BP-神经网络算法在分布式VOD系统流量预测中的应用

在分布式VOD系统中,网络流量是一组非线性的、复杂的、难以预测的数据.而为了实现系统中数据流量的负载均衡,需要对网络流量进行准确预测.提出了基于BP-神经网络的预测算法,对网络流量进行分析、预测.研究结果表明,该方法具有一定的预测能力,基本接近于网络流量的真实数据.     

潘一矿煤钻屑瓦斯解吸指标Δh2值的突出敏感性及其临界值

针对中国工作面突出预测敏感指标及其临界值的研究现状,通过理论分析、实验室实验和现场测试等方法,提出采用煤钻屑瓦斯解吸指标Δh2值作为工作面突出的判定理论和敏感指标的判定方法,以潘一矿13-1煤层采掘工作面为研究对象,选用"三率"法和"灰色关联"分析方法对提出的理论进行了验证。采用钻屑瓦斯解吸指标Δh2作为采掘工作面突出的判定方法,解决了敏感指标间相互交叉的问题和临界值模糊性难题,提高了敏感指标的适应性。     

基于灰色理论的奥运会奖牌预测

通过对近6届奥运会中国获奖牌数的建模分析,利用灰色理论预测了2012年伦敦奥运会中国将获得奖牌数为93或94枚．     

初始场对暴雨数值预报影响的敏感性试验

为了研究初始场不确定性对暴雨预报的影响,利用尺度分离的方法,在AREM模式分析场上构造了初值扰动,并通过在模式初始物理量上叠加或扣除这些扰动,设计了不同的敏感性试验.试验结果表明,暴雨预报结果对模式的初始相对湿度、温度和风场是敏感的,而对初始位势高度的敏感性较弱.由于各物理量是相互联系和制约的,单独改变某个物理量对暴雨...     

贝叶斯网络结构学习方法新探

从大型数据库中学习网络结构一直是贝叶斯网络学习的研究热点.针对此问题提出了一种基于预测能力的学习算法,通过预测能力建立并调整贝叶斯网络结构,把变量之间弧的存在性与方向有机地结合在一起。     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

川东北下三叠统飞仙关组裂缝测井识别与反演

裂缝性碳酸盐岩储层非均质性较强,单一应用某种测井资料对裂缝进行识别和评价往往满足不了精细描述的需要。经岩心观察与常规测井、成像测井资料对比,建立裂缝在测井资料上的识别特征和识别方法。利用深浅侧向电阻率(RLLD、RLLS)、补偿声波(AC)、补偿中子(CNL)、补偿密度(DEN)、自然伽马(GR)、无铀伽马(KTh)等测井响应特征与微电阻率扫描成像测井(FMI)图像特征进行裂缝识别,计算裂缝几何参数,评价裂缝有效性和发育程度,经实际对比应用,具有较好的效果。     

最大Lyapunov指数改进算法的网络流量预测

为了提高网路流量的预测精度,针对网络的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对网络流量进行短期预测,应用混沌理论对某高校主干流量时间序列进行分析。结合C-C算法将实际测试的流量时间序列投影到重构的相空间中,计算其最大Lyapunov指数并对最大可预测时间进行了分析。实验结果表明,最大Lyapunov指数改进算法具有良好的预测效果,较高的预测精度和更好的自适应性,该算法应用于网络流量预测是可行、有效的。     

西南某高速公路库区段冰水堆积物塌岸预测及模式研究

某高速公路路线通过西南某水电站冰水堆积物岸坡,在水库蓄水及运行期间,路基外侧冰水堆积物岸坡将出现一定程度的塌岸与库岸再造.在现场调查分析的基础上对冰水堆积物岸坡的塌岸模式进行了系统的分析,研究分析表明,岸坡的失稳具有整体性,塌岸模式为淘蚀-坍塌.最后,针对工程地质条件和岸坡结构特征较特殊的冰水堆积物岸坡,采用适合坍塌类塌岸预测的两段法和适合整体失稳评价的极限平衡法对该段岸坡进行塌岸预测比较,计算分析表明,采用极限平衡法进行该岸坡的塌岸预测是相对较可靠的.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.