2005年全球经济增长的几个不确定因素

2005年全球经济增长的不确定的因素有三个：美国财政“双赤字”；世界石油价格上涨；发达国家房地产市场的泡沫。     

基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

吉林省玉米单产的预测

在应用灰色ＧＭ（１．１）预测模型预测的基础上，又与马尔柯夫链结合构成灰色马尔柯夫链对吉林省玉米单产进行预测。结果表明：用灰色马尔柯夫链进行预测比灰色ＧＭ（１．１）模型预测的精度高、效果好，是一种理想的预测玉米单产的方法。同时用此方法对１９９２￣１９９５年吉林省玉米单产进行了预测。     

我国工业重大灾害的Delphi预测方法及其应用──重大危险源辨识的德尔菲（Delphi）专家系统设计

文章针对我国工业企业重大灾害频繁发生的现实，运用Ｄｅｌｐｈｉ方法对人－机－环境系统中大量无法定量的危险源作出概率估算和危险度分级，为建立重大危险源辨识的定量与定性分析相结合的专家系统等做一些初步探讨。     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

基于双通道残差网络的泥石流沟谷孕灾风险预测

云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失。为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual network, TWRNet)。该网络能够广泛应用于泥石流沟谷图像的潜在危险性排查,实现泥石流灾害的预警。TWRNet首先采用切片的方式对数字高程(digital elevation model, DEM)数据和遥感数据分开处理,并使用改进的残差结构进行特征提取;然后将特征进行融合,并使用通道注意力机制SE(squeeze-and-excitation networks)模块进行通道增强;最后给出泥石流沟谷的分类结果。在训练过程中,本文使用了交叉熵和焦点损失构成的联合损失函数。实验结果表明,TWRNet在泥石流沟谷识别方面达到了最高89.28%的识别率和87.50%的召回率,模型性能良好。使用图像学习沟谷特征的方法来进行泥石流孕灾沟谷的识别是可行的。     

盾构隧道围岩与衬砌协同作用纵向位移计算法

盾构机掘进过程中,千斤顶顶进力的不均匀引起的纵向位移是管片间初始错台的主要原因之一;基于Timoshenko梁理论的隧道纵向位移计算方法,未能考虑隧道开挖后围岩卸载破坏的变形特征及围岩与衬砌结构的协同作用效应,预测误差较大。建立了考虑围岩卸载扩容效应的等效地基抗力系数计算方法,提出了能考虑螺栓个数的等效抗剪刚度计算公式,建立一种基于Timoshenko梁理论的改进管片拼装式隧道纵向位移理论计算方法。实际工程案例分析表明：考虑围岩开挖卸载过程中围岩的非线性体积相关塑性变形（即扩容效应）更合理;考虑壁后注浆液固化过程的时效性,采用改进的滑移边界条件计算的纵向位移最大值是传统的固定端边界的计算值的2.3倍,边界条件对计算结果影响较大,本文计算方法更符合实际情况,也更安全。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

适用于DC/DC 变换器的预测函数控制优化策略

针对使用预测函数控制(Predictive Function Control, PFC)的 DC / DC 变换器在负载切换时产生的扰动对变 换器响应速度有较大影响的问题,提出通过设计观测器观测扰动来优化预测函数控制算法的控制效果;相对于其 他提高系统抗扰动的方法,通过设计观测器来提高变换器抗扰动的方法的优点是实现简单、优化后控制效果好等; 设计 Luenberger 观测器对负载切换时产生的扰动进行观测,将观测值反馈给预测函数控制算法进行最优化分析, 并结合仿真结果对目标函数进行调整,优化后的目标函数能更好地响应扰动并尽快达到稳态;最后将优化后的控 制算法与 PI 双闭环控制方法进行比较,结果显示优化后的控制算法在受到扰动后比双 PI 控制方法动态性能更 好,实现了应对负载切换时提高系统动态性能的目标,增强了 DC / DC 变换器的抗干扰能力;优化后的算法只考虑 了负载切换时的扰动对于系统其他方面的扰动没有考虑进去,可以通过设计整个系统的观测器来进一步提高 DC / DC 变换器抗扰动的能力。