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。     

矿区岩体应力状态研究及其应用

为了研究矿区岩体应力状态,利用地质动力区划方法研究了区域地质构造,建立了区域地质模型,计算了构造应力场并划分出高构造应力区和高构造应力梯度区,分析了岩体应力状态与巷道稳定性、开采沉陷、矿山压力显现等的关系。研究结果表明:基于地质动力区划方法进行的区域岩体应力状态评估结果对于巷道支护设计、开采沉陷预计、矿压显现预测等采矿工程的设计和实施工作具有重要的指导意义。     

圆柱类构件超声相控阵聚焦模型

在利用平面相控阵超声换能器对圆柱类构件检测时,受曲界面结构引起的入射波和回波时延的影响,扫描声束的波阵面产生弯曲,在利用传统迭代遍历算法计算延迟时间时效率低,无法发挥相控阵换能器检测优势。针对上述问题,建立了一种基于圆柱类构件特征和耦合介质特性的超声相控阵扫描成像的聚焦模型。该模型基于换能器、耦合介质、圆柱类构件材料特性和几何关系以及声线模型和折射定律,建立了耦合介质及被检构件的声速、曲面曲率半径、阵列与曲面间的距离等关联的延迟时间聚焦控制模型。利用该模型计算出的延时时间,对各阵元发射时间进行控制,从而实现扫描声束的聚焦。该文以液体和有机玻璃制介质楔块为例,对圆柱钢曲面的相控阵声束聚焦进行了仿真实验,结果表明该文方法计算效率显著提升,同时声束可以在预设位置实现聚焦,验证了该模型在计算效率上的优势与有效性。     

基于人工神经网络的降雨径流模拟研究

针对水库径流难以预测的问题。采用改进的动量．自适应学习率调整BP神经网络方法,以南告水库作为研究对象,对水库的日资料进行径流模拟。并对该模型在径流模拟中的方法和难点问题进行分析和探讨。改进的BP模型模拟的结果与三水源新安江模型的模拟结果相比较,探讨改进的BP模型应用于水文模拟的可行性。研究结果表明,改进的BP模型用于水文模拟是可行的。     

双重子∑*△(ST=05/2)和∑*△(ST=31/2)态的结构

在推广的手征SU（3）夸克模型下,研究了带有一个奇异夸克的双重子态∑^＊△（ST=0 5/2）和∑^＊△（ST=3 1/2）的结构．结果表明,尽管手征SU（3）夸克模型和推广手征SU（3）夸克模型短程力的机制完全不同,但两种模型下给出的定性结果是一样的。即这两个双重子态都是束缚态。能量在∑^＊△道之下却在∧π△道之上．在推广手征SU（3）夸克模型下,∑^＊△（ST=3 1/2）态的结合能比∑^＊△（ST=0 5/2）态的结合能大．     

基于DPCA ALSSVR的燃气轮机负荷估算方法

燃机负荷的实时估计能够为燃机参与调峰创造重要的前提条件,针对燃机负荷的实时测算问题,提出了一种基于动态主元分析结合自适应支持向量机的燃机负荷回归估计方法.首先应用动态主元分析方法挖掘出与燃机负荷相关的主要参数,获得代表相关性程度的量化指标关联度.在此基础上,利用自适应支持向量机建立燃机负荷的回归估计模型,并通过交叉验证...     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提...     

预测模型组合开关

不同预测模型在同一时刻都存在不同的预测误差,最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,我们设计一种预测模型组合开关,根据数据的变化,不同时刻采用不同预测模型,使预测误差每一期都最小,或不是最大.实证结果表明,预测模型开关能够根据数据特征有效控制模型输出.     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。