基于Logistic回归模型的红松立木腐朽分级预测

【目的】红松活立木在生长过程中极易受到各种生物的侵袭,其中木腐菌造成的腐朽是最为广泛和严重的危害之一,活立木腐朽将会造成木材资源的损失,降低木材的力学性能。为了监测红松活立木的健康状况,减少因腐朽引起的相关损失,须定期检测红松活立木腐朽状况,并采用腐朽分级的方法进行评估。【方法】使用阻抗仪和电阻断层成像技术(ERT)两种无损检测手段对黑龙江省五营国家森林公园内的红松活立木进行检测,并在检测截面使用生长锥钻取木芯。将野外测量数据导入电脑,获取立木的阻力曲线和电阻断层图像,分析处理微针阻力的下降幅度,得到样木的阻力损失;根据立木心材与边材腐朽在ERT图像上呈现的不同特征,首次采用一种基于OpenCV的图像处理技术识别腐朽样木电阻断层图像缺陷部分,实现了心材和边材缺陷面积的定量表征;采用烘干法测定质量损失率,根据每株样木的质量损失率将所有样木分为5个腐朽等级。将多分类有序因变量的Logistic回归分析引入到立木腐朽程度分级问题中,以阻力损失、心材缺陷面积比和边材缺陷面积比为自变量,腐朽等级为因变量,建立腐朽分级预测模型。检验模型的有效性、拟合优度及预测能力。【结果】Logistic回归模型性能良好,五营国家森林公园30株红松样木的综合预测准确率为86.67%,各等级预测准确率分布不均,高等级腐朽的预测准确率相对较高。【结论】运用提取心材与边材腐朽的方法处理ERT图像,有效地提高了利用ERT图像识别腐朽的准确率。建立Logistic回归模型可以较准确地预测出立木腐朽的等级,较之烘干法测定腐朽程度,其腐朽评估效率有了明显提高,且对立木损伤更小。     

BP_Adaboost算法的改进及在首轮融资时总票房分类预测中的应用

为获得改进的分类算法BP_Adaboost,利用思维进化算法(MEA)和列文伯格-马夸尔特算法(LM)结合改进的BP神经网络作为弱分类器,由改进的弱分类器集成得到MEA-LM-BP_Adaboost算法.提出了基于MEA-LM-BP_Adaboost算法的首轮融资时总票房分类预测方法,该方法包括变量选取及操作化处理、网络参数优化、MEA改进弱分类器、LM算法改进弱分类器、MEA-LM-BP_Adaboost算法的流程设计、待预测电影验证6个部分.选用2013～2018年的245部国产电影作为样本验证该预测方法和模型,测试集分类准确率可达73.3％.最后在模型准确率、稳定性、K折交叉验证3方面进行模型整体性能比较,结果表明本文提出的模型整体性能最好.     

Artificial neural network prediction of mechanical properties of hot rolled low carbon steel strip

Conventionally, direct tensile tests are employed to measure mechanical properties of industrially pro- duced products. In mass production, the cost of sampling and labor is high, which leads to an increase of total pro- duction cost and a decrease of production efficiency. The main purpose of this paper is to develop an intelligent pro- gram based on artificial neural network （ANN） to predict the mechanical properties of a commercial grade hot rolled low carbon steel strip, SPHC. A neural network model was developed by using 7 x 5 x 1 back-propagation （BP） neural network structure to determine the multiple relationships among chemical composition, product pro- cess and mechanical properties. Industrial on-line application of the model indicated that prediction results were in good agreement with measured values. It showed that 99.2 % of the products＇ tensile strength was accurately pre- dicted within an error margin of ~ 10 %, compared to measured values. Based on the model, the effects of chemical composition and hot rolling process on mechanical properties were derived and the relative importance of each in- put parameter was evaluated by sensitivity analysis. All the results demonstrate that the developed ANN models are capable of accurate predictions under real-time industrial conditions. The developed model can be used to sub- stitute mechanical property measurement and therefore reduce cost of production. It can also be used to control and optimize mechanical properties of the investigated steel.     

E4303焊条力学性能模糊神经网络智能预测

为了获得反映焊条原材料成分与其熔敷金属力学性能之间映射关系的预测模型,该文对E4303碳钢焊条进行配方设计和堆焊试验,测定其熔敷金属的抗拉强度、屈服强度、延伸率、冲击功4项力学性能指标.采用自适应模糊神经网络方法建立了直接由焊条原材料成分预测焊条力学性能的模糊神经网络模型.用该模糊神经网络模型对训练样本以外的试验数据进行预测.结果表明,抗拉强度和屈服强度的预测平均相对误差在5%以内,延伸率指标预测平均绝对误差仅为0.021,冲击功指标预测效果与BP网络相比有明显改善,说明该模糊神经网络预测模型能够直接根据焊条原材料成分较准确地预测其熔敷金属的力学性能.     

基于评论主题的个性化评分预测模型

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。     

用人工神经网络定量预测化工基础物性

人工神经网络是人工智能技术的一个分支。本文将人工神经网络技术用于化合物的正常沸点、临界温度和沸点汽化热的定量预测,取得了较好的结果。估算精度好于或相当于文献方法。通过对三种基础物性的试验,表明人工神经网络技术可以用于定量预测,从而为这种技术开辟了一个新的应用领域。     

浙江省地壳形变监测网络的构建及其应用前景展望

近年来,GNSS技术取得了长足进展,特别是GNSS的相对定位精度有了显著提高.GNSS技术已经成为监测地壳形变和板块运动的主要手段,它可以提供各活动构造带地壳水平运动的可靠结果,建设浙江省的地壳形变监测观测网,可获取大量监测区域地壳形变震兆信息,对于研究浙江省的地壳形变运动,监测板块边缘及内部的构造变形,提高浙江省地震预报水平有很重要的意义.     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

一种基于衰减系数的混沌时间序列预测法

为提高加权一阶局域模型的预测精度,提出一种改进型混沌时间序列预测方法.该方法用衰减系数和时间延迟修正向量距离公式,调节邻近点与中心点的相关性,同时,只用邻近点中与预测值相关性最大的分量进行线性拟合.利用该方法对Henon混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序...     

基于NAR模型的商品零售价格指数预测研究

基于样条估计理论,建立了我国商品零售价格指数的NAR预测模型.并应用此模型对我国2004-2007年的价格指数进行了预测分析,结果表明:相对于传统的ARMA模型而言,NAR模型能够更好地捕获我国社会商品零售价格指数的非线性特征,预测精度较高.