MEA-BP神经网络在预测地震模拟试验数据中的应用

为解决管道系统的地震模拟试验中由于某些测点的加速度测量计损坏导致加速度试验数据测量错误的问题,提出使用神经网络对错误的数据进行预测的方法。首先利用同一工况下测得完整加速度时程曲线的数据分别训练BP、MEA-BP神经网络,不断调整网络结构使预测精度在可接受范围内,并验证网络的适用性,最后利用训练好的神经网络预测未测量完全的加速度数据,补全加速度响应时程曲线。研究结果表明利用神经网络对振动试验数据进行预测是有效的、可行的,且MEA-BP神经网络对结构响应的预测精度高于BP神经网络。     

温升试验数据处理的严密方法

运用差分法和最小二乘法原理，提出了一种处理温升试验数据的新方法，只要利用二次观测值，不仅能预估最终稳定温升，而且能预测温升试验的时间响应，尤其适应于微机控制的温升试验数据处理。     

集成学习在PM2.5预测中的应用研究

【目的】为了能实时预测PM_2.5的浓度。【方法】采用多种集成学习的方法进行模拟预测。传统的预测方式多采用深度学习或普通传统改进的机器学习算法，只考虑多种污染物浓度产生的影响，而忽略了其他气象因素对PM_2.5预测的影响。因此，传统的预测方式在预测精度上有着很多不足。【结果】本研究以哈尔滨近7年的气象数据和大气污染物浓度为数据集，通过皮尔逊相关系数法来提取主要特征，并过滤掉小于0.5的影响因子，同时使用多种集成学习方法对PM_2.5进行预测，观察不同集成学习方法对PM_2.5预测的准确度。【结论】试验结果发现，GBDT模型的拟合效果对新数据的泛化效果最好，其MSE为334.204 6、RMSE为18.281 3、MAPE为83.438 9、SMAPE为50.616 9。     

2519铝合金本构关系的人工神经网络模型

2519铝合金足一种新型的装甲材料，变形时，各热力学参数之间存在着非常复杂的非线性关系，采用Gleeble 1500热模拟机上圆柱体轴对称高温压缩试验数据建立了该合金本构关系神经网络模型，利用所建立的网络模型对其它一些热力学状态下材料的流变应力进行了预测，实验结果表明：在目标函数为0．2、隐层节点数为5、学习率为0．1时，预测数据与实验数据吻合良好，系统误差较小(拟合度为2．6％)，表明已形成了一个知识基的本构关系模型。     

北斗卫星导航产业发展态势的多维度预测方法

针对北斗市场发展过程中不同维度市场产值的预测需求，从整体产值、产业链、上市公司市值等3个不同维度构建了北斗市场产值预测模型。从整体市场产值预测需求出发，研究对比了不同预测模型的产值预测方法及精度，得到不同数据情况下的模型选择参考；基于产业链的产值发展数据，采用不同的经济预测模型，实现单一产业链或整体产值的统计预测；基于上市公司市场产值的预测方法，对特定上市公司、整体北斗市场等不同维度和层次的市场产值进行跟踪和预测。最后，通过实验验证分析了不同模型和方法的精度和可行性，分析在不同数据基础和预测需求条件下的适用方法，为满足不同维度的北斗市场产值预测提供数据和决策支持。     

关于AIDS治疗效果的预测模型

通过对美国艾滋病医疗试验机构ACTG公布的两组数据的统计分析,解决了艾滋病治疗效果的预测问题,并对4种治疗方法的优劣进行了评价.     

改性聚丙烯材料裂纹扩展速度的研究

对改性聚丙烯材料的双悬臂梁试样进行了非线性粘弹性的裂纹扩展实验。得到了裂纹扩展全过程的裂纹长度与时间关系的数据，将弹性回复对应原理应用到了非线性粘弹性裂纹扩展分析中，得到了改性聚丙烯材料裂纹扩展速度的理论预测公式，比较发现，理论预测结果和实验数据吻合较好。     

GM（1,1）改进模型在广西短期电力负荷预测中的应用

采用ＧＭ（１，１）改进模型与ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型对广西自治区电网特殊日电力负荷进行组合预测，阐述了ＧＭ（１，１）改进模型的建立方法，提出了适用于广西纂驱电网特殊日电力负荷预测的预测数据处理方法，提高了预测的精确度，全年日镀优于９５％，解决了在日采样点为２４点（正点采样）情况下预测度较低的问题。     

基因表达式编程方法在变形监测数据处理中的应用探讨

针对变形监测数据处理中传统方法存在的的局限性,采用基因表达式深入分析变形监测中的数据。对某建筑物沉降数据进行了预测和检验分析。实验表明,与传统预测方法相比,GEP预测方法有效地减少了变形监测中数据的误差,克服了传统预测方法的不足,提高测量精度,从而尽可能减少变形数据对变形分析的影响。     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

中低Z元素等离子体平均电离度和辐射不透明度的近似计算

在物质处于局域热力学平衡(LTE)的条件下,采用R.M.More提出的改进型平均原子模型和类氢离子的光吸收系数,计算了中低Z元素等离子体的平均电离度及辐射不透明度.将计算结果与SESAME数据库数据和实验数据比较,符合得较好.为便于在辐射磁流体力学计算中的应用,在0.5×106K≤Te≤200×106K的温度范围、10-5(g/cm3)≤ρ≤1(g/cm3)的密度范围对计算结果进行数据拟合,得到了平均电离度和辐射不透明度随温度和密度变化的拟合函数.通过对辐射不透明度采用分温度段拟合,发现拟合值更接近于计算值.     

In1-xAlxAs/GaAs一维超点阵结构的X射线衍射和Raman散射研究

用同步辐射和CuKα X射线衍射方法对In_1-xAl_xAs/GaAs一维超点阵结构进行对比式研究.从低角衍射数据求得超点阵的周期Λ,由GaAs(002)附近衍射数据求得各结构参数.对两种光源的衍射结果进行了分析和比较.解释了该超点阵的Raman散射谱,发现在Ga_1-xAl_xAs混晶谱中不存在的275cm^-1峰.     

内燃机配气机构刚度的确定方法

本文提出了确定内燃机配气机构刚度的三种数据处理方法，并对处理结果作出了分析、比较，确认二次刚度平均法是一种较好的实用方法。     

天水半湿润山区绿化气候及适生林草区划研究

通过20世纪70~90年代30年气象资料统计分析,建立了天水半湿润山区适生林草区划数学模型;通过量化计算,得出了区内不同区域水、热匹配指标,并进行了适生林草配置的四级农业气候区划,为该区生态环境建设提供了科学依据.     

决策树分类ID3算法研究

分类是数据挖掘的重要内容之一,在许多领域得到广泛应用,现已有多种分类方法,其中决策树分类法在海量数据环境中应用最为广泛,本文分析了决策树分类ID3算法的原理,给出构造决策树的基本算法,指出ID3算法构造决策树的优缺点,针对ID3算法倾向于取值较多的测试属性的缺点,引入一个参数来约束属性选择,给出一种优化算法．     

面向数据流挖掘过程的算法管理框架

结合数据流的特点,提出了一种面向数据流挖掘的过程模型PM-DSM。针对目前数据流挖掘过程中存在算法众多但利用率低的问题,提出了一种基于Web服务的数据流挖掘过程模型算法管理框架PMAMF-DSM,描述了该框架的体系结构和运行机制,并用UML活动图给出了框架的实现语义。在Eclipse上基于该框架实现了一个数据流挖掘算法管理系统,实验结果表明了该框架的灵活性与自适应性。     

秋水仙碱与DNA的相互作用

298.15K下,应用等温微量热法研究了抗肿瘤药物秋水仙碱（COL）与小牛胸腺DNA（ctDNA）结合作用,测定了药物与DNA分子的结合比、结合常数、结合焓变（△H°）、熵变（△S°）及吉布斯自由能变（△G°）等热力学参数.结合应用紫外-可见吸收光谱及荧光光谱研究了秋水仙碱与小牛胸腺DNA的分子间相互作用,探讨了药物对DNA分子构象的影响.     

一种基于误差传播的过程数据流压缩新方法

过程数据压缩研究是流数据管理中的一个重要课题，现有的流数据压缩方法都强调其动态性、持续性与海量性，没有考虑到过程数据的具体特性．为了有效利用过程数据采样的局部特性，在对过程数据进行采样时，只要采样区间不大，则相邻样本数据值之差比较少，该文提出了一种基于误差传播的压缩方法．实验表明，该方法具有高效率与低误差等优点．     

用半监督聚类算法实现WEB文本挖掘

随着Internet网络的高速发展,海量的未标签文档和相对少量的已标签文档是当前Web文档的一个普遍情形,如何有效的利用少量的已标签文档去聚类海量的未标签文档,从而更好地获取有价值的信息,即半监督学习问题,已成为当前研究的热点.本文针对目前Web文本挖掘领域的无监督学习算法的检测率不高,而监督学习算法需要大量的标签数据又不易获得的问题,将半监督中的标签绑定技术与优化球形k-均值聚类算法相结合进行Web文本挖掘,并使用真实的测试数据对Web文本挖掘系统进行实验.结果表明本文方法对有价值文本具有较高检测率及较低的误报率,整体检测性能优于基于监督和无监督学习的Web文本挖掘算法.     

利用GSM短消息业务实现GPS车辆监控

GPS技术和GSM网络通信技术相结合传送车辆定位信息是目前车辆监控系统最为关注的一项技术，文中针对GSM网络的SMS(短消息)应用于120急救车辆监控系统的优点和缺点，以及如何结合移动车辆进行监控与定位进行了讨论．