群体砌体建筑的易损性分析及震害预测

为了对地震灾后的群体砌体建筑进行快速灾害评价与预测,提出快速预测群体砌体建筑的震后易损性分析与震害预测方法.首先通过灰色关联度分析,选取对砌体建筑抗震性能影响较大的5个影响因子,然后通过对砌体建筑进行易损性分析得到不同抗震性能影响因子的属性值,再通过熵权法计算砌体建筑影响因子的权重,最后应用提出的新相似度加权计算公式计...     

基于KPCA与马氏距离的达林顿管故障预测

为了对达林顿管进行故障预测,提出了基于KPCA与马氏距离的达林顿管故障预测方法。通过对达林顿管进行失效机理分析,设计了加速退化试验,并获取了集电极导通电流与饱和压降性能退化数据,利用小波包分解与核主成分分析进行数据处理,滤除了原始数据中的干扰信号,得到了退化数据的主成分,结合马氏距离对处理后的数据进行特征融合,得到了可以表征达林顿管健康状态变化的健康因子。使用2种故障预测算法对健康因子进行预测,故障预测结果验证了文中方法的有效性,预测值与真实值的误差均在10%以内。     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

城市热岛效应的灰色评价与预测

将灰色系统理论引入到城市热岛效应的评价与预测中,运用灰色关联度分析法对影响西安城市热岛效应的因子群进行了贡献测度分析.结果表明,人为热释放是造成城市热岛效应的主要因素,风速、日照时数和相对湿度是影响城市热岛效应的主要气象因子.系统云灰色模型(SCGM)的拟合和预测结果与实际情况取得了较好的一致性,表明西安城市热岛效应具有日益加重的趋势,也体现了SCGM在多因子关联系统预测中的优越性.     

岩爆灾害的灰类白化权函数聚类预测方法

岩爆是高应力岩石地下工程中的地质灾害.将岩爆与其影响因素之间的关系作为灰色系统,提出采用灰类白化权函数聚类的预测方法对岩爆灾害进行预测.选取岩石弹性能量指数、脆性系数和围岩最大切向应力与岩石单轴抗压强度的比值作为岩爆灾害预测的主要影响因子,并构造了适于岩爆预测的各聚类指标的白化权函数.采用本文提出的方法对国内外一些岩石地下工程实例进行了分析,并与工程实际情况进行了对比,研究结果表明,本文提出的基于灰类白化权函数聚类的岩爆灾害预测方法具有较高的预测精度.     

基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。     

论足球运动中的意识与预测

本文主要论述了足球运动员在场上意识与预测的互利关系、支配意识与预测的机制、我国急待解决的问题、“及培养运动员的措施等．其中还对意识与预测二者关系进行了分析，论证了意识是存在的反映，而预测是判断的结果这一理论观点．     

论翁氏唯象信息预测方法及其意义

翁氏唯象信息预测论是现代预测学研究中取得的一项重要成果。它既有别于传统的统计预测论，又不同于一般的信息预测论。其理论基础和学术观点具有不容忽视的哲学和科学认识论意义。其预测准确率之高不仅证明该预测是可行的，而且预示了建立现代系统预测科学的可能前景。     

“病虫害预测系统”的设计与开发

气象条件是农作物病虫害发生的主要因素之一。介绍了利用气象因子预测病虫害系统的设计思路与实现方法。系统对历年监测到的历史数据（病虫害发生记录、气象数据等）进行整理形成数据库,并对历史数据进行挖掘,通过分析得到病虫害发生与气象因子之间关系的数学模型,最后用计算机技术开发出了基于气象数据的病虫害预测系统。     

钢筋混凝土结构建筑群震害快速预测方法

为对地震灾后的建筑物进行快速灾害评价与预测,建立了钢筋混凝土框架结构的震害类比预测方法.通过灰色关联度分析,选取对混凝土框架结构抗震性能影响较大的5个影响因子,基于结构薄弱层层间位移角的统计分析,得到各抗震性能影响因子的属性值;再通过熵权法计算各震害影响因子的权重;最后应用相似度加权计算公式计算不同混凝土框架结构的相似度,从而对群体混凝土框架结构的震害进行快速评估.为验证所提方法的有效性及可靠性,选取典型混凝土框架结构进行震害预测并与有限元分析结果进行比较.所提方法仅需从房屋普查资料中获取主要影响因子的信息,即可对钢筋混凝土结构群体进行快速、准确的震害预测.     

改进灰狼优化最小二乘支持向量机的锂电池剩余寿命预测

针对锂电池剩余寿命预测的直接健康因子难以测量以及预测精度不高等问题，提出一种改进灰狼优化最小二乘支持向量机（improved gray wolf optimization least-squares support vector machine, IGWO-LSSVM）的锂电池剩余寿命间接预测方法。该方法从电池放电特性曲线中获取3种表征电池性能退化的间接健康因子，通过引入tent混沌映射、收敛因子非线性递减与莱维飞行策略对灰狼算法加以改进，并结合LS-SVM模型，形成了具有全局优化的改进灰狼优化最小二乘支持向量机的锂电池寿命预测模型。最后利用NASA数据集对文中提出的方法进行了验证，并将实验结果与GWO-LSSVM、PSO-ELM和BP神经网络算法进行了对比分析，试验结果表明文中所提出的改进算法具有更好的预测性能。     

基于BP神经网络的空气质量预测与分析

使用神经网络构造的算法,对秦皇岛市的空气质量进行预测。将秦皇岛市的气象监测数据与环境监测数据,按照季节关系分组,并进行相关性分析,从而确定出与空气质量呈强相关性的气象因子。并对其进行主成分分析,得出影响空气质量变化的主因子,以减少多种气象因子带来的数据处理难度。构建季节预测模型,并根据气象因子筛选结果,确定出神经网络模型需要输入的数据矩阵,从而通过气象参数变化对秦皇岛市的空气质量进行预测。并通过四个预测模型对季节空气质量的数值预测,得出了平均预测准确率,分别为81.18%,83.10%,81.72%,80.56%。结果表明,使用BP神经网络构建的秦皇岛市空气质量预测模型,可以成功预测该市四季的空气质量。     

基于极限学习机的新型建筑材料力学性能预测方法

为减少新型建筑材料力学性能预测方法预测投入成本,提升预测效率,提出了基于极限学习机的新型建筑材料力学性能预测方法.提取新型建筑材料力学性能因子,不断加深对因子内部的了解,完善收集的数据信息,增强因子数据查找力度,进一步分析新型建筑材料力学性能因子的所处状态,按照内部分析准则转换因子存储方式,调节空间信息,利用获取的数据...     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

基于属性论方法的股市预测算法

讨论有关属性论方法应用于股市预测的课题,并给出了具体的预测算法．利用转化程度函数对历史数据进行预处理,找到与当前数据窗口相似度超过特定阈值的历史数据窗口．若存在多个满足条件的相似数据窗口,这时引入能量指标参数,利用模式识别中的向量欧氏距离公式作为二次评判依据,由此决策出最相似的历史数据窗口,并据此作出实际的预测．利用该算法对深沪两地的个股作了实际预测,实验结果表明该算法简单、有效,令人满意．     

地下水位动态预测模糊识别全解析模型

为了预测地下水位动态变化,采用理论分析与实验方法,对多目标模糊识别的目标函数进行了全面分析,提出了不同权重情形下的模糊模式识别全解析模型,同时提出了模式样本模糊克隆的概念,并将提出的模型应用于地下水位动态预测.实验结果表明,三种预测模型测试样本的平均误差分别为4.53%、5.33%、4.61%.研究结果表明本文提出的地下水位动态预测方法是有效的.     

基于敏感地震属性波形分类的流体预测研究

系统对比了针对储层流体的现有各种识别因子识别含气和含水砂岩的能力,结果显示,高灵敏度识别因子 有较强的综合识别能力。以S 盆地L 研究区为例,在主要含气不等厚层段内对高灵敏度流体因子在神经网络模式和 PCA 神经网络模式两种情况下基于形态学进行分类,效果对比明显,结合井解释资料对研究区进行了初步的流体预 测。将波形分类法的应用范围从主要是进行地震相-沉积相分析、储层预测等扩展到对流体因子在目标层段进行分析 处理从而进行层段内流体预测,对仅在剖面和切片上利用流体因子来进行流体识别和预测是一种新的有价值的补充。 首次探讨了将波形分类技术应用于流体预测,认为该方法与其他解释成果结合对于有效降低勘探风险、提高钻井成功 率具有一定的指导意义。     

“人工智能+”时代下的智能电网预测分析

智能电网预测分析是保证智能电网经济、安全运行的基础.借助人工智能的突破性技术以及智能电网的大数据环境,实现基于人工智能的智能电网预测分析对电力系统发展具有重大意义,为此提出了"人工智能+"预测.首先介绍了人工智能与智能电网预测分析的背景及所涉及的问题;然后根据应用的不同侧重点,展开人工智能在新能源预测、负荷预测、静态电压稳定预测及其相关预防性措施三个方面的研究综述及研究展望,并对预测中所涉及的其他相关技术(数据样本产生、不平衡样本、特征提取)进行了总结;最后对人工智能局限性及发展进行了讨论,并提出了一些建议与设想.     

英语专业本科生综合英语课程学习倦怠对学习成绩的预测力

为了了解英语专业本科生综合英语课程学习倦怠状况及其对学习成绩的预测力,笔者对广西三所高校的422名英语专业二、三年级本科生进行问卷调查,结果发现：1、英语专业本科生综合英语课程学习倦怠状况属于中等偏高程度范畴;2、个人成就感降低因子对英语专业本科生综合英语课程学习成绩具有36.7%的负向预测力;3、行为不当因子对英语专业三年级本科生综合英语课程学习成绩具有28.8%的负向预测力;个人成就感降低因子对英语专业二年级本科生综合英语课程学习成绩具有44.4%的负向预测力。     

基于灰粗糙支持向量机的连续多属性预测方法

文章对多属性且属性值为连续的决策系统进行预测,提出了灰粗糙支持向量机预测方法.首先采用灰色关联分析计算出条件属性相对于决策属性的重要度;并对连续属性进行离散化,结合Pawlak属性重要度与灰关联度进行约简;将约简后的条件属性作为影响因子,基于支持向量机对决策属性进行预测.实验结果表明,该方法是有效可行的.