基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法,并将其应用到股票价格预测,同时在预测中引入了技术指标模型。仿真试验表明,相比于传统的RBF神经网络算法,菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

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.     

4p4阶群的差集

设G是具有二面体群同态象D_4p²的4p⁴阶群,通过考察其相交数得到如下结论：当p是素数且p≥5时,G上的差集不存在。     

一类半线性椭圆边值问题的无网格方法

讨论了一类半线性椭圆边值问题的无网格方法.采用径向基函数无网格法的基本原理和非线性方程组的Newton方法,构造了相应半线性椭圆边值问题的数值格式.给出了数值算例,且与常用算法进行了比较.说明了方法具有易于编程、计算精度高及不需要对区域进行网格划分等优点.     

职业教育的历史分析与发展思考

文章对我国职业教育的历史、现状以及发展方向进行了概括性的分析，并对职业教育的可持续发展做出了一些思考。     

一种新的蒙特卡罗随机有限元方法

针对岩土工程可靠性分析的功能函数是隐式函数或高次非线性函数的特点,提出并从理论上论证隐式功能函数和高次非线性功能函数可靠性问题的新解法,即基于径向基网络的蒙特卡罗随机有限元方法;给出计算框图和计算步骤.以钢筋混凝土浅基础和某矿山矿柱为例,说明其在岩土与采矿工程中的应用.研究结果表明,采用蒙特卡罗随机有限元方法可直接使用确定性有限元分析程序而无需任何改动,对于极限状态函数不能用显式表达和高次非线性的可靠性问题都适用.     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

四次域Q((√m),(√n))的正规整基的存在性

对Galois数域存在正规整基的充要条件进行研究具有一定的理论价值。四次域是重要的Galois数域之一,该文对四次域Q(m,n)进行了讨论;利用Galois扩张、域的判别式及整基等一些理论,得出了其具有正规整基的充要条件为m≡n≡1(mod4)(其中m,n是2个不同的无平方因子有理整数)。     

基于径向基神经网络的思南县崩塌易发性评价

贵州省思南县境内崩塌地质灾害较为发育,通过对县域崩塌易发性进行预测,可准确获取崩塌地质灾害分布规律,为国土部门开展崩塌防治提供科学指导。因此,首先采用遥感和地理信息系统等技术,对思南县的自然地理和地质条件等因素进行分析;再采用频率比分析和相关系数分析法,建立崩塌地质灾害与基础影响因子之间的非线性响应关系;最后,首次提出一种典型的机器学习:径向基神经网络模型,对思南县崩塌易发性进行预测并绘图。结果表明:径向基神经网络预测思南县的崩塌易发性的准确率(AUC曲线)达到0.945,非常准确地预测出了思南县崩塌地灾的分布规律。且崩塌易发性分布图显示极高、高、中等、低和极低易发区面积占县域总面积的比值分别为13.06%、14.08%、25.41%、23.68%和23.77%。     

CaO基催化剂在生物质热解中原位脱碳作用研究

研究了CaO基复合催化剂在生物质热解过程中的原位脱碳作用,通过气相色谱仪分析热解气体产物组分及含量。结果表明,CaO基复合催化剂可以原位吸附生物质热解过程中产生的CO₂,达到生物质定向催化转化的目的。使用Fe-CaO、Ni-CaO复合催化剂可使生物质热解液相产物产率降低至20%以下,而气体产率提高,最高可达67.1%。Ni-CaO催化热解条件下气体产物中H₂含量最高可达52.9%,同时φ(H2)/φ(CO)达到2.6,改善了热解气品质。