基于主成分分析的BP神经网络对房价的预测研究

为了提高房价预测精度,采用基于主成分分析的BP神经网络预测模型.首先运用主成分分析对影响房价指标重新组合生成新的综合指标,然后采用非线性预测能力非常强的BP神经网络对其进行建模,并对房价进行预测.仿真结果表明,基于主成分分析的BP神经网络的房价仿真值与历史值的系统总误差只有0.52%,可作为房价预测的一种行之有效的方法.     

基于灰色系统理论的大连城市建设用地需求预测

建设用地既是城市发展的基础,也是区域实现城市化的基本物质保障,而城市建设用地需求量的预测则是城市土地利用的重要依据.基于灰色系统模型对城市建设用地驱动因子进行关联分析,建立GM(1,1)模型和灰色线性回归模型对大连市各个类型建设用地规模及城市建设用地总规模做出预测.认为大连市建设用地规模的变动受到人口、经济和社会等各个方面因素影响,非农人口数量的增加是影响大连城市建设用地增长的最主要因素.预测结果显示,2012—2020年大连市各个类型的建设用地呈现平稳增长趋势,城市建设用地总规模呈现较大幅度变动,但其增长的范围仍在土地利用规划控制目标范围以内.     

大坝混凝土施工期温度预测与控制灰匣模型

针对大坝混凝土施工条件多变，随机因素、干扰多等特点，提出将热学机理模型和参数经验识别相结合的灰色预测法，对大坝混凝土的温控防裂措施进行动态管理。阐述灰匣模型的构成、原理和算法，介绍模型的计算机应用软件，并给出了某拱坝浇注块的计算实例。     

基于多重不确定性因素的施工导流风险分析

通过分析施工洪水过程中的洪峰流量、洪量和历时的不确定性及导流建筑物的水力参数的不确定性,确定施工洪水过程和导流建筑物泄流能力的模拟计算模型。运用Monte-Carlo方法模拟计算施工导流系统渡讯各时段的状态参数,得到上游围堰堰前水位的分布函数,在此基础上确定导流系统的风险。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

无单元法在混凝土面板堆石坝应力分析中的应用

常规有限元法在单元的合理划分和混凝土面板受力变形的准确计算方面有较大困难,为此该文将无单元法应用于混凝土面板堆石坝的应力分析。在几何条件或应力变化比较强烈的区域使用无单元法,而几何条件或应力变化不太大的区域使用有限元法。计算结果表明:无单元法能够简单、灵活地对混凝土面板等薄层结构进行节点加密,能够避免有限元计算网格划分长宽比例过大的缺陷,从而可以改善计算精度;两种方法的耦合可以很好地发挥各自的优势。     

基于主成分分析的BP神经网络及其在需水预测中的应用

以甘肃省瓜州县为例,利用1988~2007年的总需水量数据,采用主成分分析法对影响水资源需求量的7个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测。结果表明:国内生产总值、工业总产值、农业总产值和大牲口数4个因子为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立瓜州县总需水量预测模型。模拟计算结果表明,基于主成分分析的BP神经网络模型取,预测结果的绝对误差小于±0.05×109m3。     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量...     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.     

基于小波多分辨分析的线性预测

提出了一种对非平稳时间序列预测的新方法.通过小波多分辨分析把某些非平稳间序列分解若干层近似意义上的平稳时间序列,然后再用自回归模型对每层的单支重构信号进行预测,最后综合每层的预测值可得到原时间序列的预测值.仿真实验表明了该方法的优越性.     

基于sub-MPLS的多阶段间歇过程质量预测与控制

针对大部分多阶段间歇过程,质量多数难以在线测量与控制问题,提出一种新颖的在线质量预测方法,基于子时段的MPLS质量预测方法.首先,采用聚类分析方法对间歇过程时间片矩阵PCA负载矩阵进行分类,依据过程变量相关性的变化,过程被分成几个操作阶段,然后,定出与质量变量最相关的阶段,在该阶段建立sub-MPLS在线质量预测模型,另外,还提出一种闭环质量控制方案.在一个典型的多阶段间歇过程-注塑过程的应用结果表明了所提出方法的有效性.     

偶阶幻方的一种构造法及其个数

用归纳法给出了自然数１－４ｋ＾２的２ｋ的阶幻方的一种简便构造法,并计算了这类幻方的总个数。     

建筑投标价格指数神经网络方法及敏感性分析

将神经网络技术应用于建筑投标价格指数预测,提出了两种神经网络的变量敏感性分析方法,并用提出的方法分析了投标价格指数所涉及变量的敏感性．     

BEAM法地质预报系统在中国TBM施工中应用

TBM施工中,为了及时有效地探明前方地质条件,引进了国外IBM施工中已广为采用的BEAM探测法,并对在我国TBM工程中首次使用的情况进行了介绍。BEAM法以电法测试为基础,技术人员在TBM设备及洞壁上安装电极发射电流和进行观测处理,通过监视器实时评价和显示出前方地质情况的好坏。该方法的优势是可以进行实时观测和判断围岩情况,对TBM顺利及安全施工有很大的指导作用。在我国TBM施工中推广应用BEAM探测法具有很大的实际意义和价值。     

基于偏最小二乘回归的研制费用估算模型

进行了导弹研制费用分析,建立了费用特征参数的量化模型.为解决因样本数据少引发的研制费用估算精度低的问题,引入了偏最小二乘回归灰色组合模型,并针对一组费用数据进行了实际应用.结果表明估算精度较高.     

混凝土碳化深度随机时间序列预报模型

抛开多因素回归的研究方法,根据碳化速度系数序列自相关函数和偏相关函数载尾和拖尾的变化规律,对水灰比ｍ（Ｗ）／ｍ（Ｃ）∈「０．４０,０．６５」的混凝土碳化深度采用随机时间序列方法进行分析,确定了碳化深度的ＡＲＩＭＡ（１,１,０）预报模型。经检验,该预后模型精度高、规律性好、应用范围广。     

基于虚拟仪器技术的弹射装置测控系统的设计

虚拟仪器技术是计算机技术与测试测量技术发展的产物,虚拟仪器以其多样化、模块化、便于系统组建及其小型化被广泛应用于航空、航天、工厂等场合.介绍了基于虚拟仪器技术的弹射机构测控系统的硬件结构及其基于LabVIEW的软件开发.     

基于社区信息的链接分析与预测研究

社区结构是社交网络最重要的拓扑特性之一,有助于理解用户分布和用户行为,提高链接预测的精确度。通过分析社区结构,结合贝叶斯理论,提出了一种新的基于社区信息的链接预测方法,并应用于真实的社交网络数据中对未来链接进行分析与预测。实验演示了该方法的优点和有效性,取得了很好的预测效果。     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.