Application of Fuzzy Algorithm in Inventory Control

1 Introduction Since the demand for products varies withvariations in market - oriented economy,conventional forecast forthe quantity of output hasto scant , many scholars develop new avenue ortechnique to forecast . As one of the newprediction,aforecast basedonfuzzyalgorithmhasbeen appeared and been appliedinrequirement ofproducts and inventory control[1].The purpose ofdivinationfor product requirement is to make theproduction plan,to arrange the components forproducts .Based on market to dec…     

滑坡灾害短期临滑预报监测新途径研究

由于滑坡灾害的复杂性,迄今为止,尚未形成经得起大量实践验证的预报理论与方法,现仍然是地质灾害学中正在探索研究而未完全解决的难题.通过对滑坡灾害研究史、预测预报、监测技术的分析,认为在滑坡进入加速变形至剧变形破坏阶段,地表及深部监测网点及其设施遭受破坏,无法继续利用“点”式测量方法采集监测数据的情况下,地面三维激光扫描仪可不受干扰独立进行滑坡的“面”式测量,为预测预报滑坡的发生时间提供第一手连续可靠的数据资料,可进一步提高滑坡灾害预测预报的精度.     

高层建筑物沉降变形监测实践

结合高层建筑沉降变形的监测实践,论述了沉降观测的应用技术、施工过程与方法,为确保建筑物的正常施工及安全运营提供了可靠的依据,沉降变形监测方法可供实际工程变形监测时参考。     

基于关联规则的态势预测方法

态势预测是网络态势感知的重要环节,可以为网络管理员提供必要的决策支撑。为了实现对网络的大数据管理模式,针对当前预测算法无法充分利用大数据优势的局限,提出了基于关联规则的态势预测方法。该方法综合考虑了大数据的特点和态势预测的需求,给出了方法的基本思想和实现流程。实验结果表明,提出的方法与传统预测方法相比,通过寻找数据间的关联物而不是非线性匹配来达到预测的目的,大大降低了计算的时间复杂度,提高了预测效率。     

地面沉降量的灰色预测方法

利用灰色模型对基坑施工过程地面学降量进行预测分析,通过建模及计算取得比较满意的结果。     

基于VMD和IBA-LSSVM的短期风电功率预测

为了提高风电功率预测精度,提出了一种基于变分模态分解(VMD)和改进的最小二乘支持向量机(LSSVM)的短期风力发电功率预测新模型。利用VMD将功率历史数据分解成趋势分量、细节分量和随机分量以降低原始数据的复杂性和不平稳性,然后建立IBA-LSSVM预测模型,利用改进蝙蝠算法(IBA)对最小二乘向量机的参数进行优化,并分别对各个子模态进行预测,叠加子模态的预测结果以得到最终的发电功率预测值。对宁夏某风电厂功率预测结果证明了该模型的有效性,通过不同预测模型的对比验证了模型具有较高的预测精度。     

统计预测法与同步数字系列基群时钟同步恢复

同步数字系列 ( SDH)指针调整给支路时钟带来了幅度很大的低频抖动 ,一般的时钟同步恢复方法 (如简单的模拟或数字锁相环 )已无法将其滤除 ,为恢复 SDH中基群时钟同步 ,提出了一种新的全数字化方法——统计预测法。该方法通过对一个统计周期内欲平滑时钟与参考时钟的差异的统计 ,在下一个周期内预测出支路时钟。从该方法的原理、抖动性能的分析以及给出的计算仿真结果和实验测试结果可知 ,该方法可以有效地平滑由于指针调整和码速调整产生的很大的相位跃变 ,恢复的时钟抖动很小 ,有很好的抖动转移特性和很大的捕捉范围 ,且不需要锁相环 ,系统便于集成 ,有利于设备的小型化。     

非线性SD模型振荡行为的结构基础解析及其应用

从系统动力学模型的结构角度对非线性大系统的振荡行为机制进行了分析,并给出了表函数环节的增益与相位移,完善了对复杂非线性SD模型的分析与把握,同时结合实际课题,利用该结构基础解析的思想对含有表函数环节的某非线性环境污染主导结构进行了分析,举例说明了该振荡分析方法的实际应用,并展示了它的实际应用价值。     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。     

基于LMBP算法的崇阳溪流域降雨径流预报模型研究

采用泰森多边形法对流域进行划分,分别确定崇阳溪上游流域6个雨量站控制子流域的面积权重.选择1997至2014年的14场流域降雨径流过程为训练样本,以上游6个雨量站的时段雨量和武夷山水文站前期流量为输入,武夷山水文站相应流量为输出,采用3层网络,其中隐含层节点数采用试算法确定,建立崇阳溪上游流域LMBP神经网络降雨径流预报模型.利用余下的7场降雨径流过程对模型进行检验,结果表明,模型运算速度快、时效性好,预报精度符合要求,可以用于流域的降雨径流预报.