基于PCA-EBP神经网络的煤炭物流成本预测

为了科学、准确地对煤炭物流成本进行预测,针对煤炭物流成本影响因素之间存在信息重叠以及BP神经网络对多噪声样本和小样本问题预测结果较差等问题,提出了一种PCA-EBP神经网络模型。将所建立的模型用于内蒙古SH煤炭生产企业煤炭物流成本实际预测。结果表明:模型最大误差为1.748%,最小误差为0.0728%,平均误差为0.972%,均好于径向基神经网络(RBF)和支持向量回归机(SVR),预测精度较高,能够满足煤炭物流成本预测的实际需求,验证了所提出模型的有效性和可靠性。     

基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

基于ARIMA-RBF算法的月度降雨量预测研究

为了对月度降雨量进行科学预测,将ARIMA模型与RBF神经网络相结合,提出一种基于ARIMA-RBF耦合算法的月度降雨量预测模型。首先,利用ARIMA模型对月度降雨量线性部分进行拟合预测,计算ARIMA模型预测的残差;然后,利用RBF神经网络对ARIMA模型残差进行拟合预测;最后,利用RBF神经网络预测结果对ARIMA模型进行补偿修正,得到最终降雨量预测结果。将该方法用于重庆市沙坪坝月度降雨量实际预测中,预测结果精度高于单一ARIMA模型以及RBF神经网络,能够满足实际预测需求。结果表明:将线性拟合算法和非线性拟合算法结合起来用于月度降雨量预测是一种较为优越的算法。     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

基于一种动态特征选择融合算法的蛋白质结构类预测

本文根据氨基酸理化性质,基于氨基酸组成成分与自相关函数相结合特征提取法从非同源蛋白质序列中提取七个特征集,采用局部正确性的动态特征选择算法进行多特征组合来预测蛋白质结构类,并与各个特征集进行了比较。结果表明,DFS_LA算法的预测总精度较各个特征集均有不同程度的提高。Jackknife检验下,DFS_LA算法的预测总精度为82．80％,比COMP特征集提高8．91％;独立测试检验下,DFS_LA算法的预测总精度为86．67％,比COMP特征集提高11．67％。这说明DFS_A算法可有效提高结构类预测精度,多特征组合能在一定程度上更多地反映蛋白质的空间结构信息。     

一种集成通用高超声速飞行器气动工程预测系统

本文建立了一种面向高超声速飞行器的集成通用气动预测系统.通过引入CAD/CG建模技术实现了复杂飞行器3D几何模型的快速准确建模,并可以利用网络上的共享模型资源直接计算.引入FEM技术和自由网格生成算法,实现了复杂飞行器模型的快速网格生成.设计并开发了通用面元几何分析程序,建立了外法线快速矫正方法.基于面元气动分析理论开发了面元气动分析求解器,实现了面元气动计算和整机气动参数整合,能计算飞行器的气动力、力矩和气动导数.通过软件集成调用技术,将几何建模、面元划分、面元分析、面元气动计算以及后处理集成在统一的软件系统中,实现了高超声速飞行器气动参数的全自动计算与分析.HTV-2和航天飞机的仿真计算结果表明了该系统的有效性.     

基于Smith-Waterman算法的并行分而治之生物序列比对算法

生物序列比对是生物信息学中最常见的问题之一, 基于动态规划思想的Smith-Waterman算法是序列比对中最基本的算法. 然而现有的并行Smith-Waterman算法都需要庞大的内存, 且无法处理大规模的数据串, 随着生物数据的急剧增长, 这些并行算法对内存空间的需求已成为需要迫切解决的问题. 由此提出一种并行生物序列比对算法, PSW-DC算法, 该算法采用分而治之的方法把query序列划分为若干片段, 并分配给相应的各个处理器, 而后并行地按Smith-Waterman算法与目标(subject)序列进行比对, 再通过按一定规则的扩展过程求取序列的优化匹配. 与其他并行算法相比, 该算法有效地降低了内存空间的需求, 并实现了对大规模数据串的并行处理. 为实现该算法, 给出了一种称作C&;E的拓展规则及实现方法. 且该方法已经在实际系统中得到实现.     

MIT研究者利用自然语言算法预测病毒逃逸

正可以发生逃避中和抗体的病毒突变,被称为病毒逃逸,这种现象阻碍了有效疫苗的开发。2021年1月14Science报道,美国麻省理工学院的研究人员开发了一种计算模型可以对更容易发生逃逸突变的病毒表面蛋白片段进行精准预测,识别那些不易发生逃逸突变的片段作为新疫苗研发的靶点。研究者使用最初为人类自然语言开发的机器学习算法对病毒逃逸进行建模。逃逸突变保留了病毒感染力但使病毒在免疫系统不能有效识别,类似于保留句子的语法性但改变其含义的单词变化。研究者针对甲型流感血凝素、HIV-1包膜糖蛋白和SARS-CoV-2尖峰糖蛋白构建了三种不同的无监督语言模型。这些病毒的语义分析都准确预测了病毒的逃逸突变,这些突变产生的序列在语法上是正确的,但在语义上被有效改变,因此能够逃避免疫系统。     

一种基于基片集成波导的基片介电常数测量方法

设计制造微波毫米波微带集成电路必须首先获知介质基片的相对介电常数。然而传统基于介质填充波导的测量方法由于存在介质同波导壁之间的空气间隙和需要制作精确的介质样片，从而导致测量过程复杂，测量结果精度不高。利用基片集成波导的类波导特性及其导体介质之间的无缝隙特性，提出了一种快速准确地测量介质基片介电常数的方法。仿真和实际测试的结果验证了该方法的准确性和有效性。     

基于机器学习的工模具钢硬度预测

硬度是工模具钢性能的一个重要指标.本文通过机器学习中的层次聚类和LASSO回归方法,给出了工模具钢硬度-成分关系的解析表达式.层次聚类将79种牌号工模具钢的合金元素成分-硬度数据集按欧式距离分为了4簇,其中高铬钢和低铬钢两簇包含了几乎所有的数据.然后我们对高铬钢和低铬钢两簇数据分别进行LASSO回归,画出LASSO路径,并利用留一法交叉验证得到具有最佳泛化预测能力的成分-硬度的解析公式.之后引入电负性、原子半径变化率、价电子数、电子亲合能和第一电离能等原子尺度的特征,重新进行LASSO回归,得到了新的硬度公式.结果显示机器学习方法可以成功预报工模具钢的硬度.同时,使用原子尺度的特征为钢铁材料的性能研究提供了新的思路.     

基于改进GS-SVM的煤炭生产成本预测

原煤生产成本同时受到多种因素的共同影响,导致原煤生产成本系统具有非线性、多维性等特点。为了对原煤生产成本进行更加科学、准确的预测,针对目前我国原煤生产成本预测中存在的问题,将支持向量机(SVM)引入到原煤生产成本预测中。为快速准确地选取支持向量机参数,在传统网格搜索(GS)算法基础之上提出了一种改进网格搜索算法,并建立了一种基于改进GS-SVM的煤炭生产成本预测模型。将该模型用于观台煤矿原煤生产成本预测中,模型预测误差均在5%以下,平均误差3.3673%,预测精度高于多元回归分析,而模型训练时间也远低于传统网格搜索算法和启发(粒子群)算法,能够满足实际原煤成本预测需求。     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.     

基于本地网络的蠕虫检测定位算法

蠕虫的传播对计算机网络有极大危害，是目前网络安全研究中的一大热点问题．文中分析了一类采用TCP协议的蠕虫扫描时的流量特征，提出了基于本地网络流量信息的蠕虫检测方法，并针对高速扫描和低速扫描的不同特点调整了定位方法，使其能检测定位不同扫描速率的蠕虫．NS-2仿真实验表明该方法能够快速检测到蠕虫．     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

基于自适应抽样的超点检测算法

超点是在一个测量时间区间内链接了大量源IP（宿IF）的宿IP（源IF），实时超点检测对网络安全和管理具有重要意义．现有的算法不能控制内存空间的使用和超点的测量精度，论文提出了一个具有自适应抽样功能的超点实时检测算法．该算法采用流抽样保留技术以减少非超点的测量并提高超点的测量精度；设计一个数据流结构维护流记录，并统计补偿Hash映射中产生的冲突；提出一个基于不等概率的自适应策略以维护内存空间．采用实际网络数据将论文的算法和其他算法进行分析比较，实验和数学分析表明论文算法在资源可控性、测量精度等方面优于现有的其他算法．     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于BP算法的纹理图象合成研究

针对目前纹理图象合成技术存在的弱点,应用人工神经网络BP算法实现了纹理图象的合成。通过对纹理图象的分析和特征提取来获取图象的各种参数信息,然后采用人工神经网络BP算法,建立BP网络模型,将原始图象的特征函数作为BP网络的输入,通过学习-训练,确定该图象的人工神经网络结构,并最终通过程序合成了纹理图象。     

基于K-CV&SVM的工作面煤层瓦斯含量预测

为进一步提高工作面煤层瓦斯含量预测的准确性,将交叉验证方法(K-CV)和支持向量机(SVM)相结合,建立预测模型。该模型在SVM的基础上采用交叉验证的思想,寻找最佳参数cg,最大限度地消除由于个别样本的较大误差对预测模型的影响,提高预测模型的准确性。选取告成矿工作面煤层钻孔的实测数据进行实例分析,结果表明:该模型较单一SVM预测精度高,能有效预测工作面煤层瓦斯含量。     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.