高职院校英语专业的社会需求与课程设置改革

高职教育的实用型人才培养目标对地方高职院校的课程目标提出了新的要求,课程设置需要随着社会需求变化而不断地进行相应的调整。通过对高职英语专业用人单位和高职英语专业毕业生的需求调查,发现高职英语专业的课程设置应该体现其地域性对语言能力的要求,创造语言交际的机会并发挥多媒体技术在教学中的作用。     

季节性指数平滑法在城市用水量预测中的应用研究

针对季节性平滑指数方法对于异常数据适应能力较差的特点,对该方法进行优化改进,建立更加可靠的数据模型,并通过实际监测数据检验,得出改进后的季节性平滑指数法在北方地区预测用水量具有更高的精度,满足给水系统的仿真要求。     

MGM(1,n)模型在粉喷桩路基沉降预测中的应用

提出了一种预测公路复合地基工后沉降的新方法。首先,通过路基监测项目的灰色关联分析,优选影响路基沉降的相关预测变量,如道肩水平位移、孔隙水压力消散值及桩身应变等,在此基础上建立灰色多变量MGM(1,n)模型并给出相应的沉降预测方程。而后考虑监测数据序列的非等时间间隔影响,改进、完善此模型,使之能够对粉喷桩复合路基的沉降量进行准确预测。文中并给出应用实例,表明应用该法进行沉降预测,可以更全面地利用工程监测数据,更有效地预测路基工后沉降量。     

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。     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。     

基于正交最小二乘法模糊模型的短期负荷预测

将正交最小二乘法（OLS）模糊模型用于电力系统短期负荷预测,其推理系统模糊规则的生成、影响因素的选取和隶属度的确定均利用正交最小二乘法从历史数据中直接获得,从而克服了模糊推理系统的知识由咨询专家和经验来产生所造成的知识获取的“瓶颈”现象。相应的数学模型简洁有效。实际算例表明,该方法的预测精度较径向基网络法高0．3％－0．5％,每个模型运算仅需1s左右,具有较强的实用性。     

基于改进最小二乘支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

基于概念格的神经网络日最大负荷预测输入参数选择

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高...     

基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。