基于经验模式分解与LM一BP神经网络的大坝变形预报模型

提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析...     

基于BP人工神经网络的路基压实度预测模型研究

在大量路基碾压实验的基础上,通过对BP人工神经网络的分析,建立了路基压实度预测神经网络模型,并利用MATLAB环境下的神经网络工具箱开发了相应的程序.预测结果表明,该模型程序具有学习能力强、预测精度较高、快速方便等特点.这项研究为路基碾压施工工程中土的压实度预测研究提供了新的研究思路.     

梯级浮床修复黑臭河道过程中浮游植物动态研究

采用现场试验方法,将挺水、浮叶和沉水植物组合成梯级浮床以修复黑臭河道;监测浮游植物动态变化情况,并结合水质理化指标对梯级浮床修复黑臭河道的机理进行研究,以期为黑臭河道治理与修复提供参考.实验结果表明,经梯级浮床修复后,浮游植物种类中绿藻门和蓝藻门所占比例明显下降,优势种也发生改变,其中沉水植物浮床浮游植物门类最多,反映...     

梯级生态浮床系统处理黑臭河水除磷性能研究

以上海市某黑臭河道为处理对象,通过模拟天然水体中水生植物的分布,构建逐级下沉式梯级浮床系统(Staged Floating Treatment Wetlands,SFTWs),分析温度、植物种类、pH值和溶解氧(DO)等因素对浮床系统的除磷性能的影响.结果表明,浮床系统的除磷率受温度变化较为明显,一定温度范围内两者呈正...     

多项式曲线法在公安边防情报分析与预测中的应用

介绍了多项式曲线法的基本原理、分类和特点,讨论了建模预测的过程,通过对全国口岸出入境交通运输工具数量变化规律的研究,说明了多项式曲线法在公安边防情报分析与预测中的应用.     

基于回归树与衰减函数的在线负面口碑影响力预测

影响力预测是企业在线负面口碑处理的关键环节.论文通过综合考虑信息发布者特征和信息内容特征两个维度形成特征空间,采用影响力衰减函数描述负面口碑影响力的多变趋势,提出了一种基于回归树与衰减函数的IMM-RTDF模型来预测在线负面口碑的影响力.实验结果表明,考虑信息内容特征有助于提高预测精度,同时发现用不同的衰减函数能更好地描述异质负面口碑影响力的变化趋势,进而能提高模型性能.基于此方法的在线负面口碑处理策略为企业进行客户关系管理和资源配置提供了决策支持.     

资产未来收益率的分段指数光滑预测

提出了一种改进指数光滑模型——分段指数光滑模型,并用此模型对资产的未来收益率进行预测,实证发现此预测方法比移动平均预测有更好的效果.     

Retail default prediction by using sequential minimal optimization technique

This paper employed sequential minimal optimization (SMO) to develop default prediction model in the US retail market. Principal components analysis is used for variable reduction purposes. Four standard credit scoring techniques—naïve Bayes, logistic regression, recursive partitioning and artificial neural network—are compared to SMO, using a sample of 195 healthy firms and 51 distressed firms over five time periods between 1994 and 2002. The five techniques perform well in predicting default particularly one year before financial distress. Furthermore, the prediction still remains sound even 5 years before default. No single methodology has the absolute best classification ability, as the model performance varies in terms of different time periods and variable groups. External influences have greater impacts on the naïve Bayes than other techniques. In terms of similarity with Moody's ranking, SMO excelled over other techniques in most of the time periods. Copyright © 2008 John Wiley & Sons, Ltd.     

Performance prediction for Grid workflow activities based on features-ranked RBF network

Accurate performance prediction of Grid workflow activities can help Grid schedulers map activities to appropriate Grid sites.This paper describes an approach based on features-ranked RBF neural network to predict the performance of Grid workflow activities.Experimental results for two kinds of real world Grid workflow activities are presented to show effectiveness of our approach.