一种基于改进型RBF神经网络的非线性时间序列预测模型

RBF神经网络具有收敛速度缓慢、全局搜索能力差等缺点,提出了一种基于遗传算法的RBF神经网络,经过自适应遗传算子参数优化,提高了RBF神经网络模型的预测精度,实现了非线性时间序列的预测.仿真实验结果表明,基于遗传算法的RBF网络预测模型非常适合非线性时间序列的预测,是可行的、精准的、有效的.     

基于交通数据融合技术的行程时间预测模型

针对当前城市道路行程时间的预测多限于单源数据且预测精度不高的问题,构建了基于浮动车GPS数据、微波检测器交通数据的行程时间预测融合模型.利用遗传算法优化小波神经网络,解决了小波神经网络初始参数选取时盲目与随机性问题,大大提高了网络搜索效率与训练速度.预测行程时间与视频观测数据吻合良好,表明该模型是有效的和可靠的.     

一种基于特征变量的复杂生产过程预测模型

研究了一种基于特征变量的复杂生产过程预测模型。与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型。同时讨论了它的神经网络实现方法。仿真结果表明了该方法的可行性。     

基于节点接触频率和持续时间率的数据转发算法

文章从节点间的联系情况出发,提出了一种基于节点接触频率和持续时间率的数据转发(contact frequency and time ratio-based data forwarding,CFTDF)算法。其主要思想是利用节点历史相遇信息来预测未来节点接触频率和持续时间率,以此定义节点间的活性,并根据相遇节点分别与目的节点之间活性值大小来决定数据转发节点的选择。仿真结果表明:与Epidemic算法相比,该文所提出的CFTDF算法明显地降低数据包的拷贝数目;与间接概率转发(probability-inferred forwarding,PIF)算法相比,CFTDF算法可减少数据包的传递延迟和数据包的拷贝数目。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。     

基于遗传算法优化模糊神经网络的温室温度预测模型

在农业生产发展当中,影响温室农作物产量的因素有很多,温度是最重要的环境参数之一,与其他各环境因素具有很高的耦合度,存在非线性问题.针对上述问题本文提出了一种基于遗传算法优化模糊神经网络(GA-FNN)的温室温度预测模型.在温室内选取湿度、CO2、大气压和光照强度数据作为模型输入,温度数据作为模型唯一输出.试验结果表明,...     

一种改进的灰色预测模型

针对实际工作中出现不等时距的情况,依据灰色模型的建模机理提出了一种不等时距序列的灰色预测模型背景值的新的计算方法,并建立了新的不等时距序列的灰色预测模型,通过算例表明其效果优于传统的做法,有较高的拟合和预测精度.     

基于响应面法的车削粗糙度预测模型构建

影响车削加工工件表面质量的因素很多,如何判断影响程度对控制车削生产来说是非常重要的.本文使用了响应面法建立工艺参数与表面粗糙度之间的关系,通过实验给出了数学表达式,具有很强的实用性.     

基于XPath的广告数据提取研究

针对广告抽取系统的实际需求,该文提出了利用XPath规则从包含多个广告的页面中抽取广告记录数据的方法.该文主要阐述了广告抽取系统核心模块的实现机制和系统架构.实验结果表明,该方法能够准确定位页面广告数据块,并且能较好提取块内广告记录信息,具有一定的实用价值.     

基于遗传算法的一种数据拟合方法

基于遗传算法,提出了一种数据拟合方法,通过对函数参数进行编码,多次进行交叉变异操作,最终得到参数估计值。实验结果表明,该方法是有效可行的。     

基于贝叶斯网络的电视节目收视率预测研究

收视率是衡量电视节目质量的重要指标,节目播出后的收视率调查已经不能满足竞争日益激烈的各电视台的需要,因此迫切需要科学有效地预测收视率的方法。对贝叶斯网络进行了研究,并将据此建立的数据挖掘预测模型应用于电视节目收视率预测的研究,取得了较好效果。     

基于信用评级的商业银行贷款风险定价模型

建立了一个基于信用评级体系的风险定价模型.通过模型证明一笔贷款的价格不仅与借款人的预期违约率和贷款回收率有关,而且与借款人在贷款期间信用等级的变化有关.贷款的价格(利率)与借款人信用恶化的程度和发生的概率正相关.利用实际数据求出了各信用等级借款人的利率、风险价值和经济资本等参数.     

基于视频数据的公路隧道火灾预警算法

通过对隧道视频数据的分析,提出了一种适合于隧道环境下的火灾预警算法.该算法采用阈值和背景自适应更新策略,解决了隧道环境下光线条件变化对火焰识别系统的影响,利用二维投影技术实现了火灾疑似区域的快速提取,并结合火灾的亮度变化率来提取火灾火焰的闪动特性.最后给出了火灾疑似概率模型,以此来反映视频图像中出现火焰的几率.实验结果表明,该算法对影响隧道的车辆运动形成的干扰、路灯和光线条件变化有很好的适应性,其识别速度达到3～5s,识别率可以达到97%以上,具有较强的实用价值.     

基于关联分析的互联网商户评分研究——以餐饮商户评分数据为例

本文通过采集网站上1 500家餐饮商户的评分数据,利用SPSS软件对其进行相关分析和回归分析,挖掘餐饮商户评分数据之间的关联关系。通过相关分析找出用户评分时的打分习惯,发现用户对于各项评分打分时存在关联关系,通过回归分析判断商户的总评分与各项评分之间的关联,发现他们之间存在线性关系。     

基于数据挖掘的收视数据预处理方法

收视率是衡量电视节日质量的重要指标,而质量不高的收视调查数据将导致收视率指标计算的不准确。为解决基于数据挖掘的电视收视率分析的数据问题,就调查数据进行了有效的前期处理,其中涉及原始数据的正确录入,对存入数据库的原始数据实施的数据清理、数据变换、数据归约技术和应用的模糊集理论。实验结果表明在预处理后的收视率资料库中能够挖掘出知识,为收视率应用提供了有力支持。     

一种基于CSM模型的TBM刀盘比能预测方法

为了解决全断面掘进机在掘进时刀盘比能预测的难题,以岩石断裂力学为理论基础,深入分析了TBM滚刀的受力情况和破岩机理,基于CSM预测模型提出了一种新的TBM刀盘比能预测方法.通过建立滚刀与岩石相互作用的力学模型,推导出TBM刀盘的比能预测模型,并通过实例计算对刀盘的比能水平进行了量化研究,验证了模型的正确性.该预测模型基于滚刀破岩的机理,能够实时预测刀盘的比能,为TBM的刀盘优化设计以及性能预测提供了一定的理论依据.     

基于区间数的模糊综合评价决策模型

用区间数表示各因素权重及评判矩阵,定义新的区间数排序方法,给出了一个区间数的综合评价模型,并用实例模拟验证.该模型有效克服由于模糊性而带来的数值不确定性,能够较好地反映决策者的心理状态,有助于信息检索技术方面的研究.     

地产平面广告的视觉表现形式对受众注意的影响

本文以房地产平面广告为研究对象,通过分析它的视觉表现形式对受众注意产生的作用,揭示不同的广告表现形式对广告传播效果的影响。     

基于神经网络的企业信用评估模型

在分析信用评估重要性和信用评估国内外现状的基础上,提出了用于企业信用评估的指标体系,给出了指标体系中离散数据的量化方法和指标数据的归一处理方法.根据这一指标体系建立了基于BP神经网络的企业信用3层神经网络评估模型.该模型通过给定的教师数据训练后,具有了对企业信用的预测功能.实验结果证明,该模型用于企业信用评估,减少了企业信用评估传统的定性方法中权重确定的人为因素,评估正确率达到了92.2%.