基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

材料局部性能检测系统

采用双孔微剪切法、传感器和MSP430F149单片机,快速方便地获得材料的屈服剪应力、最大剪应力的数据;并分析了材料局部强度的数据,其屈服应力平均值的分布趋势与硬度值基本相似。相比传统的材料检测方法,这种微创、简便、适用范围广的检测系统是材料性能检测研究的一种创新。在数据的处理方面,提出一种新的位移—时间曲线分析方法,较以往传统的分析方法更为准确、便捷。     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。     

基于划分的模式匹配改进算法

为提高基于划分窗口的字符串匹配算法(SKIP和KMPSKIP算法)的性能,结合QS算法的优点,通过提前预览下一窗口最后一个字符的移动信息跳过尽可能多的字符进行下一轮匹配,减少了匹配次数,提高了匹配效率.理论分析及实验结果均表明,改进算法在平均时间复杂度方面优于原始算法,在模式较短的情况下,ISKIP算法的平均运行时间仅为BMH算法的65%~85%.     

我国自然灾害风险预警模型

自然灾害风险的预警对防灾减灾有重要意义,做好风险预警除了要考虑常规的相关因素外,更要考虑自然灾害在大跨度时间区域内的变化趋势。该文基于时间序列ARIMA模型,分析全国31个省75个月(2014年3月至2020年5月),由自然灾害造成的直接经济损失和受灾人口情况,得出其依照时间线的规律,并预测未来12个月直接经济损失和受灾人口的发展情况。结果表明,我国自然灾害造成的直接经济损失和受灾人口的变化趋势基本相同,在一年内均有两次较大起伏,最高值分别处于夏季的7月份和冬季的1月份,最低值则分别处于春季的3月份和秋季的11月份,最高值约为最低值的2～4倍。     

2005—2020年我国5级以上地震地理位置聚类分析

地震的发生与每个地区的地形特征、气候环境、地理位置等自然因素紧密相关,了解地震发生的空间位置分布以及时间特征,对于准确掌握灾情并及时采取有效的急救措施具有重大意义。该文利用我国2005—2020年发生的5级以上地震的493条数据,对我国地震的总体情况进行描述性分析,从时间角度对我国历年地震的发生时间展开研究,从空间角度对发生地震的地理位置进行聚类。     

考虑订单可得时间和客户时间窗的电商末端配送路径问题

针对考虑订单可得时间和客户时间窗的电商末端配送路径问题,考虑配送特点(订单可得时间)、客户的时间需求(时间窗)和客户分布分散等特点,以最小化配送总里程为目标,构建了基础数学模型,并通过分析问题特征对模型改进,从而构建了改进数学模型.在此基础上,提出两种有效不等式,并设计了基于分离两种有效不等式的改进分支切割精确算法对模...     

POS机,让选民登记提速

信息化登记的速度,到底有多快？作为上海市三个试点街道之一,闸北区宝山路街道在不久前结束的区人大换届选举选民登记工作中,用移动POS机读取社保卡进行登记,仅用短短6天时间,就全部完成了任务,让人叹为观止。对“上站．上网、上线．上机、上门”这几个登记渠道而言,最受青睐的是上机登记,只需要10至15秒钟的操作时间,就可以完成一位选民的登记工作。[编者按]     

融入注意力机制的时间激励与聚集行为识别模型

视频行为识别通常应用短区间动作特征和长区间视频聚集特征进行时序建模.而这种时序建模方式在特征提取过程中,将不同时序区间的动作特征同等看待,忽略了关键通道信息和重要动作内容,不能达到理想的行为识别效果.注意力机制能够重点关注目标区间,在提取时间激励与聚集行为特征基础上融入通道-空间注意力模块.该模型分别通过通道和空间模块改变时序动作的特征分布,通道注意力关注关键通道信息是“哪些”,空间注意力机制关注重要视频内容在“哪里”,突出关键通道信息和重要内容等特征,提高了行为识别的识别率.同时在数据集Something-Something 1,UCF101和HMDB51对模型进行实验,融入通道-空间注意力模块的时间激励与聚集行为识别模型能够有效提高行为识别率.     

面向高维度目标函数的微粒群优化算法

针对基本微粒群算法在处理高维度目标函数容易出现早熟的问题,提出了一种新的微粒群算法面向高维度目标函数的微粒群算法(HDOF-PSO).分析了基本微粒群算法难以处理高维度目标函数的原因.通过引入信心度和试探策略,算法的收敛速度得到提高;通过引入成功度,搜索过程中的变异概率能够自适应修正.在特定测试函数集上的实验表明,HDOF-PSO在处理高维目标函数时,比基本微粒群算法和一个改进的微粒群算法具有更快的收敛速度和更好的收敛性.