一种融合专家和数据的综合知识建模框架

专家系统过分依赖于专家的知识,如何准确地获取专家知识成为系统工作的瓶颈,将历史数据和专家知识有效结合成为智能建模领域的一个难题.提出一个融合专家知识和历史数据的综合知识建模框架,首先利用简单的IF-THEN推理规则表示专家的经验知识,再基于历史数据设计一系列自动分析方法,通过聚类分析、规则提取、近似推理、规则调整等过程形成一个数据分析引擎,协助专家正确建立并优化知识模型,为领域专家提供一个将个人知识和数据抽取规则相融合的综合建模方法.     

基于GAT-BILSTM-Res的水质预测模型

针对水质数据在时间维度的依赖关系以及水质监测站点在空间维度的依赖关系,基于海河流域天津段实际监测的历史水质数据,设计了有效提取时空特征的方法,提出一种融合图注意力网络（GAT）、双向长短期记忆网络（Bi-LSTM）以及残差块（ResBlock）的时空水质预测模型（GAT-BILSTM-Res）.该模型首先通过GAT捕获水质监测站点之间的拓扑关系,建立空间相关性模型;同时通过Bi-LSTM捕捉水质监测数据的动态变化,并对时间相关性进行建模;然后将时空特征融合,输入残差块;最后使用全连接层对预测结果进行输出.实验结果表明,相较于基线模型,该模型能够实现6.6%～25.2%的性能提升.     

基于APSO-WLSSVR的水质预测模型

为解决传统预测方法和标准最小二乘支持向量回归机(least squares support vector regression, LSSVR)在水质预测中存在预测精度低、鲁棒性差等问题,提出了自适应粒子群优化加权最小二乘支持向量回归机(adaptive particle swarm optimization weighted least squares support vector regression, APSO-WLSSVR)的水质预测模型。根据样本对模型重要性不同为各样本赋予不同权重,建立了加权最小二乘支持向量回归机(weighted least squares support vector regression, WLSSVR),实现对样本数据“重近轻远” 的优化选择,避免标准LSSVR算法因没有考虑样本重要性差异致使预测精度低的问题;采用自适应粒子群优化算法对模型参数组合进行优化选择,克服了标准LSSVR算法因试凑法获取参数的盲目性和人为因素的影响。为验证该模型的性能,对江苏省宜兴市集约化河蟹养殖水质进行预测,并与其他预测方法对比分析,结果表明该模型预测精度明显提高,还具有较好的鲁棒性和泛化能力,能够满足集约化水产养殖水质管理的实际需要。     

一种广义预测模型的研究

传统的预测方法存在着难以全面考虑影响因素，其中包括算法复杂、精度较差、实时应用等缺点，针对供热、空调、电力、供水等系统的负荷既受到环境因素等模拟量的影响，又受到节假日、上下班等开关量影响的特点，将模拟人脑逻辑思维的模糊技术与模拟人脑自学习的神经网络技术相结合的模糊神经网络引入到负荷的预测中，提出了一种新型的基于模糊神经网络的预测模型，并对输入量的选择进行了详细的分析，既考虑了历史数据的影响，又考虑了突发事件的作用，获得了较快的预测速度和较高的预测精度。     

一种改进的灰色预测模型

针对实际工作中出现不等时距的情况,依据灰色模型的建模机理提出了一种不等时距序列的灰色预测模型背景值的新的计算方法,并建立了新的不等时距序列的灰色预测模型,通过算例表明其效果优于传统的做法,有较高的拟合和预测精度.     

一种油田产量和可采储量的预测模型及应用

对于油田生产来说,要保证一个好的经济效益,就必须有一个高的稳定的油产量,确保油田高产稳产是油田开发生产的中心任务.因此,对油田油产量的准确预测一直是油田开发工作者的重要研究任务之一.本文根据指数增长模型建立油田产量与预测模型,结合计算机对辽河油田1994～2003年的产油量进行预测分析,将预测值与实际值进行比较,并检验了预测值的可靠性,进而得出该模型具有一定的实用性和科学性.     

故障诊断中关联结果与专家知识的融合技术

故障诊断技术包括基于模型的诊断和基于知识的诊断。基于综合应用两方面技术进行诊断的信息融合的故障诊断技术为解决复杂诊断对象提供了解决思路，但其中涉及到要将数据关联的结果与专家的诊断知识相融合的技术关键。为解决这个关键技术，应用以证据理论为基础的证据推理方法和信息融合中的数据关联方法，将数据关联的结果转化为信任区间，与专家诊断知识进行动态的融合处理，进而提出将数据关联结果与专家知识相融合的方法。航天器故障诊断的实例说明，这种方法可以解决关联结果与诊断知识的融合问题，实际应用效果良好。     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型．实验证明该模型的预测精度有显著提高．     

一种基于特征融合与评分反馈的CQA专家推荐方法

基于社区问答CQA(community-based question and answering)的知识分享已成为互联网时代的主流交互平台,然而随着大量用户参与和大量问题的涌入,普遍存在问题回复慢而领域专家又难以发现合适的问题回答的回答饥饿(answer hungry)现象.已有的专家推荐方法多基于提问者、问题、答...     

一种苦咸水的水质稳定处理

通过试验筛选出了一种适用于苦咸水水质稳定处理的配方。该配方在烟台煤气厂运行情况良好，具有一定的推广价值。     

滇池水体富营养化水质预测模型的研究

本研究实质上是浅水型高原湖泊的水动力生态水质模拟模型、模型模拟了湖泊的水位、水温、悬浮物、可溶解磷、颗粒磷、总磷、浮游植物和透明度等参数的日平均值、模型得到了充分验证,模拟精度良好。最终对滇池1988年度的富营养程度进行了判别.     

基于PSO-WSVR的短期水质预测模型研究

针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型.在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路.     

一种自适应指数平滑动态预测模型

针对传统指数平滑预测模型的不足,设计了一种自适应指数平滑动态预测模型。该模型实现了对时间序列数据的自适应动态预测,且保留了原方法公式简单、易实现的特点,可用于在线动态预测,具有工程实用性。利用实际数据对该预测模型进行了数据验证,并与传统指数平滑模型进行了对比。结果表明,该自适应动态预测模型的预测效果较好。     

基于图神经网络的地表水水质预测模型

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.     

一种基于聚类的Markov预测模型

提出一种新的用户浏览模式的聚类算法,该算法应用马尔可夫链理论,通过对web访问日志的处理,实现了根据用户浏览序列对时间的分类,以便个性化推荐和指导不同类别的用户以不同时间段进行学习。     

知识形式化的一种方法

本文阐述由T-Prolog动态数据库实现的知识库中,知识形式化的一种方法及其用于专家系统中的特点。     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子; 然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列; 最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法; 基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。     

一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。     

融合动态图表示和自注意力机制的级联预测模型

传统的级联预测模型不考虑信息传播过程中的动态性且极大依赖于人工标记特征,推广性差,预测准确性低.为此,该文提出一种融合动态图表示和自注意力机制的级联预测模型(DySatCas).该模型采用端到端的方式,避免了人工标记特征造成级联图表示困难的问题;通过子图采样捕获级联图的动态演化过程,引入自注意力机制,更好地融合在观测窗...