基于在线序列极限学习机的路段行程时间预测算法

本文针对路段行程时间具有非线性、实时性等特点,研究人员已经提出了动态神经网络、卡尔曼滤波等在线预测算法。而现有大多数实时预测算法并不是真正意义上的实时预测且存在复杂度较高、实时性差等问题。本文在极限学习机的基础上,提出了基于在线序列极限学习机的路段行程时间预测算法,算法能保证预测的实时性。     

基于支持向量机的输变电工程造价预测模型研究

针对影响输变电工程造价的因素较多,且各个因素之间相互联系,形成一个相互交叠的网络,从而导致造价预测难度较大,精度较低的问题。建立基于支持向量机的输变电工程造价预测模型,其以输变电工程造价影响因素为输入自变量,预测造价为输出值,通过支持向量机求解回归方程,并通过交叉验证来确定模型的相关参数,从而确定输变电工程造价预测模型,进而通过模型来预测输变电工程造价。最后通过样本数据来对模型进行训练,并对模型进行验证,证明了模型的准确性。     

基于工程量清单计价模式的输变电工程造价风险评估模型研究

现行的工程量清单计价模式易导致施工方报价不平衡,从而使建设管理单位发生超概算事件。在深入分析施工单位投标策略以及建设管理部门所面临风险的基础上,构建不平衡报价最优模型,以此得出施工单位报价,然后利用蒙特卡洛方法建立输变电工程造价风险评估模型,并对所建模型进行计算机仿真,得出输变电工程造价风险,并根据风险大小来确定需要采取的措施以规避风险或者减少超概算情况。     

基于蒙特卡洛法的输变电工程造价风险评估模型研究

针对输变电工程建设的诸多不稳定因素与复杂情况所造成的造价不确定问题,结合输变电工程特点,分析工程造价内容与风险识别,给出输变电工程造价概率分布函数和蒙特卡洛算法框架,构建基于蒙特卡洛法的输变电工程造价风险评估模型。并对模型进行计算机仿真计算,得出变电站工程的造价风险,以及工程结余率为80%时的工程造价。     

基于组合模型的短时交通流量预测算法

交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。     

基于PSO-ELM特征映射的KNN分类算法

针对传统极端学习机算法(ELM)和K近邻分类算法(KNN)在处理分类问题中存在的问题,提出一种基于PSOELM特征映射的KNN分类算法。该算法利用ELM的输入层权值和隐层神经元对输入样本进行非线性映射,并利用粒子群算法(PSO)寻找一组最优的ELM映射参数,再将映射后的特征样本输入到KNN算法中,提高处理线性不可分问题的能力。在多个数据集上的实验结果表明,文中算法比KNN改进算法以及ELM改进算法有更高的分类正确率。     

浅谈电力系统输变电工程项目管理

文中针对电力系统输变电工程中存在的一些管理缺陷和问题,提出了有效的工程项目管理措施,以供业内人士参考借鉴。     

捕鱼算法优化极限学习机的运动员成绩预测

针对当前运动员成绩预测精度低的难题,提出捕鱼算法优化极限学习机的运动员成绩预测模型。收集运动员成绩的时间序列,进行聚类分析建立学习样本,采用极限学习机对学习样本进行训练,并采用捕鱼算法对极限学习进行优化,建立运动员成绩预测模型,最后采用具体数据对运动员成绩预测性能进行测试。测试结果表明,该模型可以准确拟合运动员成绩的变化特点,获得了较高精度的运动员成绩预测结果,而且预测结果要显著优于其他模型,具有较高的实际应用价值。     

基于改进极限学习机的数据智能化分析算法设计

针对医疗财务数据的风险,文中提出了一种基于灰狼优化算法改进极限学习机的数据分析方法,实现了对数据风险的精准预测。该算法基于极限学习对数据进行深度挖掘和分析,并在此基础上进行改进,通过灰狼优化算法对极限学习机的权重参数进行优化。通过在真实数据集上与极限学习机进行实验对比,本算法的决定系数R2为0.96,优于极限学习机的0.81,验证了所提算法的有效性。同时,为了进一步验证该文算法的优越性,在实验仿真过程中还与多种机器学习算法进行对比,结果表明文中算法的预测效果更为优越,相比于其中表现最佳的SVM也有了0.06的提升。     

Network traffic prediction model based on improved VMD and PSO-ELM

The rapid update of computing power leads to exponential data traffic growth, and the incidence of network attacks is also increasing. It is significantly important to analyze and predict network traffic accurately in the early stage and take corresponding preventive measures. The existing network flow integrated forecasting models still have some bottlenecks that are difficult to solve, for example, the slow optimization speed of modal decomposition parameters, easy falling into local optimal solutions, the slow convergence speed of the training process, and poor generalization capability. In this paper, particle swarm optimization (PSO) is utilized to improve the parameters selection process of the variational mode decomposition (VMD) algorithm and the extreme learning machine (ELM) algorithm. First, the PSO-VMD combined with multi-scale permutation entropy (MPE) is utilized to decompose the original network flow, and multiple eigenmode components are obtained. Second, the PSO-ELM is utilized to train the network traffic prediction model, and the PSO parameters in PSO-ELM are updated through adaptive weight adjustment and synchronous learning factors to increase the training and prediction speed, and the component prediction results are reconstructed to get a high-precision network flow forecasting result. Finally, through the prediction and verification of the public network flow data of the WIDE backbone, the result of this experiment indicates that the VMD-PSO-ELM can break through the bottlenecks of slow optimization speed of VMD decomposition parameters, reduce the computational complexity of ELM, accelerate the convergence speed, and increase the forecasting accuracy.     

基于智能数据挖掘算法的工程数据信息预测模型研究

针对电力工程投资精益化管理的需求,文中结合电力公司多年积累的工程数据资源进行了智能化数据挖掘算法的研究,提出一种基于电力工程设备材料历史价格和价格波动因素的工程数据预测方法.该方法基于支持向量机(SVM)、灰狼优化(GWO)和差分进化算法原理展开,其中,SVM的参数识别基于结构风险最小原则,避免了算法迭代过程中的过拟合...     

改进的基于小波变换和FARIMA模型的网络流量预测算法

提出了一种改进的基于小波变换和FARIMA模型的网络流量预测算法,先对经过预处理的流量进行小波分解,再进行Mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后合成流量。该算法较之传统的首先用FARIMA模型对小波系数进行预测再进行小波重构的算法减小了预测误差。仿真实验也验证了改进算法的预测准确性。     

基于BP神经网络的输电线路工程造价预测模型研究

针对输电线路工程前期项目比选种类多,造价估算偏差大,如何利用少量信息得到较准确工程造价的问题,结合BP神经网络算法构建了输电线工程造价预测模型。其以工程造价的影响因素作为BP神经网络的输入,通过3层网络结构,得到输电线路工程造价估计值。最后采用实际工程数据对提出的输电线工程造价预测模型进行实验仿真,得到的实验结果显示,该模型能准确估计工程造价,从而适合于评估工程前期比选方案的优劣。     

Automotive drivetrain model for transmission damage prediction

This paper presents the development and the validation of an automotive drivetrain model aimed to investigate the impact of true-to-life operating conditions on the damage prediction of transmission gearwheels. The model is based on a torsional and non-linear multi-body system representing the rotating parts between the engine and the driven wheels. The boundary conditions are performed with an engine model and a tire model coupled with a suspension & pitch model. The generation of the driving inputs is fully automated through a tunable driver model relying on predefined driving cycles. The model allows the simulation of start-up processes, gear shifts and tire grip loss, as well as of the transmission dynamics and the eigenbehavior of the gearwheels. The damage estimation is computed continuously and in parallel, by means of a linear damage accumulation method. The drivetrain dynamics was validated with temporal and frequency analyses based on measurements, data from the transmission manufacturer and literature. The estimated damages are also reality-conform. They were validated with comparative data recorded on vehicles during a measurement campaign on open roads.     

基于灰色预测模型的电视频道热度预测

针对电视频道热度的预测可以为业务决策提供重要依据,电视频道热度受到多种复杂因素的影响,包括电视频道的播放内容及收视群体等因素.基于某地卫视频道一周的频道热度数据,利用灰色预测模型进行频道热度的短期预测,对预测值与实际采集值进行对比,结果证明在原始数据量少及样本种类单一的情况下,灰度预测模型能较好的对电视频道热度进行中短期预测.     

基于激光通信的视频信号传输速度预测方法

为了提高激光通信系统视频信号传输速度自动预测能力,提出一种基于小波分析和高阶谱特征提取的激光通信系统视频信号传输速度自动预测方法。采用一阶近似分布源视频检测方法进行激光通信系统视频传输信号的降噪处理,对降噪输出的视频传输信号进行特征分解和多维测度信息配准,结合小波多层重构方法进行激光通信视频信号的重组,提取视频传输信号的相干分布源特征,根据提取的激光通信视频信号的相干分布源特征进行自动匹配,实现对激光通信系统视频信号传输速度的自动预测。仿真结果表明,采用该方法进行激光通信系统视频信号传输速度自动预测的准确性较好,对激光通信视频信号的分辨能力较好,提高了激光通信系统的视频信号传输速度的预测性能。