基于小波理论的地磁脉动信号的消噪处理

利用小波变换良好的时 -频局部化性质和多分辨率分析特性 ,将含噪地磁微脉动信号中的有用信号与噪声区分开来 ,通过对高频系数进行阈值化处理 ,再经小波重构后的信号 ,实现了对原磁微脉动信号的消噪 .结果表明 :选用适当的小波 ,采取合适的阈值选择规则和比例调整方式 ,可以很好地实现对地磁微脉动信号的消噪处理 .处理结果与传统分析方法比较 ,具有不可比拟的优越性 .     

小波阈值消噪算法中分解层数的自适应确定

在对带白噪声信号的小波变换特性分析的基础上,基于自相关函数的白噪声检验方法,提出了一种确定小波分解层数的自适应算法.结合不同的小波阈值处理方法,用信噪比和最小均方误差为度量指标,探讨了在阈值消噪算法中本文提出的确定“最佳”分解层数算法对消噪的有效性.并给出了数值仿真实验结果及分析.数值仿真结果表明,该方法具有较好的去噪效果.     

基于MMSE和小波变换的语音增强算法

提出一种最小均方误差与小波变换相结合的改进算法来提高语音识别系统的性能. 首先通过小波变换对带噪语音进行多尺度分解, 然后对不同尺度的小波系数采用MMSE算法, 最后对MMSE处理过的小波系数进行重构得到增强语音. 实验结果表明: 与传统算法相比较, 提出的新算法去噪效果显著, 有效地提高了语音的质量.     

基于小波神经网络的东江流域径流模拟多模型比较研究

东江流域为香港及广州等特大城市的重要水源地,水文过程模拟及预测对流域水资源开发与管理具有重要理论与现实意义.本研究针对小波神经网络中最佳母小波和最佳等级选择问题,在与传统模型比较基础上,研究得出东江流域径流模拟的最佳小波神经网络模型,并以此进行东江流域的径流预测分析.结果表明:1)选择恰当的母小波可以有效捕捉信号统计特征,该流域蒸发量、降水量、温度和湿度的最佳分解母小波分别为Db4,Sym2,Db9及Db4小波,其小波分解最佳等级为5;2)小波神经网络作为新型混合优化模型,在母小波选择和分解等级确定后,经东江博罗站径流模拟分析,确定为东江流域最佳小波神经网络模拟模型.该研究用于东江径流的预测,效果在满意范围内.     

基于多因素回归分析和机器学习算法的冠心病预测模型构建及比较

本文旨在构建基于临床电子病历数据的冠心病预测模型.回顾性收集了2015年至2020年在宁波大学医学院附属医院住院期间,接受选择性冠状动脉造影的患者的临床数据,分别应用决策树、朴素贝叶斯和逻辑回归算法构建冠心病预测模型,比较3种模型的预测性能.共收集354例患者数据,其中冠心病患者140例,非冠心病患者214例,根据逻辑...     

基于光学小波联合变换相关器的图像尺度和旋转不变识别

提出一种基于光学小波联合变换相关器的图像识别系统。该系统对光学图像具有较高的识别力,并可实现图像的尺度和旋转不变识别。首先应用对数极坐标-梅林变换对参考图像和待测图像进行预处理,然后同时置于光学联合变换相关器的输入面上,在空间频谱面上通过小波滤波实现图像的光学小波变换,最后在输出面上得到二者的互相关峰。Matlab仿真结果表明,该系统同时排除了因图像尺度变化和旋转造成的干扰,并得到很好的峰噪比和识别力.更多还原     

基于改进阈值的小波域语音增强算法

提出了一种基于改进阈值的小波域语音增强算法.在阈值函数中引入参数,通过调整参数以获得较优的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间.利用改进阈值对染噪语音的小波系数进行阈值处理,达到了语音增强的目的.实验结果表明,该方法在抑制白噪声的同时减少了语音信息的损失,较硬阈值与软阈值的小波域语音增强方法相比,增强语音的信噪比、均方误差等性能均有明显的提高.     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

一种高分辨率遥感影像水体提取技术

针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息.利用以上技术,成功提取了浙江省嵊州市甘霖镇IKONOS全色影像中的水体信息,提取精度达到94.92%,错误率为9.01%,与传统密度分割、监督分类等方法相比较,此算法具有高精度、低噪声、高信噪比的优点.     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于灰理论的电力负荷预测模型

针对小样本数据,提出基于GM(1,1)模型进行电力负荷预测模型,并通过实例表明该模型在电力负荷预测中的可行性;开发了基于GM(1,1)模型的电力负荷预测系统,实现了在实际工作中所要求的数据录入、查询、分析和预测功能。     

基于改进卷积神经网络的数控机床旋转轴热误差建模方法

为对五轴数控机床旋转轴的热误差进行更精确地预测,解决变工况条件下预测精度不佳与热误差数据获取困难的问题,提出了基于改进卷积神经网络的热误差建模方法.采用激光干涉仪与热成像仪采集不同温度下的角度定位误差与热图像,对热误差进行傅里叶函数拟合,将预测目标由不同角度下的热误差转变为拟合函数参数.在VGG网络模型架构上,引入SKNet注意力机制,以提高模型对变工况下的热图像特征提取水平,并采用全局平均池化代替全连接层,以改善过拟合情况.将建立的模型用于热误差预测,结果表明,旋转轴热误差预测RMSE在升温状态下为8.36″,降温条件下为9.57″,预测精度达90%以上,优于普通卷积神经网络模型.结果证实了所提方法在旋转轴热误差建模中的有效性.     

基于神经网络集合预报的台风路径预报优化

针对目前台风路径预报研究中存在的预报精度不高、预报时次高耦合等缺陷,提出了一种基于神经网络集合预报的台风路径预报优化模型。运用混合模式集合预报思想和反向传播的多层前馈训练机制,充分挖掘数据特征,解决了单集合预报的固化性问题和单神经网络预报模型的随机性问题,为现有台风数值预报方法和人工智能技术的结合提供了新思路。以2018年活动在西北太平洋、南海地区的台风为样本进行对比实验,结果表明,60 h内的预报精度均得到了提高,一定程度上反映了该模型的实际应用价值。     

基于复合神经网络的多元水质指标预测模型

长江流域在我国水资源配置体系中具有重要地位,对其进行水质预测尤为重要。基于现有研究结果,结合循环神经网络（recurrent neural network,RNN）中的门控循环单元（gate recurrent unit,GRU）模型与全连接神经网络（fully connected neural network,FCNN）,提出了改进的多元水质指标预测（MWQPP）模型,并用其预测长江流域水体的pH、溶解氧（DO）、高锰酸盐指数（CODMn）、氨氮（NH₃-N）。基于长江流域2011—2018年23个水质监测点7 566条原始数据,经对比实验,证明了用MWQPP模型预测得到的均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和决定系数（R²）均优于传统水质预测模型,有效提升了水质预测的精度,具有较好的鲁棒性,为水质预测和流域管理提供了科学支撑。     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

一种云格环境下可计算资源与服务高效调配机制

为实现海量大数据的高效访问与处理,在资源与服务发现的基础上,探讨了一种云格环境下使用网络距离预测的方法来完成计算资源服务节点的选择机制.并从提高系统性能的角度,针对用户偏好,提出了一种可计算资源与服务的高效调配模型,来实现密集型数据的高性能计算;最后实验验证了本调配模型具有的可行性与针对性.     

基于FOA-FSVM的RF模式台风期阵风精细化预报

For the sake of improving the accuracy of forecasting wind speed during typhoon strike in WRF model forecast, a new method for precision forecasting of typhoon wind speed is proposed by combining the data collected from the WRF model forecast and an automatic observation station. The method incorporates many factors influencing the typhoon wind speed. The wind speed which is obtained using the traditional human prediction produces large error when compared with actual wind speed. To address this issue, a fuzzy support vector regression model for wind forecasting is built. Considering the fact that the fuzzy support vector regression model is not adequately efficient in determining the punishment factor and kernel parameter, the fly optimization algorithm is introduced into optimizing the parameters of the fuzzy support vector machine. According to the characteristics of the wind speed regression, the fruit fly optimization algorithm is developed in three dimensional space, combining with the enhancement factor γ for improving the global optimization ability of traditional fruit fly optimization algorithm. The results show that the forecasting wind speed and the actual one is in good agreement with each other, and the correlation is as high as 99％. The presented method of wind speed prediction provides higher accuracy than that of traditional FOA-FSVM model and FOA-SVM model.     

高阶常微分方程的动态演化建模

提出了采用高阶常微分方程模型代替传统时序分析中所用的ARMA模型来实现一维时间序列的建模和预报．设计的将遗传程序设计与遗传算法相嵌套的动态演化建模算法,用遗传程序设计优化模型结构,以遗传算法优化模型参数,边收集数据边建模边预报,首次成功地实现了时间序列实时预报的程序自动化．两个时间序列的应用实例表明采用此算法可获得较好的实时预报效果．