企业总产值的组合预测方法与应用

为了选择灰色预测系统的最佳解释变量,并使其代表原始数据的绝大部分信息,将主成份分析方法与灰色系统理论进行有机地结合,形成一种组合预测方法。主成份的作用就在于对原始数据寻求基本结构、简化观测系统,并用一个有代表性的变量子集来解释整个问题,使GM(1,h)模型反映出影响某个经济现象的关键因素,更加有效地揭示了系统的发展趋势和动态变化规律,该方法具有很强的可靠性和实用性。     

矿区岩体应力状态研究及其应用

为了研究矿区岩体应力状态,利用地质动力区划方法研究了区域地质构造,建立了区域地质模型,计算了构造应力场并划分出高构造应力区和高构造应力梯度区,分析了岩体应力状态与巷道稳定性、开采沉陷、矿山压力显现等的关系。研究结果表明:基于地质动力区划方法进行的区域岩体应力状态评估结果对于巷道支护设计、开采沉陷预计、矿压显现预测等采矿工程的设计和实施工作具有重要的指导意义。     

战略性新兴产业前沿技术领域预测与合作潜力——基于主题相似网络关系的分析视角

战略性新兴产业已经成为世界各国抢占新一轮经济制高点的发展重点,精准识别战略性新兴产业前沿技术领域,提升产业技术创新合作成功率是形成战略性新兴产业核心竞争力的重要手段.通过建立LDA-GS模型提取文本主题,设计主题相似网络关系建立方法,打破了技术创新网络仅建立在合作及IPC共现关系的局限.以石墨烯产业为实证分析对象,得出...     

基于人工神经网络的降雨径流模拟研究

针对水库径流难以预测的问题。采用改进的动量．自适应学习率调整BP神经网络方法,以南告水库作为研究对象,对水库的日资料进行径流模拟。并对该模型在径流模拟中的方法和难点问题进行分析和探讨。改进的BP模型模拟的结果与三水源新安江模型的模拟结果相比较,探讨改进的BP模型应用于水文模拟的可行性。研究结果表明,改进的BP模型用于水文模拟是可行的。     

双重子∑*△(ST=05/2)和∑*△(ST=31/2)态的结构

在推广的手征SU（3）夸克模型下,研究了带有一个奇异夸克的双重子态∑^＊△（ST=0 5/2）和∑^＊△（ST=3 1/2）的结构．结果表明,尽管手征SU（3）夸克模型和推广手征SU（3）夸克模型短程力的机制完全不同,但两种模型下给出的定性结果是一样的。即这两个双重子态都是束缚态。能量在∑^＊△道之下却在∧π△道之上．在推广手征SU（3）夸克模型下,∑^＊△（ST=3 1/2）态的结合能比∑^＊△（ST=0 5/2）态的结合能大．     

基于DPCA ALSSVR的燃气轮机负荷估算方法

燃机负荷的实时估计能够为燃机参与调峰创造重要的前提条件,针对燃机负荷的实时测算问题,提出了一种基于动态主元分析结合自适应支持向量机的燃机负荷回归估计方法.首先应用动态主元分析方法挖掘出与燃机负荷相关的主要参数,获得代表相关性程度的量化指标关联度.在此基础上,利用自适应支持向量机建立燃机负荷的回归估计模型,并通过交叉验证...     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提...     

预测模型组合开关

不同预测模型在同一时刻都存在不同的预测误差,最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,我们设计一种预测模型组合开关,根据数据的变化,不同时刻采用不同预测模型,使预测误差每一期都最小,或不是最大.实证结果表明,预测模型开关能够根据数据特征有效控制模型输出.     

基于同伦(homotopy)关系的ARMAX模型的辨识算法

论述了采用同伦 (hom otopy)法辨识 ARMAX模型的问题 .在 ARMAX模型的辨识中 ,由于滑动平均(MA)噪音模型部分的存在 ,用以估计 ARMAX模型参数的误差函数不再是单峰的 ,因而常用的基于最优化的估计算法有被陷入局部最小点的危险 .本文提出一种基于同伦关系的算法来解决这个问题 ,其基本想法是建立 ARMAX模型参数的估计和 ARX模型参数的估计两者之间的同伦关系 .由于用以估计 ARX模型参数的误差函数是单峰的 ,因而没有局部最小点问题 ,这就使得有可能利用它们之间的同伦关系来解决 ARMAX模型参数的估计中的局部最小点问题 .详细描述了基于同伦关系的新辨识算法 ,并利用蒙特卡罗 (Monte Car-lo)仿真试验说明了新算法的有效性