基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

高氮奥氏体不锈钢层片结构热处理调整

以0Cr21Mn17Mo2NbN高氮奥氏体不锈钢为实验材料,经1 140℃和10h固溶处理后,在750、850、950℃下进行不同保温时间时效处理,然后经1 020℃分别保温2、4h后水淬。实验结果表明,相同的保温时效时间内,850℃下析出最为明显。同一时效温度下,随保温时间延长,胞状析出物由晶界向晶内生长,形状呈层片状、条状、短棒状及颗粒状;850℃时效8、16h后经1 020℃保温4h,析出物球化现象比较明显。随着保温时间延长,硬度不断降低。     

晶粒尺寸对车轮钢解理断裂韧性的影响

通过紧凑拉伸试验研究了碳的质量分数约为0.5%的C50车轮钢解理断裂韧性KIC(即条件断裂韧性KQ)与晶粒尺寸的关系.结果表明,晶粒尺寸对试样的断裂韧性有明显的影响,但决定车轮钢解理断裂韧性的是组织中最大的晶粒尺寸,而不是平均晶粒尺寸,最大晶粒尺寸越大,断裂韧性越低.对于C50车轮钢,当前5%的最大晶粒平均尺寸为30~73μm时,车轮钢的条件断裂韧性KQ与晶粒平均尺寸的对数呈线性关系.     

时效温度对大型客机保险销延性断裂性能的影响

以大型客机发动机吊挂保险销原材料15-5PH沉淀硬化不锈钢为研究对象,依据材料规范AMS5659对固溶态15-5PH原材料进行热处理,分别对不同温度热处理后材料进行圆棒材料拉伸试验,通过曲线拟合获得了热处理温度对材料屈服强度、抗拉强度、损伤起始塑性应变及断裂塑性应变的影响规律。分别对不同温度热处理后材料进行剪切试验,研究了不同炉批次15-5PH材料剪切强度的影响。结果表明:热处理温度升高造成材料内残余奥氏体增加,材料屈服强度、抗拉强度、剪切强度均逐渐降低,但材料的塑性变形能力增强,损伤起始塑性应变及断裂应变均逐渐增加。     

西湖凹陷西部斜坡带花港组、平湖组储层裂缝发育特征及有效裂缝测井识别

以西湖凹陷西斜坡花港组、平湖组致密砂岩储层为研究对象,通过录井资料分析及岩心和显微薄片观察,研究裂缝的宏观与微观发育特征及其影响因素.结果显示其主要发育层理缝和构造缝.层理缝主要为水平缝和低角度缝,且已被充填;构造缝主要为垂直缝和高角度缝,充填缝和未充填缝各占一半.裂缝的发育受岩性、单层厚度、断裂及地应力场的综合影响....     

基于灰色预测模型的全球气候变化趋势预测

考虑地球吸热、散热和海洋表面温度等因素对气候的影响,建立多变量灰色预测模型,预测未来气候变化趋势.考虑全球与局地之间是整体与部分的关系,建立基于多变量灰色预测的线性回归模型,判断全球气候变化与局地"极寒现象"之间是否存在关联性.     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。     

基于改进旋转策略的量子遗传-神经网络算法的软件缺陷预测模型

针对标准量子遗传-神经网络在进行缺陷预测时存在的收敛速度慢、易陷入局部最优等问题,提出了基于改进旋转策略的量子遗传-神经网络算法的预测模型.首先,以标准BP(back propagation)神经网络为基础,确定其拓扑结构.接着,采用动态更新旋转角度的策略对旋转角度进行更新.然后,利用改进的算法对神经网络进行优化,并构...     

基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测

三江平原是我国粮食主产区之一,近年来农业水资源出现危机.预测该地区地下水动态变化趋势,对于指导该地区合理开发利用地下水有着重大的理论和现实意义.建立了基于RAGA的灰色BP神经网络预测模型.该模型克服了传统GM(1,1)模型存在明显系统误差的缺点,既具有GM(1,1)模型对数据确定性方面把握的长处,也融合了人工神经网络在不确定因素预测领域的优势.通过两种途径进行检验,结果表明该模型具有相对较高的预测精度.运用该模型对三江平原地下水埋深进行动态预测,未来五年内,如果仍按目前的发展模式,该地区地下水埋深仍将持续下降,从2007年到2012年,该地区地下水平均每年下降0.3m.预测结果对有关部门的政策决策具有一定的指导意义.