太阳黑子数平滑月均值的混合预测模型

提出一种太阳黑子数平滑月均值的混合预测模型.通过最大Lyapunov指数得到太阳黑子数平滑月均值时间序列的最大可预测周期,结果表明太阳黑子数平滑月均值序列的最大可预测周期为42个月.太阳黑子数平滑月均值时间序列中包含着线性与非线性的成分,利用自回归滑动平均模型对线性成分进行预测,将太阳黑子数平滑月均值的实际值与自回归滑动平均模型的预测值作差值得到仅含有非线性成分的残差序列,利用具有良好非线性预测能力的回声状态网络预测残差序列,并通过人工蜂群算法来确定回声状态网络预测模型的最佳参数.将自回归滑动平均模型预测值与回声状态网络预测的残差相加,得到太阳黑子数平滑月均值的最终预测值.通过第23太阳活动周的太阳黑子数平滑月均值的预测表明提出的预测模型具有较高的预测精度.同时,对第24太阳活动周的太阳黑子数平滑月均值进行了预测,结果表明第24太阳活动周将在2020年2月结束.     

基于改进指数平滑法的岩体边坡变形预测

结合VisualBasic.NET编程技术提出了二次和三次指数平滑预测模型参数α的优化改进方法,建立了参数最优的二次和三次指数平滑法预测模型.基于锦屏一级水电站左岸高边坡工程部分监测数据,应用指数平滑法基本原理建立二次指数平滑法和三次指数平滑法预测模型,并应用该模型对左岸高边坡某工程部位监测位移等变形物理量进行预测预报分析,结果表明,改进的预测模型预测结果准确有效,与后期实际监测位移比较误差较小.     

道路交通事故的三次指数平滑预测法

为准确预测道路交通事故死亡人数和有效解决道路交通安全问题,以中国2001~2012年交通事故死亡人数的统计数据为研究对象,首先,采用三次指数平滑法,建立三次指数交通事故预测模型,对道路交通事故数据进行拟合与预测分析,绘制了中国道路交通事故的未来发展趋势图;然后,通过与一次指数平滑法、二次指数平滑法进行对比分析,得出了三次指数平滑法预测精度较高,预测值与实际值相符合的结论;最后,预测出2013年和2014年的道路交通事故死亡人数.研究结果表明:三次指数平滑法预测模型适用于短期预测,对有效预测道路交通事故具有一定的参考价值和指导意义.     

基于CNN-GRU-LightGBM模型的单井产量预测方法

单井日产量趋势预测研究在油田生产中具有重要意义。由于油井生产工况复杂,难以准确预测日产量,本文建立了基于多变量时序数据的产量模型。基于卷积门控循环单元（Convolutional Neural Network – Gate Recurrent Unit, CNN-GRU）提取深层特征进行时序预测,基于梯度提升框架的决策树模型（Light Gradient Boosting Machine, LightGBM）从回归预测角度进行预测,两者结果相互融合,进一步提高产量预测精度。同时,本文提出了一种可以实现多变量时序预测或回归预测模型在未知输入特征情况下准确预测产量的方法—超前参数递归预测策略。采用该方法对影响产量的重要特征进行超前预测,并将预测到的重要特征应用于预测产量的仿真测试中。仿真结果表明：本文所建立模型与超前参数递归策略配合最好,在测试集上的预测准确度最高。相比单变量时序预测和回归预测模型,可显著提高预测精度。     

基于特性和影响因素分析的短时交通流预测

可靠的短时交通流预测是智能交通系统的重要基础。为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素。该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块。单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到。最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性。     

改进的季节性指数平滑法预测空调负荷分析

根据空调日总负荷和日平均气温之间的较强相关性,对经典的季节性指数平滑法预测模型中的水平因子项进行修正,并去掉趋势因子项,得到了改进的季节性指数平滑预测模型.以上海某医学中心空调系统作为该空调负荷预测模型的应用实例,在整个预测期内模型平均预测误差为8.8%.这表明改进的季节性指数平滑法适合于办公类建筑空调负荷的预测.     

基于GM(1,1)模型的空气质量变化趋势预测及分析

在掌握区域空气环境质量现状资料的基础上,运用具有适用性广,预测准确率高等优点的灰色系统预测模型对大连市未来五年空气中SO2的浓度变化趋势进行预测,对其模型的精度和可行性进行了分折和检验,并与目前常用的指数平滑法的预测结果进行了对比。研究结果表明:建立基于GM(1,1)模型的大气质量变化趋势预测模型是可行的,其模型的平均相对误差比指数平滑法减少了44％,因此预测精度高,能够满足预测要求。     

安全状态预测与目标值的确定

本文讨论了事故伤亡预测与目标值确定的相互关系。文中给出了可采用的预测模型,指数平滑法、指数函数回归和灰色预测法;并对指数平滑法的数值选定提出了一种新的方法;对灰色预测具有较高的精度原因进行了说明;并以一实例说明了预测与目标值确定的关系。表1。     

多维AR（p）与指数平滑组合预测算法的研究及应用

介绍了时间序列多维AR(p)模型和指数平滑模型的理论和方法，将这两种模型结合起来构成新的组合预测模型，并用于预测测井曲线．应用实例证明，多维AR(p)与指数平滑组合预测模型比单独用多维AR(p)预测模型有更高的预测精度．表明该组合预测模型是一种非常有效的预测新方法．     

新能源电动车销量预测模型的应用

随着新能源电动车(乘用车)的使用越来越普及,对其销售预测的研究尤为重要。首先采用指数平滑预测方法对其进行销量预测;考虑到新能源电动车销售量呈现季节性变化,将季节变动指数融入灰色预测中,给出了基于季节变动指数改进的灰色预测模型;为了进一步提高预测精度,引入IOWA算子,将指数平滑预测与改进的灰色预测相组合,给出了基于IOWA算子的组合预测模型;最后通过实例仿真验证了模型的可行性和有效性,为发展新能源汽车提供基础资料。     

基于科学计算组件规范的高性能大地电磁正演模型研究*

为了提高基于有限元法构建的大地电磁正演模型的计算性能,以及解决模型计算的复杂性问题,提出了一种基于美国新近提出的大规模科学计算领域组件规范CCA(Common Component Architecture)构建的组件化分布式并行大地电磁正演MT模型。首先,基于CCA规范定义MT组件服务端口,定义MT组件; 其次,采用有限元方法将Maxwell方程离散为线性系统,采用GreenField算法对其求解,设计了一种频率域分解策略实现了一个分布式并行MT模型;最后,采用Babel编译生成了一个分布式并行MT模型组件。实验结果表明,该方法所构建的MT模型组件具有较高的计算性能、灵活性和可扩展性。     

基于PSO-BP神经网络湿式摩擦元件损伤预测模型

为求解湿式离合器的多影响因素损伤关系,应用多源数据融合方法,构建一种基于PSO-BP神经网络的湿式摩擦元件损伤预测模型. 将转速和接合油压作为模型的输入参数,将提取到的摩擦片周向温度梯度、Fe和Cu元素浓度变化率、摩擦片表面粗糙度变化率作为模型输出参数, 建立了有限元仿真模型,搭建了湿式离合器摩擦磨损综合试验台,采用控制变量法研究了油压、转速对摩擦元件损伤特征参数的影响. 结果表明,输入工况与4类损伤特征参数呈非线性关系,预测值与实测值随工况变化趋势一致,损伤特征参数较油压的变化更为敏感. 对比同类模型与试验数据,预测模型具有较高的预测精度,能够有效地对湿式离合器多工况损伤进行预测.      

Performance Predictable ServiceBSP Model for Grid Computing

This paper proposes a performance prediction model for grid computing model ServiceBSP to support developing high quality applications in grid environment. In ServiceBSP model, the agents carrying computing tasks are dispatched to the local domain of the selected computation services. By using the IP （integer program） approach, the Service Selection Agent selects the computation services with global optimized QoS （quality of service） consideration. The performance of a ServiceBSP application can be predicted according to the performance prediction model based on the QoS of the selected services. The performance prediction model can help users to analyze their applications and improve them by optimized the factors which affects the performance. The experiment shows that the Service Selection Agent can provide ServiceBSP users with satisfied QoS of applications.     

DNA芯片在最短公共超串问题中的应用

DNA芯片技术是近年来生命科学与信息科学的新兴研究领域，其突出特点在于它的高度并行性、多样化、微型化以及自动化，最短公共超串问题是计算机科学中的NP-完全问题．笔者在DNA计算和DNA芯片基础上，提出了基于DNA芯片解决最短公共超串问题的DNA计算新模型．该模型可对信息高度并行获取，并且具有操作易自动化的优点．     

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析，提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度，并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析；对8个参数进行筛选，最终选4个参数作为模型变量，包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型，BPT-MLR模型的预测性能最优，其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

基于MapReduce的并行LAD模型评论主题提取算法研究

针对传统的潜在狄利克雷分析(LDA)模型在提取评论主题时存在着计算时间长、计算效率低的问题,提出基于MapReduce架构的并行LAD模型建立方法.在文本预处理的基础上,得到文档-主题分布和主题-特征词分布,分别计算主题相似度和特征词权重,结合k-均值聚类算法,实现评论主题提取的并行化.通过Hadoop并行计算平台进行实验,结果表明,该方法在处理大规模文本时能获得接近线性的加速比,对主题模型的建立效果也有提高.     

Prediction of Online Judge Practice Passing Rate Based on Knowledge Tracing

Programming ability has become one of the most practical basic skills, and it is also the foundation of software development. However, in the daily training experiment, it is difficult for students to find suitable exercises from a large number of topics provided by numerous online judge(OJ) systems. Recommending high passing rate topics with an effective prediction algorithm can effectively solve the problem. Directly applying some common prediction algorithms based on knowledge tracing could bring some problems, such as the lack of the relationship among programming exercises and dimension disaster of input data. In this paper, those problems were analyzed, and a new prediction algorithm was proposed. Additional information, which represented the relationship between exercises, was added in the input data. And the input vector was also compressed to solve the problem of dimension disaster. The experimental results show that deep knowledge tracing(DKT) with side information and compression(SC) model has an area under the curve(AUC) of 0.776 1, which is better than other models based on knowledge tracing and runs faster.     

远程高性能计算环境的设计与实现技术

Ri CE(remote high computing environm ent)系统旨在建立以高性能并行计算机为计算资源的远程计算环境。系统合理划分本地机和远端机的工作任务 ,引入增量更新、压缩传送、检查点设置和恢复等多种传输措施 ,并集成了负载平衡工具 ,提供了身份检查、日志记录等安全机制 ,改变了传统的 Telnet工作模式。具有联网、远程执行过程对用户透明、系统安全性好和适应我国低带宽、实时性差、可靠性低的网络现状的特点。用户可以以较低的成本方便地使用远程计算机系统 ,从而充分发挥高性能计算机的性能。 Ri CE系统目前已在曙光 2 0 0 0和 IBM SP2等系统上运行通过 ,表明该系统性能良好 ,达到了系统设计目标     

用于移动设备应用程序的群密钥交换方案

为了解决当前基于云计算技术的弹性应用程序模型安全通信问题,该文提出一种群密钥管理方案。这一方案使用分类预测和基于公钥密码学的密钥交换方法相结合的方式,通过数据挖掘中的分类预测方法来完成密钥协商过程中的认证操作,并使用公钥密码学中的密钥共享技术实现密钥的交换。对所设计的方案进行了能耗分析并与其他方案进行了对比。分析结果表明:本文方案可以有效降低密钥交换协议的能量消耗,适用于移动设备安全通信。     

基于小波神经网络的工业以太网延时预测控制

随着网络控制研究的兴起,对工业以太网延时进行补偿成为研究的重点方向.针对网络延时给网络控制系统带来的问题,提出用小波神经网络对工业以太网延时进行预测,根据输入的过去时间延迟序列预测输出下一采样时刻的网络延时值.预测模型的参数通过训练算法实时更新,以保证预测输出的准确性.对实际工业以太网延时数据样本的预测分析表明,该预测模型能够有效预测延时.为进一步说明延时预测效果,将延时预测模型应用于网络控制系统进行延时的预测与补偿,系统仿真结果证明了预测模型预测的准确性及补偿的有效性.