基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处理,并依据互信息关联分析优选输入参数降低模型冗余.其次,利用粒子群优化(particle swarm optimization,PSO)算法实现对BP神经网络初始权值、阈值的优化,建立机械钻速预测新模型,并将PSO-BP新模型与标准BP、BAS(Beetle Antennae Search,天牛须算法)-BP及GA(genetic algorithm,遗传算法)-BP等三种模型进行对比分析.最后,根据实际工况对PSO-BP钻井机械钻速预测模型进行模型评价.结果表明,PSO-BP机械钻速预测模型不仅具有良好的预测精度,而且为钻进过程中提高机械钻速提供科学的参考.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

粒子群算法优化BP神经网络

现实生活中绝大数系统都是非线性的,BP神经网络通过训练能否达到局部最优值、能否收敛以及训练的时间长短与初始值和阈值的选取关系密切.为此采用了具有动态惯性权重的粒子群算法对BP神经网络初始值进行优化.实验表明具有动态惯性权重的粒子群算法优化BP神经网络预测误差很小,能够跳出局部极小值,得到更优的结果.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

基于改进粒子群优化的BP神经网络图像压缩方法

为了改善反向传播(BP)神经网络算法过度依赖初始参数,导致网络收敛速度慢,容易陷入局部极小值的问题,提出利用改进的粒子群优化(IPSO)算法,对BP神经网络的参数进行优化,找出合适的初始权值和阈值。该文算法在基本粒子群优化(PSO)算法中增加了基于四分位数的选择策略,引入遗传算法的自适应变异概率作为扰动概率,加入基于个体自身适应度值与种群平均适应度值比值的自适应扰动策略。该文算法IPSO-BP对训练图像Lena、测试图像Cameraman和验证图像Peppers效果都有明显的提高,经过IPSO-BP训练的模型峰值信噪比(PSNR)和均方误差(MSE)明显好于惯性权重线性递减的粒子群优化-反向传播(LDWPSO-BP)、基于动态加速因子的粒子群优化-反向传播(PSO-DAC-BP)、基于正态分布衰减惯性权重的粒子群优化-反向传播(NDPSO-BP)、自适应变异粒子群优化-反向传播(ADVPSO-BP)、遗传算法-反向传播(GA-BP)以及天牛须搜索-反向传播(BAS-BP),PSNR在7种算法中最大,MSE在7种算法中最小。虽然IPSO-BP在图像Lena上的压缩率(CR)小于PSO-D...     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

自适应粒子群优化BP神经网络的变压器故障诊断

在分析粒子群参数特征的基础上,提出自适应粒子群优化算法,使用自适应粒子群优化BP神经网络,建立基于自适应粒子群优化BP神经网络(PSO-BP)的变压器故障诊断系统.通过对52组训练样本和28组测试样本的仿真实验,可知自适应PSO-BP法能提高变压器故障诊断的准确率,有效减小网络的误差精度.     

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.     

基于利率平价关系的汇率模型

建立了基于利率平价关系的汇率模型,导出了汇率期权的定价公式,研究了该模型的检验问题和模型参数的估计问题,结果表明,在原测度下,该模型的统计推断问题难度很大,使用通常的时间序列分析方法不能得出令人满意的结论;而在等价鞅测度下讨论该模型的统计推断问题,大大降低了研究的难度．     

基于山东省经济增长率预测就业增长率的实证分析

利用Cobb-Dauglas生产函数和新古典经济增长理论,研究经济增长率和就业增长率的关系,求得两者的关系式,并用SPSS软件处理数据,以便利用实际的经济增长率来预测就业增长率的变化趋势.     

关于利率互换的分析和研究

文章阐述了利率互换是金融学中的一个重要工具,通过利率互换可以优化投资,获得市场上的最大效益,还可以避免一些风险,确保不必要的损失;并应用数学知识和Matlab数学软件进行了分析和计算。     

温度对成体荒漠沙蜥代谢率、心率和呼吸频率的影响

对荒漠沙蜥成体代谢率和心率等生理指标的温度适应性进行了研究,旨在检测不同温度下成体荒漠沙蜥的静止代谢率、心率和呼吸频率的差异.结果显示:成体荒漠沙蜥的静止代谢率和心率随外界温度的升高而明显上升,但呼吸频率的上升并不显著.雌雄两性间,雄性蜥蜴呼吸频率对温度变化的依赖性比雌性的略强,且35?C下雄性的代谢率显著高于雌性的.这些生理特征与荒漠沙蜥的生境和活动特点直接相关.我们推测25～35?C荒漠沙蜥可能更多地依赖于提高心率和增加血流量来调整代谢率.     

基于浮动工时率的资源均衡问题研究

引入浮动工时率的概念，提出了结合浮动工时率和网络计划工序拓扑排序的一种新的编码解码方法．与一般的网络计划资源均衡中应用的遗传算法相比，可以避免遗传操作——初始化种群、交叉、变异中可能出现的一些违反网络计划工序间逻辑关系的非法个体的情况，具有简单、实用的特点，可在网络计划优化问题中推广．     

室内模拟气温测定玉米种子发芽率的研究

通过比较国标法与室内模拟气温法测定的玉米种子发芽率与田间实际出苗状况的相关性，提出对直观状况正常的种子(新鲜种子)一般应采用国标法测其发芽率，而对直观状况特别的种子(陈旧种子)最好采用室内模拟气温法．     

三峡地区极短周期内剥蚀速率、下切速率及地表隆升速率对比研究

通过河流输沙量计算出三峡地区短周期的剥蚀速率为0.084 mm/a,将剥蚀速率、下切速率以及隆升速率对比研究,确定了长江流域三峡段极短周期内下切速率与地表隆升速率之间的线性关系,并得出侵蚀基准面及气候变化的约束系数大约是0.4.基于前人对三峡地区一级阶地的数据,计算出一级阶地的下切速率约为3.025 mm/a.现代地壳变形测量和GPS测量结果,发现黄陵穹隆现今地表相对于周边地区其地表隆升速率最大可达5～10 mm/a.取其平均值7.5 mm/a作为三峡地区极短周期的地表隆升速率,对比分析三峡地区剥蚀速率、下切速率与隆升速率,结果该区隆升速率大于剥蚀速率,大约是剥蚀速率的89倍;下切速率也大于剥蚀速率,大约是剥蚀速率的36倍;隆升速率同样大于下切速率,大约是下切速率的2.5倍.三峡地区隆升大于剥蚀,也大于下切速率,三峡地区地表仍然在不断地升高;而地表剥蚀速率小于下切速率,地表切割进一步加深,因此地貌出现高低起伏、山高谷深的形态,并有进一步加剧的趋势.     

HEVC码率控制技术的研究进展

鉴于码率控制在视频编码应用中的重要性,综述了针对新一代国际视频编码标准HEVC (high efficiency video coding)的码率控制技术研究进展。介绍了码率控制的基本工作原理,通过调节编码器参数使输出码率符合信道带宽限制或满足存储设备的容量需求,主要包含比特分配和比特控制2个部分。然后,介绍了HEVC开发过程中接收的2个重要码率控制技术提案,从码率模型和比特分配两方面阐述了提案中的URQ (unified rate-quantization) 模型码率控制算法和R-λ模型码率控制算法。依据比特控制中的码率模型选择,把近年出现的HEVC码率控制算法分为Q域或λ域方法,并分别展开论述和技术点归纳;对HEVC扩展及其相应的码率控制进行了简要阐述。最后,结合码率控制仍需解决的问题,提出一些值得进一步探索的工作。     

系数乘法器构成的程控方波信号发生器

介绍一种由89C51单片机控制、BCD系数乘法器4527数字合成的方波信号发生器及其电路组成和工作原理.该方波信号发生器配有键盘及I2C总线形式的LCD液晶显示模块,可在1～10 kHz范围内对发生器的频率进行任意预置和显示,并具有"单点"和"扫描"等多种功能.     

关于推进我国利率市场化的探讨

随着我国改革开放的进一步深入,尤其是金融市场的对外开放,实现利率市场化成为我国推进社会主义市场经济和参与国际金融市场的必要条件。1996年放开银行间同业拆借利率以来,我国开始有步骤地实施利率市场化,取得了明显的成绩。但就目前来看,利率市场化改革远未完成,还存在一些制约因素。要达到利率市场化目标,应进一步完善和发展金融市场,为利率市场化提供运行机制;加强金融监管,确保市场的公平透明;提高央行货币政策的独立性,减少政府干预;造就一个较能有效进行自我管理的银行体系,培育健康的市场主体。