基于粗糙集和BP神经网络的石化管道外腐蚀程度预测应用

研究管道外腐蚀程度预测问题。传统预测方法有专家评分系统等,而造成管道腐蚀的原因众多,专家对各个因素的偏好不一样,因此这类方法个人主观因素较强,预测的结果不够客观、准确。为了克服个人主观影响,提高预测精度,提出粗糙集理论-BP神经网络预测模型。该预测模型首先利用粗糙集理论消除管道腐蚀影响因素中的冗余因素,然后利用BP神经网络依据处理后的数据进行学习建模,并测试。仿真结果表明了该模型简洁性、快速性和有效性。     

基于泛性模糊数的VIKOR方法研究

建立了一种泛性模糊数可比较的度量,对决策信息通常为泛性模糊数的决策问题进行加工和扩展,提出了基于泛性模糊数不确定信息的VIKOR决策方法,实现了属性为泛性模糊数的多属性群决策及信息融合的目的.     

一种基于支持向量域描述的区间数分类

研究了基于数据的区间数智能决策分析,提出了一种基于区间数的支持向量域多分类软计算方法,该方法可以直接处理特征空间为区间数的多分类问题,拓展了支持向量域多分类算法应用的范围.