基于多层递阶法的伤亡事故预测

运用现代控制理论中的系统辨识方法而给出了多层递阶法的伤亡事故预测系统的动态模型、基本原理，提出运用多层递阶方法对伤亡事故进行预测，通过对某飞机制造公司伤亡事故的实例分析表明，与固定参数预测模型相比较，基于多层递阶的预测过程可以充分利用长时间统计数据，并能减小预测误差，提高预测精度。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

碳酸盐岩地层的岩性比率预测方法

实际工作中,井间或无井区目的层岩性比率的预测需借助于地震速度资料来实现,这对碳酸盐岩地层来讲更是如此。通过对速度谱资料进行倾角和地震—声波速度系统差校正,从而得到了可靠的地震原始层序层速度资料。在此基础上,建立了岩性预测的地震层序层速度模型及高、低速层压实模型、地质模型、等效模型、数学模型,通过这些模型对研究层中高速层的岩性比率进行了定量预测。最后在对研究层进行细分层的基础上,根据钻井统计的不同岩类的多少,将地层岩性简化为二元结构进行计算并校正,从而得到对应于高速层的碳酸盐岩的岩性比率。在塔里木盆地西南地区石炭系地层中,预测效果良好。     

基于神经网络算法的建设项目风险预测系统设计

利用3层并行分布式人工神经网络连接模型和BP网络算法,以市场前景、资源、原燃料、动力供应、工艺、筹资、布局安全等为预测因子,建立建设项目BP网络风险预测模型,设计建设项目风险预测系统。该系统包括数据管理、模型管理、知识管理和模式转换4个典型组件。该系统实际预测建设项目的很好和失败两种情况时,具有良好的预测效果。     

基于高光谱指数的林农复合系统小麦冠层氮含量估算研究

以杨树-小麦间作系统为研究对象,采用Field Spec Pro FR2500地物光谱仪采集的小麦叶层光谱180份,选取基于单作麦田冠层氮含量估测模型中精度较高的9个指数用于估测林农复合系统中小麦冠层氮的含量,探讨不同水平枯落物覆盖量、林分密度、施肥量条件下小麦叶层氮含量的光谱特征。随机选取116份样本作为训练集基以9个指数分别建立估测模型,其余48份样本作为预测集对估测模型进行适应性检验。结果表明:FDNDNI、SDr-SDb两种指数的P-R2与C-R2达到了0.839、0.777与0.844、0.758,此系统预测杨麦间作系统中小麦叶片冠层的氮含量的精度较高,其余7个指数预测精度不理想。以9个指数所建立的估测模型的精度均低于其对单作麦田氮含量的估测精度。     

基于DRNet的常微分方程模型逼近和序列预测方法

针对残差网络预测精度偏低的问题,基于系统观测数据和相轨线的关系,提出密集残差网络的方法实现对自治系统的拟合逼近和序列的高精度预测。首先,为强化对数据内含“特征信息”的提取和流通使用,将神经网络各隐藏层的输入与之前各层输出拼接后作为本层的输入,形成密集连接模块;其次,为避免加大网络深度时出现的“退化”现象,引入残差机制,将密集连接模块的输入层与输出层相连,形成密集残差网络。最后,将密集残差网络应用于线性的单自由度系统振动模型和非线性的SEIRS模型、Logistic Volterra模型。结果表明,在规模为5 000和10 000的数据集上,密集残差网络对模型的拟合逼近效果和预测精度优于残差网络、反向传播神经网络和密集网络,特别是在非线性系统上的4项定量评价指标均优于对照模型,表现出密集残差网络对自治系统模型逼近和序列预测的高有效性;同时,在观测数据中加入5%的噪声后,密集残差网络表现出较好的抗干扰性。     

基于时序建模的教学质量评估系统的神经网络辨识

采用时序分析对教学质量评估体系进行系统分析和建模,引入Box-Cox进行数据的非平稳性预处理,选用L-MBP网络进行系统辨识。通过比较网络对校验样本的预测效果,对隐层节点数和各层间的传递函数进行优化,同时采用重复训练法来提高网络的稳定性和预测精度。算例表明这种辨识方法能对教学质量进行更准确的评估和预测。     

基于自适应神经网络模糊推理系统的心电信号检测

心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。
     

基于灰色预测-模糊控制的絮凝剂自动添加系统设计

分析了絮凝沉降过程大惯性、大滞后的特点,提出了在浓缩机清水层内进行浊度检测,并采用GM(1,1)灰色模型对清水层浊度值进行预测的方法,改善了系统滞后对絮凝剂添加控制性能的影响;设计了灰色预测与模糊控制相结合的絮凝剂自动添加系统。现场试验表明,该方法能够解决系统滞后大、絮凝剂添加不及时引起的溢流水浊度超标问题,浊度稳定性明显提高,避免了系统失控现象的发生。     

人工神经网络法预测待采煤层冲击地压在煤矿中的应用

为了解决大同矿区某矿冲击地压的预测难题,本文在对该矿其他待采煤层的地质力学特征进行系统研究的基础上,结合人工神经网络方法,参照采场矿压监测数据,对其冲击地压危险性进行预测,预测效果良好。     

价格预测模型及算法

建立价格预测系统，包括价格及相关因素的预测模型、算法及软件。该系统适应广，特别适合农产品、副食品等价格的预测，其中针对模型的参数估计，提出一种计算方法，称为恒等变换法；它解决了迭代公式中的初始值问题，将此初始值赋予Ｇ－Ｎ、Ｍａｒｑｕａｒｄｔ、交替迭代或其他算法，只需经过几次迭代便满足收敛条件的要求。     

Dynamic prediction of building subsidence deformation with data-based mechanistic self-memory model

This paper describes a building subsidence deformation prediction model with the self-memorization principle.According to the non-linear specificity and monotonic growth characteristics of the time series of building subsidence deformation,a data-based mechanistic self-memory model considering randomness and dynamic features of building subsidence deformation is established based on the dynamic data retrieved method and the self-memorization equation.This model first deduces the differential equation of the building subsidence deformation system using the dynamic retrieved method,which treats the monitored time series data as particular solutions of the nonlinear dynamic system.Then,the differential equation is evolved into a difference-integral equation by the self-memory function to establish the self-memory model of dynamic system for predicting nonlinear building subsidence deformation.As the memory coefficients of the proposed model are calculated with historical data,which contain useful information for the prediction and overcome the shortcomings of the average prediction,the model can predict extreme values of a system and provide higher fitting precision and prediction accuracy than deterministic or random statistical prediction methods.The model was applied to subsidence deformation prediction of a building in Xi’an.It was shown that the model is valid and feasible in predicting building subsidence deformation with good accuracy.     

动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行分析,使预报精度得到提高。     

江门市经济预测与决策支持系统设计

介绍了江门市经济预测与决策支持系统的开发背景，并根据政府在经济发展预测和决策中的工作需求确立系统的设计目标，分析了系统的主要功能、逻辑结构，并介绍了软件的特点．     

基于Bagging的交通拥堵预测研究

针对交通拥堵原因的多元性及单个神经网络拥堵模型准确率不高的特点,设计了一个以BP经网络为弱学习算法、基于Bagging集成学习方法的交通拥堵预测模型．与单个神经网络模型相比,Bagging后的预测模型具有更加优良的性能,可为市内交通预警决策提供分析与支持。     

基于预测的模糊自整定PID温度控制系统

介绍了一种基于预测的模糊自整定PTD温度控制系统,采用了预测与模糊PID相结合的控制技术。精确度高,稳定性好,适用范围宽,实验表明该系统对具有非线性、时变性和时间滞后性的工业过程具有较好的控制效果。     

引入修正因子的研究生招生等维新息预测模型

研究生教育是国家创新体系的重要支柱和基础,以辽宁省十一五硕士研究生招生预测分析为切入点,在灰色系统GM(1,1)模型基础上,结合研究生招生工作实际提出了修正因子计算方法,建立了硕士研究生招生预测模型。等维新息模型的引入,使预测结果更加符合实际。预测模型的建立可为相关政策制定提供一定的理论依据。     

一种产品销售量预测及管理系统的设计与实现

本文将预测理论与计算机的数值计算、信息管理、绘图等技术融为一体,讨论了一种产品销售量预测及管理系统的基本组成与功能。设计并实现的预测及管理系统成为对新产品开发科学决策的新的支持工具。本文给出整体结构设计,并就使用高级语言与数据库语言联合编程的难点问题,讨论了处理方法。     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节，本文提出了一种新的温度数据预处理的方法，通过在基于模糊神经网络的漏钢预报系统中的成功应用，已经充分证明该方法不仅能优化网络的结构与参数，而且大大提高了系统的预报精度与速度。