基于RS-BPNN理论的边坡稳定性预测及应用

从文献资料中收集并整理了45组各类危险边坡数据实例,结合粗糙集理论的数据挖掘功能和BP神经网络理论的非线性映射功能,建立了基于粗糙集-BP神经网络(RS-BPNN)理论的边坡稳定性预测模型.利用粗糙集对离散化后的数据进行了属性约简,利用神经网络对约简前后的数据进行了网络训练和仿真,并对其中五组边坡的安全系数和稳定状态进行了预测.结果表明,未经约简的BP网络安全系数预测的平均误差率为14.51%,约简后的RS-BP网络预测的平均误差率为7.24%,且经过粗糙集约简后边坡的预测状态与边坡的实际状态更加吻合.     

基于时间序列的网络安全态势预测方法研究

现有网络安全态势预测方法只能预测单位时间的态势值,然后根据连续单位时间的态势值进行网络安全态势评估.本文中,根据网络安全事件发生的统计规律性,首先通过分段曲线拟合来分析目前网络态势的变化趋势,然后研究了基于时间序列的神经网络对未来一段时间内安全态势变化趋势进行预测的方法.通过实验仿真表明,该方法能够准确有效地预测出未来一段时间内的安全态势的变化趋势.     

基于燃气-蒸汽联合循环机组中金属监督技术的运用分析

金属监督是电厂技术监督工作之一,在电厂基建期和生产运行中有着极其重要的作用.本文探讨了金属监督技术在电厂基建期和生产运行中的应用,希望能够促进金属监督技术在燃气-蒸汽联合循环机组中的有效运用,使其维修成本和运行成本降低,促进燃气轮机电站运行过更加可靠地运行,进而增强燃气轮机电站的市场核心竞争力.     

汉江源土地利用预测及发展建议

以3期遥感影像资料为基础,结合高程、坡度、坡向、气温、降水、河网、道路和人口8个因子层,对汉江源未来土地利用状况进行预测。通过预测结果预知未来土地利用格局及生态环境状况,达到警示作用,并可根据预测状况调整近期的土地利用、开发规划相关政策和方案,最终使得现行的土地利用符合未来发展需要。     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。     

STLFM在水声通信系统同步测算中的应用

通过对对称三角线性调频(STLFM)信号在分数阶傅里叶域能量汇聚性的分析,提出了采用STLFM信号作为同步码,基于分数阶Fourier变换(FRFT)的正交多载波水声通信系统的联合同步算法,并以同步误码率(BER)作为评价指标,在有噪声、多径传输和多普勒效应三种环境组合下与传统OFDM系统采用线性调频(LFM)信号作为同步码进行仿真分析比较.仿真结果表明,在复杂的水声环境中,该算法在低信噪比时可以获得更精确的同步性能和更低的误码率.     

具有能力约束的供应链系统模型

针对包含一个供应商、一个制造商和一个经销商的三级供应链系统进行研究,并依次将系统中的成员称之为首级、中间级和尾级.在相关文献研究的首级和尾级具有能力约束的供应链系统联合批量模型的基础上,建立了一个中间级具有能力约束的三级供应链系统的联合批量模型,并提出了基于推拉混合规则的新的动态规划算法,可在多项式时间求解供应链系统中各个层级的最优决策批量,并通过相关定理的证明保证了算法能够求得全局最优解.最后通过算例分析对上述方法进行了阐述.     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.