多氯咔唑化合物热力学性质的神经网络预测

采用取代基片段值P和原子类型电拓扑状态指数Em有效表征了135个多氯咔唑化合物(PCCZs)的分子结构,通过选择变量与神经网络(BP)算法建立定量相关(QSPR)模型,以预测多氯咔唑化合物热力学性质.将选择的P,Em结构参数作为神经网络的输入层变量,热力学性质作为输出层变量,方程均采用5∶13∶1的网络结构,利用BP算法获得了3个令人满意的QSPR模型,它们的总相关系数分别为0.998 6,0.991 1和0.979 5,标准误差分别为2.123,3.237和3.952,利用这3个神经网络模型计算得到的预测值与文献值的相对平均误差分别为0.30%,1.85%和1.14%,表明模型具有良好的稳定性和预测能力.该神经网络模型所得结果优于多元回归方法所得结果,可用于对多氯咔唑化合物性质进行理论分析和预测.     

基于相关向量机的网络舆情情感趋势预测

对网络舆情事件中网民评论的情感发展趋势进行准确预测具有非常重要的意义和价值.本文提出将网民评论的情感值作为预测指标,通过对评论的句式分析,利用短语模式计算单句及复句的情感值,构建情感值时间序列,建立基于相关向量机的网络舆情情感趋势预测模型,对网络舆情事件中网民评论情感趋势进行预测.选择新浪微博中关注度较高的头条新闻中微博评论的舆情事件作为实验对象,运用本文模型与基于BP神经网络、Elman神经网络等预测模型进行对比.实验结果表明,本文模型具有较高的预测精度,平均绝对百分误差(MAPE)和均方根误差(RMSE)均优于基于BP神经网络和Elman神经网络的预测模型,能较好地预测出网络舆情事件中网民评论情感趋势.     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

模糊分析方法在养老金财务系统控制中的应用

首先用系统工程方法将养老金财务系统分解为养老金筹集财务子系统、养老基金和财产运营财务子系统、养老金发放财务子系统三个子系统,以体现社会统筹与个人账户相结合,基金筹集与社会保障运营相分离的原则;然后运用二层模糊综合评价方法给出我国养老金财务系统处于“正常”状态程度的描述;最后运用模糊控制理论和方法,对“正常”状态程度较低的养老金财务系统建立以“养老基金征缴率、营利投资运营资金比例、运营收益分配比例”为三个关键性指标的模糊反馈控制数学模型,从而协调三个子系统内部运行目标和机制,以达到“正常”的系统和谐状态。     

车用锂离子动力电池SOC时间序列的BP神经网络预测模型

由于车用锂离子动力电池系统具有高度复杂的非线性特性,很难建立准确的电路模型对荷电状态(State of Charge,SOC)进行实时在线获取。为此本文在分析并判别锂离子动力电池系统的混沌特性基础上,建立SOC时间序列的BP神经网络预测模型,并与二阶RC网络模型构成闭环控制系统。仿真结果表明,由二阶RC网络模型与BP神经网络模型构成的闭环控制系统具有较高的预测精度,较好的实时性及实际应用前景。     

人工智能神经网络在新能源微电网中的应用

新能源微电网是较复杂的新型发配电系统.由于构成微电网的新能源风力发电的不稳定性,对微电网的稳定运行产生影响.使用人工智能方法预测负荷与风力发电量,能够提高预测精度,有利于微电网的能量管理与运行优化,对微电网的稳定运行具有重要意义.本文应用人工智能神经网络技术,建立基于RBF(Radial Basis Function)神经网络的短期负荷预测模型和风力发电量预测模型,分别对未来24 h的短期负荷与风力发电量进行预测.预测结果与实测值的误差验证了提出方法的有效可行性.结果表明,基于RBF神经网络的短期负荷预测方法与风力发电量的预测方法都适用于微电网系统.     

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010-2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。更多还原     

金融危机下Fama-French多因子模型在中国债券市场的应用

利用近3年的中国债券市场数据,建立了Fama-French多因子模型,并利用多元回归方法进行了比较分析.结果表明,TERM-DEF两因子模型有着较好的适用性,但存在进一步改进的空间.     

养老金预测相关模型及替代率、收支平衡的分析

企业职工养老基金的收支平衡，关系到社会稳定和向老龄化社会的顺利过渡．利用微分方程、高阶函数建立了预测远期社会平均工资及职工在职时的工资模型，并经分析对比，选用与实际吻合较好的模型，以3种年龄段为例，计算分析了它们的养老金、替代率、收支等情况．结果表明：职工年平均工资高、退休年龄迟于60岁、缴费年数多于20年，则替代率高，能接近目标值；若基础养老金按现收现付方式管理，且按目前法定年龄退休，则缺口较大．因此，要从政策与管理等多方面采取有效措施，保障养老金保险制度顺利实施．     

模糊神经网络在复合地基沉降量预测中的应用

复合地基后期沉降变形对于建筑物设计及安全具有重要意义,针对通过长期沉降观测以得到复合地基的最终沉降需要耗费较多资源的问题,提出了一种基于模糊神经网络的预测方法.该方法考虑沉降变化过程有较大的随机性和模糊性,直接将样本数据进行模糊化,所得的模糊数代表了样本点集与控制点集中各分量之间的相关度,并依此建立模糊BP神经网络进行学习和估算.实验结果表明了该方法对沉降进行预测是可行与有效的,且在相对误差的有效控制方面优于BP网络方法与灰色方法.     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.     

BP神经网络技术在移动通信客户信用分析中的应用

提出了一种移动通信客户信用预测评估的方法．该方法基于移动通信客户行为属性的统计分析，以其作为客户信用预测评估的依据，建立BP神经网络的训练和识别的模型．通过随机选择2003年8月全网数据(403206个客户)中3％作为样本进行训练，确定了网络模型参数，与已有的信用评估方法相比，该方法的泛化性能高，适用于大规模的客户信用评估，所得到的客户特征属性对移动通信客户信用研究提供了理论和实践的依据。     

基于投资衍生产品的缴费型养老金的最优投资策略

研究确定缴费(DC)型养老金可投资衍生产品时的最优投资问题. 假设在金融市场中有3种可投资产品, 包含1种无风险资产、1种股票和1种金融衍生产品. 假定养老金管理者以最大化养老金的期末财富效用为目标, 运用动态随机规划原理, 分别得到了指数效用和幂效用2种情况下DC型养老金最优投资策略的显式解, 给出了风险敞口的数值结果, 并分析了模型参数对风险敞口的影响.     

基于理想方案的BP神经网络土地利用规划方案评价

将神经网络方法引入土地利用规划方案的评价中,并针对没有已知的学习样本可供学习的情况,提出了一种基于"理想方案"的学习和评价方法,并以北京市平谷区王辛庄镇的土地利用规划方案评价为例,进行了实证研究.结果表明:基于理想方案的BP神经网络评价方法实现了定性分析与定量分析的有机结合,较好地保证了评价结果的客观性,是一种有效评价方法.     

用BP神经网络模型评价养殖区水域的富营养化——以湖州地区为例

根据养殖区水域富营养化程度主要影响因素和评价标准,用足够多的BP神经网络训练样本、检验样本和测试样本进行模拟学习,给出了区分养殖区富营养化程度的分界值,能够直观地进行不同等级富营养化程度的划分.所得到的神经网络模型具有较好的泛化能力和预测能力,减少了人为主观因素的影响,该模型有一定的客观性、通用性和实用性.实例分析表明,湖州地区养殖区外荡水域富营养化程度比较严重,处于富营养化和重富营养化状态.     

基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征, 提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法. 基于小波去噪对滚动轴承原始信号进行预处理, 对重构的故障信号进行EEMD并得到多个本征模态函数分量. 利用能量矩方法计算出所需分量的能量矩并归一化, 将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入, 根据加速度传感器信号实现滚动轴承故障诊断. 分别在不同转速(载荷)下采集驱动端轴承的振动信号, 获取200个训练样本和80个测试样本, 并建立故障诊断模型. 基于文中模型对实际滚动轴承数据进行诊断, 实验结果表明, 不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.     

耦合忆阻复值神经网络的固定时间同步

本文研究了具有时变时滞的耦合忆阻复值神经网络的固定时间同步.首先,引入了复值符号函数来避开传统的分离方法,并建立了一个新的固定时间稳定定理来改进已有的相关结论;然后,通过设计不连续控制策略,利用微分包含理论,建立了主从耦合忆阻复值神经网络的固定时间同步判据.本文的控制策略并不包含线性部分,简化了传统的控制设计;最后,通过数值实例对理论结果进行了验证.     

基于电磁仿真的粗糙面上二维目标参数反演

针对海洋(或陆地)环境中目标电磁逆散射问题开展研究,建立了粗糙面上简单导体目标的电磁散射模型,通过精确的电磁散射建模得到散射回波数据,包括空间分布采样和频率采样,再分别应用BP神经网络(BPNN)和支持向量机(SVM)两种方法反演粗糙面上二维导体目标的特征几何尺寸.在粗糙面上圆柱几何参数反演以及海上舰船尺寸反演过程中需要考虑粗糙面的随机性,因此对散射数据进行了多次统计,实现了随机粗糙面上方目标的特征参数重构.     

具有动态阈值的人工神经网络

在研究神经元阈值作用的基础上,提出了神经网络中神经元的动态阈值选择作用和神经元之间抑制作用模型,研究表明,这种模型能降低应用对象模型的复杂性,简化网络运行的中间过程,修正二值输出函数的性能,使收敛速度和有效性得到改善.将这种人工神经网络用于求解TSP问题,显示系统还具有模拟退火作用的效果.     

外包软件项目风险决策树智能分析模型

软件项目外包已成为主要的软件开发方式,但风险却很高.本文提出了外包软件项目风险的决策树智能分析实证模型,并用此模型对项目风险进行评估和控制.建立了基于客户方和承包方双视角的风险识别概念模型,收集了外包软件项目真实样本用于决策树风险智能分析模型的训练和验证.实验结果表明,本文所采用的方法在准确率方面优于神经网络、朴素贝叶斯算法.决策树模型所发现的管理规则与软件工程理论相吻合,能很好地指导项目风险评估分析.