验。大连的造林环境和日本相(?),但是大连林业还很落后,为了恢复和保护生态平衡,整治国土,应借鉴日本发展林业的经验。查清森林资源现状、林况、地况,制定林业规划并保证实施;调整林业结构,建立以水土保持为中心的防护林体系;因地制宜采取多种方法造林、育林,精选良种,精心抚育,科学营林,以林养林;重视林业科技成果的推广和应用;加快大连林业建设的步伐,造福子孙后代。     

行政机关违法设定许可的法律责任探析

对于行政许可违法的法律责任问题，人们往往是从行政许可实施违法的角度进行研究，而对于设定违法及其责任追究的探讨却相对薄弱。然而。行政许可设定一旦违法，其对相对人和社会公共利益的损害将会更大，因此，对许可设定的违法及其责任问题进行研究，以避免违法行政行为的发生，促进政府依法行政，不仅必要而且是非常有意义的。     

试析技术入股的法律缺陷

随着我国经济的发展,以技术入股形式进行投资的实践日趋活跃,但由于技术入股的法律规定存在诸多缺陷及缺乏具体的实施细则,使技术入股在实际操作中极易酿成纠纷。本文试就技术投资入股的有关法律缺陷进行分析,并进一步探讨消除缺陷的途径。     

OPENWIN客户程序界面的动态翻译

介绍了一种对ＯＰＥＮＷＩＮ下客户程序界面进行动态翻译的方法，该方法基于Ｘ协议和系统调用的分析，设置了进程监控客户进程的执行，并修发亮各户进程向Ｘ服务器的输出内容，其原理适用于其他ＸＷＩＮＤＯＷ程序，是一种可行的汉化方法。     

浅论高校图书馆馆员的再教育

图书馆现状无法适应图书馆自身高速发展的需要,必然要求开展广泛的再教育.就再教育的主要内容及实现手段提出一些看法以供参考.     

车联网网络架构分析

利用车联网获取车辆运行参数和道路等交通基础设施使用状况,感知实时道路交通路况,能有效减少交通拥堵,实现绿色出行,并提供丰富的智能交通信息服务．车联网将促进汽车、交通和信息技术产业向更加现代化、网络化和智能化的方向发展．对车联网的现状进行了较为全面的研究,包括车联网的概念、技术优势、信息服务以及网络架构等．     

玄武岩连续纤维成形漏嘴的研究

以玄武岩矿石为原料生产连续纤维,对玄武岩连续纤维成形所用漏嘴材料、结构及尺寸进行研究.实验结果表明,耐热不锈钢能替代昂贵的铂铑合金作为实验用漏嘴材料,采用孔径为4 mm,高度为13 mm的直角台阶式漏嘴结构,既符合连续纤维成形时的流动特点,便于成形连续纤维,又能满足定位要求,防止侧漏.用此漏嘴研究连续纤维成形技术,极大地降低纤维的生产成本.     

一类函数积分的矩阵表示及其推广

运用分部积分法和矩阵运算将一类函数的原函数用矩阵的形式表示,并在此基础上利用欧拉公式将另一类函数的原函数也用矩阵的形式表示,本文方法不仅可以简便快捷地计算此类函数的原函数,而且容易掌握,还能为求自由项与此类函数相同的线性微分方程的特解提供解题依据.     

思想道德修养与法律基础课的实践研究

高职思想政治教育面临困境,既有高职学生自身素质的原因,也有教育教学方法的原因。由于高职学生的特点,要求教学中不断调整教法、重组知识模块,吸引学生,使之参与课堂建设;通过多样化的实践教学模式,深化对人生、对社会、对职业的理解。     

试析学生自我锻炼能力的培养

培养学生自我锻炼能力,就是培养学生结合本身条件自觉进行身体锻炼的能力。为此,要求学生掌握一定的体育知识和一定的技能,运用这些知识和技能进行锻炼。本文从培养学生认识能力、观察能力、思维能力三方面,论述掌握人体生长、发育和体育锻炼的基本规律,对培养学生自我锻炼的能力有一定的指导意义。