高炉铁水硅含量的智能预测

文章提出了一种基于T-S模型的自适应模糊神经推理系统的高炉铁水硅含量智能预测模型,采用模糊聚类算法对样本数据进行分析归类,自行生成模糊规则库,实现模型结构简化和参数优化,特别适用于高炉冶炼这类复杂的非线性系统的预测系统建模;仿真结果表明,该方法预测命中率高,具有很好的实用性.     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统在参数优化方面存在可移植性差、应用效率低等问题,为此,将深度神经网络与析取置信规则库结合,有效减少模型的规则和参数的数量;引入梯度下降算法优化模型参数,提高模型构建和优化的效率. 通过非线性函数拟合、北京市空气质量污染预测和多个UCI公共分类数据集的实验,对提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行对比. 结果表明,所提出的方法比传统的方法具有更高的推理精度和更快的训练速度.     

一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

基于变权组合模型的时间序列预测

针对时间序列预测中单一模型存在预测精度不高和预测稳定性较差的问题,采用残差赋权方法对单一模型进行组合,并以此为基础,提出基于残差赋权改进的自适应变权组合方法。该方法的基本思想是基于当前时刻的预测结果自适应调整其组成模型的权重值,利用不同的单一模型进行优势互补。将其应用到组合模型中,以实现提高模型的预测精度与稳定性。实验结果表明,该组合方法能有效改善预测稳定性不足的问题,以及进一步提高模型的预测精度。     

基于自适应模型的数据库入侵检测方法

提出了一种基于自适应模型数据库入侵检测方法(ASIDS).该方法基于矩阵和最小支持度函数的AprioriZ关联算法,依据在训练和自适应入侵检测阶段产生数据库的操作特征,用户根据实际需求动态调整最小支持度函数的值,更高效挖掘操作特征.结合层次聚类算法产生动态规则库,通过计算待检测数据操作特征与规则库中聚类的距离是否超过聚类间最大距离来判断异常,以避免已有检测系统中判断"边界尖锐"问题,并实时把正常操作特征归入动态规则库,通过对报警信息的关联分析降低误警率.实验结果表明,ASIDS能够实时地进行入侵检测,具有很高的检测率和较低的误警率.     

基于面向对象Petri网的BPM系统建模

为满足业务流程管理(BPM)系统在面对外界变化时对流程可变性的需求,提出了基于规则库的支持流程运行可变的BPM系统架构.利用面向对象Petri网(OOPN)建立了该BPM架构的OOPN模型,其中库所中的托肯表示各个规则库和流程.通过CPN Tools对该模型进行了仿真.使用创建过程得到具体系统模型,利用状态空间分析法给出了此模型的活性、各个库所有界性的分析报告,采用监控工具得出了主要库所的托肯流动分析报告.最后利用Gnuplot对此报告数据分析显示系统满足稳定性要求.仿真分析结果表明,此模型简单直观地表现出系统的运行过程,真实地反映了各个规则库在系统运行过程中的存取比例,为企业构建BPM系统提供了参考.     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统（BRB-DL）比传统的置信规则库系统（BRB）具有更好的推理精度和适用性。然而,现有的BRB-DL在参数优化方面存在可移植性不足、应用效率低等局限性。鉴于此,本文将深度神经网络与析取置信规则库结合,有效减少了模型的规则和参数的数量,并引入梯度下降算法优化模型参数,提高了模型构建和优化的效率。最后,通过非线性函数的拟合,北京市空气质量污染预测和多个UCI公共分类数据集的实验对本文提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行了对比。结果表明,本文提出的方法比传统的方法具有更高的推理精度和更快的训练速度。     

基于面向对象Petri网的BPM系统建模

为满足业务流程管理(BPM)系统在面对外界变化时对流程可变性的需求,提出了基于规则库的支持流程运行可变的BPM系统架构.利用面向对象Petri网(OOPN)建立了该BPM架构的OOPN模型,其中库所中的托肯表示各个规则库和流程.通过CPN Tools对该模型进行了仿真.使用创建过程得到具体系统模型,利用状态空间分析法给出了此模型的活性、各个库所有界性的分析报告.采用监控工具得出了主要库所的托肯流动分析报告.最后利用Gnuplot对此报告数据分析显示系统满足稳定性要求.仿真分析结果表明,此模型简单直观地表现出系统的运行过程,真实地反映了各个规则库在系统运行过程中的存取比例,为企业构建BPM系统提供了参考.     

CPFR组合预测方法研究

供应链整合解决方案-CPFR(联合计划、预测、补货)已逐渐被全球许多著名企业采纳并实施,成为供应链减少成本与开拓利润的主要工具.而其最核心部分-联合预测流程的研究还处于探索研究阶段,在简单介绍CPFR的原理和应用现状的基础上,主要讨论CPFR的联合预测流程.从联合预测流程分析着手,创新地引入组合预测方法,提出了基于组合预测模型的联合预测流程,讨论了不同形式的组合预测模型,通过对各预测模型的挑选和组合,减少联合预测流程中因模型的差异而产生的预测异常,为预测异常的处理提供了科学决策的模型.并结合具有良好收缩性能的斯坦规则对组合预测的模型进行校正,建立组合校正预测模型,提高了CPFR联合预测的精度和预测稳定性.     

基于规则的数据校验在数据库应用系统中的实现

本文给出了一种规则库的概念来扩充数据库应用系统的校验的功能,使系统能够对规则进行动态读取和分析,并根据分析结果对输入数据进行动态校验.本文介绍了数据库报表系统中的校验模型,并运用一种规则库执行流图REBF描述了规则库图模型,之后论述了该系统中具体的规则库的建立及规则表结构,并通过对推理过程的不确定性的分析,证明了规则的有效性,最后给出了基于规则的动态分析及推理过程.