基于递阶遗传算法和BP网络的财务预警

提出一种基于递阶遗传算法和BP神经网络的财务预警模型.现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定.利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定.以模式分类数据库中的数据进行训练和测试,并与其他模式分类模型相比较.结果表明,该模型更优,分类精确度更令人满意.根据上市公司的财务数据用所提出的方法进行财务预警是可行的.     

基于递阶遗传算法和BP网络的模式分类方法

提出一种基于递阶遗传算法和BP神经网络的模式分类模型.现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定.利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定.以模式分类数据库中的数据进行训练和测试,并与其它模式分类模型相比较,结果证明该模型更优,分类精确度更令人满意的,所提出的方法是可行的.     

基于主题标签的在线社区话题发现

面对海量的互联网信息,如何快速有效地提取到用户关心的话题成为网络信息处理的一项基本任务。话题发现实质是无指导的聚类研究,本文引入主题标签概念,针对在线社区数据,提出了主题标签的话题发现算法。该算法以词项为粒度,基于词项的权重和上下文信息获取论坛帖子线索文档的核心词汇,作为文档的主题标签,在向量空间模型的基础上结合主题标签间的相似性进行相关话题的聚类。该方法的提出,一方面获得的主题词项不仅准确,而且具有较强的语义关联性,有效的避免了向量空间模型中容易丢失特征词间语义信息的缺陷;另一方面,与潜在语义模型相比,本文在向量空间模型基础上的话题发现具有更高的效率和更好的聚类质量。     

基于竞争失效模式的数控机床可靠性建模

数控机床是复杂的机电一体化系统,其故障不仅包括由于机械磨损造成的性能退化失效,还包括电子器件等引起的突发性失效,数控机床故障是退化失效和突发失效竞争的结果. 故本文假设突发失效和退化失效相互独立并且都服从Weibull分布,综合考虑突发失效和性能退化之间的相关性和竞争关系进行数控机床可靠性建模研究. 采用最小二乘估计法估计模型参数,运用D检验法进行参数拟和性检验;得出了一种基于竞争失效模式分析的可靠性评估模型. 最后,以15台某系列数控机床60个故障数据对该方法进行验证,说明了该方法的有效性和可行性.     

基于EKF与UKF的利率期限结构模型估计及对比

在CKLS广义模型框架下,引入基于扩展卡尔曼滤波(EKF )和无损卡尔曼滤波(UKF )的利率期限结构均衡模型的估计方法,并使用加拿大国债数据对EKF和UKF的模型估计效果进行了对比实证研究.结论表明,引入的基于UKF的模型估计方法相对于文献中普遍采用的基于EKF 的估计方法的估计效果有明显改善,尤其存在强非线性和非正态分布的模型条件下,基于 UKF 的模型估计方法相对于基于EKF的估计方法有很大优势.进一步,基于UKF 估计方法对Vasicek 模型和CIR模型的数据拟合性进行了对比研究.结果表明,Vasicek 模型和 CIR 模型均具有较好的数据拟合性,而Vasicek 模型相对更好.     

BOM组件式仿真系统数据驱动方法

仿真系统的数据驱动方法的研究内容包括想定标准化、想定的加载和模型的数据驱动三个方面.针对传统的基于成员层次的分布仿真系统开发模式的数据驱动导致大量人力物力开销,效率低下的局限性,采用BOM作为组件模型描述规范来构建组件式仿真系统,通过用户模型开发规范化,仿真模型组件生成自动化以及通用仿真运行框架统一化等支撑技术来提供高效的模型数据驱动环境;通过通用想定解析模块,采用集中、分时的方式分发仿真脚本数据进行仿真系统环境配置以及更新调整,提高仿真系统的数据驱动的效率和质量.     

基于符号回归的产品评论数量与购买数量关系分析

为揭示产品评论数量与购买数量间的关系,采用数据驱动的符号回归方法,该方法不需预先假设模型结构,从数据中自动学习出描述产品评论数量与购买数量的关系模型和相关参数.数据采自天猫商城网站中隶属于30种商品的5 387个售出产品以及相关评论,利用符号回归方法进行自动学习,发现了在实证方法中假设的线性模型.这种模式在购买数量与评论数量之间的关系上具有更高的适应性.     

铜闪速熔炼过程操作模式分级匹配技术与演化策略

针对铜闪速熔炼过程关键工艺参数无法在线检测、过程建模及优化控制困难的问题, 阐述了基于数据的铜闪速熔炼过程操作模式优化方法. 基于综合工况评判指标及操作模式智能分类方法构建优良操作模式库, 在此基础上, 提出操作模式分级匹配技术; 借助投影寻踪回归思想, 建立操作模式与综合工况评判指标之间的非线性关系模型, 采用基于实数编码的加速遗传算法进行最优操作模式的获取, 实现熔炼过程的优化控制. 某冶炼厂生产数据验证了所提方法的可行性.     

突发事故下交通拥堵控制策略设计

突发事故在城市交通网络中经常发生, 对交通系统的正常运行带来极大影响, 因此研究突发事故下交通拥堵的控制策略具有十分重要的意义. 研究突发事故下临时性的车辆禁行设计与可变信息板选址组合优化问题. 建立了临时性车辆禁行设计与可变信息板选址组合优化的双层规划模型, 上层目标从交通管理者的角度最小化出行者的系统总阻抗, 下层模型通过基于元胞传输的仿真描述在临时性车辆禁行与可变信息诱导下出行者的动态路径选择行为, 并提出了基于遗传算法的求解方法. 通过算例, 说明本文提出的临时性车辆禁行与可变信息诱导组合控制措施能够有效地降低突发事故所导致的交通拥堵, 提高交通网络的系统性能.     

基于区块自适应网格的全球地形快速绘制算法

在基于球面剖分的全球地形数据组织模型基础上,实现了一种视点相关的全球地形数据快速调度与可视化的算法。提出了一种基于区块纹理分辨率的自适应目标层次模型提取方法,能够快速准确地得到视点相关的正确细节模型,且算法的时间空间复杂度与全球地形模型的数据量无关。进而通过利用区块结构的一致性进行高效的外存数据调度,尽可能地减少了系统I/O带来的性能瓶颈,在实现数据重利用的同时很好地管理了内存消耗。实验表明,基于该算法可以实现全球地形的高效绘制,并且对硬件配置要求很低,具有很好的实用性。     

基于MPC方法的供热系统一次侧流量实时预测

基于模型预测控制方法,使用离散的受控自回归模型建立二级网动态热传输滞后模型与热力站模型,结合机器学习算法中的多项式拟合方法对二级网模型和热力站模型中的参数进行辨识校准,并基于模型结果对未来工况条件下的热力站一次侧流量进行预测,为供热系统质量调节提供依据.使用实测数据对模型进行了验证,实际偏差在5％以下,为供热系统流量调...     

滑动窗口二次自回归模型预测混沌时间序列

提出一种新颖的非线性时间序列预测模型,即滑动窗口二次自回归(MWDAR)模型.MWDAR模型使用部分的历史数据及其二次项构造自回归模型.模型参数用线性最小二乘法估计.应用模型进行预测时,预先选定窗口大小以及模型一次项和二次项的阶次.在每个当前时刻,先根据窗口内的数据估计模型参数,然后根据输入向量及模型参数做出预测.这种预测方法不仅适合小数据集的时间序列预测,而且对大数据集具有极高的计算效率.分别用Henon混沌时间序列数据和真实的股票交易数据作了MWDAR方法与局域线性化方法的1步和多步预测对比实验.结果显示MWDAR方法无论在预测精度上,还是在计算效率上都优于局域线性化方法.     

基于相似样本特征提取的装备性能退化研究

为了实时监控装备的性能变化规律, 对可能出现的突发情况进行预测, 本文首先考虑工程中装备在线监控预警系统中历史样本数据来源广泛、数据形式不规范问题, 基于B样条插值算法对历史数据进行了规整。其次, 针对性能退化研究中存在的随机性误差、性能指标变化不规律问题, 基于自组织映射和堆栈自编码器对相似样本集的退化特征进行提取与重构, 提出了基于最小特征圆的指标构造方法, 再采用双指数模型对装备的性能退化规律和寿命进行预测。最后, 使用仿真数据对模型的正确性进行验证。结果表明, 本模型和方法可以有效预测装备的性能退化规律, 并能体现装备遭受冲击时性能的退化与恢复规律。     

基于EMICA-KRR的长输管道压力监测与泄漏定位方法

为解决长输管道压力监测过程中泄漏突发,难以实时预警并精确定位的问题,提出一种基于集成改进独立分量分析(EMICA)和核岭回归(KRR)的管道泄漏故障检测与定位方法.首先,建立基于EMICA算法的故障检测模型,提取并分离压力数据中的高斯信号和非高斯信号并构造相关统计量,实现故障信号分离与主分量选择;然后,根据EMICA模型获得的故障信号,进一步构造基于KRR算法的故障诊断模型,拟合数据得出故障信号压力变化幅值,实现泄漏信号的选择与泄漏故障的定位;最后进行TE(田纳西-伊斯曼)过程的数值仿真实验以验证算法的性能.仿真结果表明:EMICA-KRR算法拥有更良好的信号分离能力,可以准确识别泄漏故障信号并精确定位管段失效位置,克服了传统方法的低效、延时等缺点.     

基于马氏决策过程的突发传染病防控决策模型

研究防控突发传染病在人群接触网络上传播的动态决策问题,在时间维度扩展传染病接触网络模型,真实描述疾病的时空传播规律.综合考虑免疫与隔离措施,基于马尔可夫决策过程构建突发传染病防控动态决策模型,动态生成防控方案,最优化决策周期内的整体决策效果.以典型情景为例建模并仿真求解,验证了模型的可行性和有效性;求解模型得到的动态决策方案可有效抑制疫情规模,为突发传染病防控提供决策支持.     

基于关键链的非抢占式多项目调度多属性优化

针对多项目调度中难以实现动态调度和高效调度的问题,从多项目调度整体效用最大化角度,提出基于关键链的非抢占式多项目调度操作模式,构建多项目调度模型.利用正态云模型中云滴的随机性与稳定性的特征改进遗传算法中交叉算子与变异算子的设置方式,并对模型进行数据模拟和算例分析.结果表明,采用非抢占式操作模式,不仅可实现多项目调度的整体效用最大化,而且可实现多项目调度的帕累托改善并提高资源的利用率.     

基于模糊回归分析的投资组合选择模型

近年来,在存在模糊性的金融市场中如何进行有效的投资组合管理吸引了学者们的关注,本文利用模糊线性回归对不同市场上长度不一致的股票数据进行了刻画和分析,并在改进的收益和协方差矩阵基础上构建了投资组合选择模型.算例结果表明,在股票数据长度不一致时,基于模糊回归分析的投资组合选择模型比截断数据的投资组合模型以及基于普通最小二乘回归的投资组合模型有更好的表现.     

具有杠杆效应的非线性SV模型及其应用

提出一类非线性SV模型,许多离散时间SV模型都是它的特例.这类模型的优点在于用它可以检验不同函数形式的随机波动,该模型的检验仅基于一个单独参数δ.在非线性SV模型的基础上,进一步把它扩展为具有杠杆效应的非线性SV模型.使用沪、深股市的指数日收益数据进行了实证分析,借助BUGS软件,利用Gibbs取样的MCMC方法对模型进行了贝叶斯参数估计,证明了应拒绝对数正态SV模型,而使用非线性SV模型.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

数据特征驱动的火电产能过剩分解集成预测模型

有机融合数据特征驱动与多模态信息集成建模思想,构建了中国火电行业产能过剩组合预测方法和模型.首先识别火电产能过剩规模时序数据的本质和模式特征,发现其不仅具有非平稳,非线性特征,还呈现高复杂性和突变性;其次采用与数据特征相配的变分模态分解方法将时序数据分解,得到多个分量;然后识别各分量的数据特征,据此选择三次指数平滑-最小二乘支持向量机模型进行预测;最后集成各分量预测结果,得到火电产能过剩规模的最终预测结果.实证检验表明,所构建模型的预测水平精度,方向精度和稳定性均优于目前广泛使用的单一模型和其他组合预测模型.预测结果显示,2020-2022年中国火电产能过剩规模仍处于较高水平,呈先降后升趋势,且体制扭曲仍将是火电产能过剩的决定性因素.