基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作以FreeBSD的62个内核版本数据作为时间序列,用ARIMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测     

基于指数平滑模型的大型开源软件开发成本预测分析

Linux和FreeBSD内核进化有较明显的超线性趋势和内在规律.研究其开发成本是管理软件工程的一项重要的基础性工作,找到一种简易又有足够精度的预测方法,科学地预测分析大型开源软件开发成本,有助于大型开源软件发展.以Linux的 54个内核和FreeBSD的26个内核版本数据作为时间序列 ,用指数平滑模型建模并做出预测 ,将预测结果与最新的Linux和与FreeBSD内核的实际计算结果进行对比,预测结果令人满意,表明该类模型可用于大型开源软件开发成本预测.     

基于改进PSO-NN的径流水位预报研究

为了提高河流日径流水位预报的精确度,针对粒子群算法和神经网络存在的缺陷,提出一种新的粒子群算法进化三层前馈神经网络的连接权系和阈值,并以此建立逐日径流水位预报模型.该算法采用跟随变异粒子扰动变化的惯性权重和学习因子来提高粒子群算法的局部、全局搜索性能和收敛速度.实验仿真结果表明,在收敛速度和预测的精确度上,该模型明显优于其他对比模型,为获得更高预测精度的径流水位预报提供了一种有效的建模方法 .     

分离变量微分方程的人口总量预测模型改进

对马尔萨斯人口模型和Logistic模型这2种基本的人口模型进行了改进.将2种改进模型的拟合预测与实际人口进行比较,结果表明,这2种模型预测结果都比连续型和离散型的Logistic模型的预测结果要好.在改进的阻滞增长模型中,当j(x)为x的一次函数时预测结果误差比所有模型的误差都小,是所有预测结果最好的一种模型.     

深层内核钩子挖掘算法及其在软件安全中的应用

研究了Windows操作系统中内核钩子的保护原理,并针对交互式反汇编器交叉引用功能的不足,提出了一种深层次内核钩子挖掘算法.首先用该算法挖掘出指定内核函数的内部调用以及包含钩子的内核函数的所有被调用位置,然后用Python编写基于函数调用原理的挖掘算法,最后用C++编写过保护实验的驱动程序.研究结果表明:过保护实验是成...     

基于TRIZ理论的产品技术成熟度预测应用

<正>通过对多种历史数据分析表明,技术进化过程有其自身的规律与模式,是可预测的。基于TRIZ理论的产品技术进化过程类似于物种的成长过程,要经历婴儿期、成长期、成熟期和退出期。在时间区域上表现为产品的特性参数沿S曲线的增长,该理论不仅能预测技术的发展,而且还能展现预测结果实现的产品的可能结构状态,对于产品创新设计具有指导作用。现实中产品在技术系统进化过程所处的S曲线位置就是产品的技术     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

基于MEA-BP神经网络的PM_(2.5)质量浓度预测模型

为了解决PM_(2.5)质量浓度预测精度不足的问题,提出一种基于思维进化算法(MEA)优化的BP神经网络的PM_(2.5)质量浓度预测模型。该模型利用MEA所拥有的趋同和异化操作对BP神经网络的初始阈值和权值进行优化。以南京市每小时监测的PM_(2.5)和其他空气污染物的质量浓度数据为例,利用MEA-BP模型进行预测,并与未经过优化的模型进行对比。实验结果表明,优化后的模型能够有效避免BP神经网络易陷入局部最优解的问题,提高了预测的精度,为PM_(2.5)质量浓度的预测提供了一种新的参考方法。     

甲型H1N1流感的微分方程模型

以经典的传染病模型(SIR模型)为基础,结合甲型H1N1流感的临床表现、传染途径及传播规律,建立了甲型H1N1流感在预防和控制阶段的传播模型.结合实际数据,对甲型H1N1流感传播趋势做出预测,预测结果与实际情况基本吻合,说明该微分方程模型对甲型H1N1流感传播趋势的预测是有意义的.     

ARIMA组合模型在地区降水量预测中的应用

传统的ARIMA模型和马尔科夫模型在降水量预测中具有一定的偏差和不稳定性,为此建立了基于加权马尔科夫链修正的ARIMA组合模型.阐述ARIMA模型,并讨论了加权马尔科夫链修正预测值的方法.在此基础上,构建出基于加权马尔科夫链修正的ARIMA组合模型,将其应用于地区降水量的预测中,并利用相关数据进行实证分析.将组合模型和传统ARIMA模型的预测结果进行对比,结果表明,加权马尔科夫链对ARIMA模型预测结果的修正效果较好,从而说明组合模型的适用性更强.