模糊逼近算法与人工神经网络预测功能

有些实际问题是无法用已知的很多定量预测方法预测的，这更是在预测中有极大局限性的人工神经网络难以解决的问题．本文通过对预测问题模糊逼近算法的研究，提出新的模糊逼近泛函微分方程定量预测方法，并从而化为能用人工神经网络预测的方法，扩充人工神经网络解决实际问题的功能．     

在RFDE,NFDE下的最佳逼近多项式与模糊逼近

主要讨论满足RFDE和NFDE的函数的最佳逼近多项式的一些性质 ,以便为时间序列预测提供更深入的理论基础     

泛函预测的模糊逼近与最佳逼近

主要对以模糊逼近和泛函微分方程进行时间序列预测问题作进一步的理论研究，给出了几个有关使用该预测方法时，模糊逼近与最佳逼近及其关系的定理，证明了逼近方面及预测方面的一些有意义的结果．     

泛函预测的模糊逼近与最佳逼近

主要对以模糊逼近和泛函微分方程进行时间序列预测问题作进一步的理论研究,给出了几个有关使用该预测方法时,模糊逼近与最佳逼近及其关系的定理,证明了逼近方面及预测方面的一些有意义的结果.     

基于模糊神经网络的航运运价指数预测

为航运市场的参与者提供准确和高效的预测模型及决策支持,以BDI指数为研究对象,分析其时间序列数据所包含的内部信息和统计特征,采用模糊数理技术与神经网络技术,为BDI指数建立模糊神经网络模型.相比传统神经网络,模糊神经网络对于BDI指数时间序列在预测能力上的表现更优.     

基于DRNet的常微分方程模型逼近和序列预测方法

针对残差网络预测精度偏低的问题,基于系统观测数据和相轨线的关系,提出密集残差网络的方法实现对自治系统的拟合逼近和序列的高精度预测。首先,为强化对数据内含“特征信息”的提取和流通使用,将神经网络各隐藏层的输入与之前各层输出拼接后作为本层的输入,形成密集连接模块;其次,为避免加大网络深度时出现的“退化”现象,引入残差机制,将密集连接模块的输入层与输出层相连,形成密集残差网络。最后,将密集残差网络应用于线性的单自由度系统振动模型和非线性的SEIRS模型、Logistic Volterra模型。结果表明,在规模为5 000和10 000的数据集上,密集残差网络对模型的拟合逼近效果和预测精度优于残差网络、反向传播神经网络和密集网络,特别是在非线性系统上的4项定量评价指标均优于对照模型,表现出密集残差网络对自治系统模型逼近和序列预测的高有效性;同时,在观测数据中加入5%的噪声后,密集残差网络表现出较好的抗干扰性。     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

基于遗传算法的模糊RBF神经网络设计及应用

提出了一种基于遗传算法的模糊RBF神经网络学习算法.采用遗传算法对模糊RBF神经网络需要调整的参数进行优化,再将遗传算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,并结合梯度下降法对网络的各参数进行动态调整.在对非线性函数逼近的仿真中,仿真结果验证了优化后的模糊RBF神经网络具有更高的精度及强鲁棒性.     

一种模糊预测控制器的学习和整定方法

提出模糊预测器和模糊预测控制器组成的一种自适应模糊预测控制系统的设计方法,该方法以模糊规则适用度为评判标准规则的合理添加,采用ＢＰ算法在线调整规则参数,并删减相互矛盾的规则,仿真实验表明,优化后的控制系统在停止训练的情况下,以地具有纯时延的非线性被控过程仍有良好的控制性能。     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。     

基于模糊信息粒化的机动车流量SVM预测方法

以某路口全年小时级别的机动车流量为基础,提出了一种基于模糊信息粒化的支持向量机机动车流量预测方法.选取7个影响因素作为自变量,以当前小时的机动车流量作为因变量,利用前360天的8 640组数据预测后5天上午8点的机动车流量.进行了数据的预处理,模糊信息粒化,利用支持向量机对粒化数据进行回归预测.后5天上午8点实际的机动车流量都在模糊粒子Low、R、Up预测的变化区间内,表明本预测方法是可行的.     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

基于预测有效度的IOWA算子模糊组合预测方法

传统的组合预测方法大部分都是针对数字型数据进行的,但在实际生活中,预测对象具有模糊性,常用三角模糊数表征其特征信息;提出了基于模糊信息的一阶预测有效度的概念,并将其作为精度指标,运用诱导有序加权平均(IOWA)算子对三角模糊数信息进行集成,建立了相应的组合预测模型,实例分析表明基于一阶预测有效度的IOWA算子模糊组合预测模型是可行和有效的。     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

基于GIS的矿产资源预测现状及关键问题

介绍了基于GIS的矿产资源预测现状,归纳总结了基于GIS的矿产资源预测的基本方法,在已有研究成果基础上,提出了基于GIS的矿产资源预测需要解决的关键问题,包括多源矿产地质数据的高效组织和管理,矿产资源预测中的时空数据模型,GIS矿产资源预测系统与专家知识、专家系统的结合,以及数字化的质量及效率问题等。对其中一些关键问题提出了相应的研究思路。     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

流媒体传输的模糊自适应预测拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中多采用有效的拥塞控制策略.本文给出了一种更有效的流媒体传输的拥塞控制算法.基于模糊算法给出了模拟的网络传输模型,采用能克服较大传输延时的预测控制解决缓存器的排队预报问题,采用自适应控制算法解决缓存器溢出问题.多种算法有机组合,解决了通过网络的流媒体传输.     

一种基于模糊神经网络的ncRNA基因预测方法

提出了一种基于模糊神经网络的ncRNA基因预测方法.该方法由预处理、具有结构学习的模糊神经网络预测器、后处理3个部分组成.预处理模块将比对后的输入序列进行滑动窗处理,并顺序提取有效的特征信息.模糊神经网络预测器采用了基于Takagi-Sugeno模型的5层模糊神经网络结构,通过输入层、模糊化层、点火强度层、归一化点火强度层、输出层的计算,得到预测结果;并进一步给出了一种模糊神经网络的结构学习算法,可有效地降低参数空间的维度,提高计算效率,并避免过学习情况的产生.后处理过程可对有交叠的预测结果进行拼接.实验结果表明,较之其他预测工具,本方法的ncRNA基因预测精度有所提高.     

基于因果聚类和模式识别的模糊预测方法及其应用

基于因果聚类和模式识别的模糊预测方法，是将企业待预测时段的运行状况与历史上的运行模式相比较，根据“最大隶属原则”将待预测时段的运行状况归入某一运行模式，利用此模式的模糊数对预测量进行预测。     

基于模糊信息粒化和支持向量机的Brent原油期货价格预测

随着原油市场环境的日益复杂,模型很难准确预测未来某段时间的原油价格.在保证预测精度的前提下为获得尽可能久的预测时长,采用模糊信息粒化方法简化计算复杂度,通过压缩样本点信息得到Up、Low和R三个模糊参数.针对原油价格时间序列周期性、非线性和长时记忆性的特点,基于支持向量机算法对模糊参数进行回归预测.研究表明,此法能够较...