普通高等学校招生规模的预测方法

近年来,中国普通高等学校招生规模不断扩大,提高了高等教育的入学率,却增加了大学毕业生就业的压力。研究普通高等学校招生规模的预测方法对于合理地制定普通高等学校招生规模,实现高等教育可持续性发展是非常关键的。采用灰色系统方法和神经网络方法,结合1970—2009年全国普通高等学校招生人数的数据资料,建立了普通高等学校招生规模的灰色系统GM(1,1)模型和BP神经网络模型。对2种模型的模拟通过MATLAB平台实现。BP神经网络建模考虑了普通高等学校数、普通高等学校教职工人数、普通高中毕业人数以及国家财政教育经费投入4个影响因素。灰色系统GM(1,1)模型的精度为75.7%;BP神经网络模型的精度为95.4%。通过模拟分析可以得出:BP神经网络方法用于普通高等学校招生规模的预测是可行的。     

突发事件模型库中模型的层次网络表示方法

模型表示方法是突发事件模型库中模型管理和操纵的基础。该文综合分析突发事件模型的自身特征和辅助,将关系框架和模型网络的表示方法有机地结合起来,提出了一种适合突发事件模型知识表示和模型操纵需求的层次网络模型表示方法。该方法可以根据突发事件不同的辅助决策流程框架,动态地生成相应的模型网络,然后在模型网络中根据决策目标选择出一条或多条模型链。层次网络表示法具有很好的灵活性和智能性,很好地实现了突发事件模型根据不同决策环境和决策对象的模型求解。     

基于BP神经网络的森林可燃物负荷量估测

森林可燃物负荷量是决定林火行为的一个重要因子,因此,森林可燃物负荷量估测对于森林防火管理具有重要意义。该文利用BP神经网络方法和多元回归方法对大兴安岭地区落叶松林32块森林样地数据构建森林可燃物负荷量预测模型,用以研究利用林龄、郁闭度、平均高、胸径等林分因子估测该地区森林可燃物负荷量的方法。通过MATLAB软件实现BP神经网络森林可燃物负荷量估测模型;通过SPSS软件建立多元回归森林可燃物负荷量估测模型。BP神经网络森林可燃物负荷量估测模型拟合精度为99.9%、外推精度为65.51%;多元回归可燃物负荷量估测模型拟合精度为68.29%、外推精度为62.1%。通过比较分析,得出结论:利用BP神经网络方法估测森林可燃物负荷量是可行的;BP神经网络模型精度高于多元回归模型;由于训练样本太少,2种模型外推精度低于70%。     

突发事件模型库中模型的层次网络表示方法

模型表示方法是突发事件模型库中模型管理和操纵的基础。该文综合分析突发事件模型的自身特征和辅助,将关系框架和模型网络的表示方法有机地结合起来,提出了一种适合突发事件模型知识表示和模型操纵需求的层次网络模型表示方法。该方法可以根据突发事件不同的辅助决策流程框架,动态地生成相应的模型网络,然后在模型网络中根据决策目标选择出一条或多条模型链。层次网络表示法具有很好的灵活性和智能性,很好地实现了突发事件模型根据不同决策环境和决策对象的模型求解。