排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
从计算原理和计算速度两个方面详细地分析比较规格化对求解线性方程组的高斯消元法在消元和回代过程中的影响,其中包括计算公式的变化、计算元素的计算次数、规格化元素的计算次数、计算所有元素所需的元素总数、对复数矩阵和实数矩阵的计算速度的影响等内容的比较,并对IEEE-57、-118、-300节点系统进行编程比较计算。计算结果表明,高斯消元法中规格化的计算虽极为简单,且对回代环节的影响不大,但可以大大提高前代环节的计算速度,从而大大提高求解线性方程组的计算速度,尤其是对复数矩阵。该结论同样适用于电力系统等各个工程领域用高斯消元方法求解线性方程组。更多还原 相似文献
2.
3.
中国企业员工流动受到中国商品生产季节性、劳动力市场供给周期性、员工身份两栖化等多种因素的影响,其数据呈现出季节性、非线性等特征。单一的自回归单整移动平均模型(ARIMA模型)不能较好地拟合其发展趋势并预测未来。本文通过神经网络模型(ANN模型)来修正传统的自回归单整移动平均模型(ARIMA模型),并加入季节性因素,从而形成SARIMA-ANN耦合模型,对企业员工流动的数据进行拟合与预测。通过对多组SARIMA-ANN模型的构建、衡量、比较与讨论,最终确定了较佳的神经网络对时间序列模型进行修正的耦合模型。实证结果显示,SARIMA-ANN模型充分考虑数据的季节性与趋势性,随机性与非线性特征并存的问题,对于季节性时间序列的经济数据的处理与预测是切实可行的。该耦合模型的应用证实了中国企业员工流动数据的趋势性与季节性、线性与非线性特征并存。这说明中国企业员工的流动具有更复杂的不规则的运动与突变,在精确预测有一定难度的情况下做好现有员工的留存工作是首要之策。 相似文献
1