NGI中一种智能预防式容错QoS组播路由模式

在NGI主干网主要形式IP/DWDM光Internet中,如何提高其容错能力同时改善其QoS(quality of service)组播性能是需要解决的主要问题,容错QoS组播路由是行之有效的解决方法之一.采用预防式容错策略和双树保护模式,基于蚁群算法,设计了一种容错QoS组播路由模式.以最小化光树故障率为目标,通过建立满足QoS约束的主光树和备份光树来达到容错目的.仿真研究表明,该模式是可行和有效的,具有较好的性能.     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

模糊自适应控制算法在水轮机调速器建模中的应用

在模糊控制器的设计中,模糊规则的提取,比例、量化因子和隶属度函数的确定都具有一定主观性;针对这种情况,提出改进的模糊自适应PID控制算法(IFPID),利用微粒群算法对经过预处理的隶属度函数进行优化.在水轮机调速器仿真实验中,与简单PID控制算法和一般模糊控制算法相比,基于改进模糊自适应PID算法的系统在响应频率扰动和负荷扰动时有着更短的调节时间和更小的超调量.     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫...     

基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到K-means聚类算法中,使自适应人类学习优化算法初始化K-mean...     

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.     

阻尼动力吸振器的吸振机理及其试验验证

采用矩阵复指数算法推导正弦激励力作用下二自由度系统主质量位移振幅的解析解,对所有幅频特性曲线都交于2个固定点进行了严格证明,并通过MATLAB数值仿真和悬臂梁振动试验进行解析解的验证。结果表明：当阻尼比等于零时,主系统幅频特性曲线有2个开口向上峰,当阻尼比趋近于无穷大时,主系统幅频特性曲线只有1个开口向上峰;2个固定点均具有极大值但非最大值;数值仿真与悬臂梁的振动试验结果非常接近,相对误差为-3.864%～5.729%,验证了所推导的一系列解析解的正确性。     

递归问题的教学探讨

递归(Recursion)问题是计算机程序设计语言软件教学中的一个重要内容,也是教学难点之一.其教法对学生正确理解和应用递归解决实际问题是一个关键,这是许多教师探讨的问题.结合递归问题教法中的一个典型实例进行分析,以数学归纳法思想讲解递归问题,可以取得较好的教学效果.     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。