ARMAX模型与多层BP网络流量演算法比较

分别给出了将ＡＲＭＡＸ模型及多层ＢＰ网络应用于流量演算中模型参数确定的方法,提出了一种可进行误差实时校正的改进ＡＲＭＡＸ模型,并认为该模型实质上是一种特殊的两层ＢＰ网络,用一个实际算例将改进ＡＲＭＡＸ模型与多层ＢＰ网络两种方法作了对比分析。     

基于组合模型的网络流量预测

为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.     

基于预测控制模型的一种状态空间实现

以受控自回归滑动平均模型和受控自回归积分滑动平均模型为研究对象，根据估计理论，利用参数递推方法，构造了广义预测控制的一种状态空间实现，从而避免了解Diophantine方程，大大地减少了预估算法的计算量，为控制系统的性能分析提供了便利条件，文末，对状态空间实现的可控与可观性加以了证明。     

基于多分形的网络流量建模

本书既提供了基于泊松流的流量MM1模型，又提供了基于自相似过程的模型，特别强调了长距离相关在宽带流量建模中的重要性。书中运用多分形层叠过程理论，提出了一种新的宽带网流量模型（Variance Gaussian Multiplier）。此模型覆盖了各种乘积分布模型的变种。作者运用信息论原理来解释网络流量的突发现象，还用易失性参数验证宽带流量预测的复杂性。     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

多变量ARMA模型与大跨结构随机风场的数值仿真

引入自回归滑动平均(ARMA)模型的反问题理论模拟随机风场.针对大跨结构进行了数值仿真试验,数值试验表明该方法具有速度快、精度高的优点.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

基于Nonnegative Garrote的ARX和ARMA模型定阶方法

针对传统ARX和ARMA模型定阶方法计算量大和稳定性不强的缺点,提出采用非负绞杀法对ARX和ARMA模型进行定阶。通过分析ARX和ARMA模型的特点,对常规非负绞杀方法进行了改进,使其更适用于动态系统辨识问题,进而给出了相应的求解算法。仿真实验的结果表明了该方法的有效性,且在稳定性上优于传统的信息量准则法。     

基于ARIMA模型的居民区电动汽车负载特性分析

随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。本文在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。     

基于自回归滑动平均模型的玛纳斯河洪水预报

水文预报作为重要的防洪非工程措施,对位于高寒山区的玛纳斯河流域防汛抢险、水利工程建设和调度具有重要意义.通过对玛纳斯河水文系统的分析,确定出影响玛纳斯河径流量的主要因素,建立了玛纳斯河流域流量预报的自回归滑动平均ARMA(p,q)模型,对肯斯瓦特水文站实测径流过程进行了预测检验.结果表明,自回归滑动平均模型对实测年径流量有很好的逼近拟合效果,相对误差很小,ARMA(p,q)模型用于径流量预测有较高的精度,是可行的.     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。     

基于BP人工神经网络的建筑废料管理评价方法

构建单一新建设工程项目(不包含拆除工程)的建筑废料管理评价指标体系,概述基于BP人工神经网络评价方法的基本原理,并详述基于BP人工神经网络的建筑废料管理评价模型的建立过程,包括神经网络的建立、学习训练,以及结果的检验等.将该模型应用于实例检验,得到较满意结果.     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具.利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型.计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果.     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将ＢＰ神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于ＢＰ神经网络的板形预测控制数学模型,经用宝钢１４２０ｍｍ冷轧实测数据仿真验证表明该模型具有很高的预测精度。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的相差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能优良的学习算法。     

前向多层感知器网络的逐层学习算法

提出一种改进的前向多层网络逐层学习算法,隐层神经元的输出函数由具体系统的样本输出值确定,先让前面的隐层及输入层的权值确定不变,然后对当前层的权值进行,前一隐层输出值地误差进行估计以得到新的输出值,将其作为临时教师信号用来训练前一层的权值,把每一层权值的改变量和输出值误差的估计转变为最小二乘问题,逐层处理,直到输入层,数字仿真和具体应用的结果表明了算法的有效性。     

基于BP算法的图像压缩编码

作为新方法的探索,神经网络在图像压缩中的研究与应用已成为当今图像处理领域的热点研究。本文针对神经网络中BP算法的特点,探讨其在图像压缩编码中的具体应用,并就其优势和局限性进行了分析并提出相应建议。