注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 应用支持向量机的变压器故障组合预测

  2. ：对变压器油中溶解气体进行预测有助于及时预测变压器的故障。提出一个基于支持向量机(support vector machine，SVM)的变压器故障组合预测模型及其求解步骤。在预测过程中，首先利用多个单一预测方法如线性模型、指数模型、乘幂模型、非等间隔灰色GM(1,1)模型和非等间隔灰色Verhulst模型构成预测模型群，对原始油中溶解气体数据进行拟合。然后，将预测模型群的拟合结果作为支持向量机回归模型的输入进行2次预测，形成变权重的组合预测.

  3. 所属分类：专业指导

    • 发布日期：2009-06-26
    • 文件大小：359424
    • 提供者：lc0621

  1. 08年数学建模获奖论文

  2. 摘 要 本文通过对近几年来学费变化的研究，综合分析影响学费变化的五个要素，引入了三个变因：学校属性、专业类型、地域差异对学费的影响，对其合理性进行了定量的分析和评价。 首先，我们基于层次分析法建立了模型一。模型一以五个要素，即教育市场供求关系、全国家庭支付承受力、国家财政及相关社会捐助、个人收益率、教育成本为方案层。对于教育市场的供求关系我们用灰色预测GM（1，1）模型预测出未来几年的招生人数，用蛛网模型求解稳定的价格点为3225.51元；对于国家财政及相关社会捐助，我们用回归分析得出其效应关

  3. 所属分类：教育

    • 发布日期：2009-07-10
    • 文件大小：1034240
    • 提供者：cbgydwj

  1. PID控制及其MATLAB仿真

  2. 一本详细介绍PID控制及仿真的书籍~ 第 1 章数字 PID 控制 1.1 PID 控制原理 1.2 连续系统的模拟PID 仿真 1.3 数字PID 控制 1.3.1 位置式PID 控制算法 1.3.2 连续系统的数字PID 控制仿真 1.3.3 离散系统的数字PID 控制仿真 1.3.4 增量式PID 控制算法及仿真 1.3.5 积分分离PID 控制算法及仿真 1.3.6 抗积分饱和PID 控制算法及仿真 1.3.7 梯形积分PID 控制算法 1.3.8 变速积分PID 算法及仿真 1.3.

  3. 所属分类：嵌入式

    • 发布日期：2009-08-04
    • 文件大小：5242880
    • 提供者：xxb0216

  1. 长江水质的评价与预测---西安电子科技大学，孙哲，刘玎，姜锦正

  2. 摘要 本文对长江近两年多的水质情况做出了定量的综合评价，并对水质的污染状况、污染源的确定、水质的预测与控制这四个问题分别建立了相应的模型。并对求解结果作出了分析。 针对问题一，对于相同污染因素的不同等级，采取梯度赋权的方法确定权重。利用“理想点法”和灰色关联度的思想，建立综合排名模型，得到各个地区整体综合污染情况排名。相应的排名为{3，2，6，14，4，7，8，16，5，12，1，13，15，11，17，10， 9} 针对问题二，对干流上7个观测点隔开的6个江段进行分析。根据一位水质模型推导出

  3. 所属分类：专业指导

    • 发布日期：2009-09-20
    • 文件大小：1048576
    • 提供者：renesun

  1. GM(1_1)模型的应用

  2. 灰色预测是基于GM(1,1)预测模型的预测，按其应用的对象可有四种类型： (1) 数列预测。这类预测是针对系统行为特征值的发展变化所进行的预测。 (2) 灾变预测。这类预测是针对系统行为的特征值超过某个阙值的异常值将在何时出现的预测。

  3. 所属分类：其它

    • 发布日期：2013-08-19
    • 文件大小：373760
    • 提供者：u011741769

  1. PID电机控制

  2. PID电机控制目录 第1 章 数字PID 控制 1.1 PID 控制原理 1.2 连续系统的模拟PID 仿真 1.3 数字PID 控制 1.3.1 位置式PID 控制算法 1.3.2 连续系统的数字PID 控制仿真 1.3.3 离散系统的数字PID 控制仿真 1.3.4 增量式PID 控制算法及仿真 1.3.5 积分分离PID 控制算法及仿真 1.3.6 抗积分饱和PID 控制算法及仿真 1.3.7 梯形积分PID 控制算法 1.3.8 变速积分PID 算法及仿真 1.3.9 带滤波器的PID

  3. 所属分类：其它

    • 发布日期：2015-08-11
    • 文件大小：5242880
    • 提供者：forever188141

  1. Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf

  2. Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf 四、灰色人工神经网络人口总量预测模型及应用 摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990 年至2004 年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005 年至2007 年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。 关键词：人口总量；灰色系统；BP 人工神经网络；灰色人工神

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：360448
    • 提供者：weixin_39840387

  1. Matlab关于人工神经网络在预测中的应用的论文二-基于RBF人工神经网络模型预测棉花耗水量.pdf

  2. Matlab关于人工神经网络在预测中的应用的论文二-基于RBF人工神经网络模型预测棉花耗水量.pdf 四、灰色人工神经网络人口总量预测模型及应用 摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990 年至2004 年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005 年至2007 年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。 关键词：人口总量；灰色系统；BP 人工神经网络；灰色人工神经网

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：324608
    • 提供者：weixin_39840515

  1. 永城矿区煤层气主控因素分析及含气量预测研究

  2. 为了定量研究煤层含气量,以永城矿区马桥北马庄详查区二2煤层为研究对象,利用灰色关联分析法,对该区煤层气的控气因素进行了定量分析,优选出了4个影响煤层含气量的因素作为指标体系,基于灰色多变量静态模型GM(1,4)建立了符合该矿区煤层气含量预测模型,并经多元线性回归分析结果进行了对比。结果表明:预测值与实际值的绝对误差为-1.06~1.62 m L/g,同时利用构建的数学模型对区内另外3个钻孔的煤层含气量进行了预测,绝对误差为-1.29~0.97 m L/g,其误差较小,且明显优于多元线性回归模型,

  3. 所属分类：其它

    • 发布日期：2020-05-05
    • 文件大小：1048576
    • 提供者：weixin_38618315

  1. 矿井涌水量灰色GM(1,2)预测模型

  2. 基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为9

  3. 所属分类：其它

    • 发布日期：2020-05-03
    • 文件大小：644096
    • 提供者：weixin_38546622

  1. 基于灰色辨识模型的风电功率短期预测

  2. 基于灰色辨识模型的风电功率短期预测，王子赟，纪志成，提出一种基于灰色理论和辨识模型的风电功率短期预测的方法。采用GM(2,1)灰色模型建立具有新陈代谢功能的GM(2,1)风速预测模型。将FIR-MA�

  3. 所属分类：其它

    • 发布日期：2020-02-25
    • 文件大小：614400
    • 提供者：weixin_38552536

  1. 基于熵权法的PHC管桩承载力组合预测

  2. 为克服单项预测方法产生的误差,利用灰色模型GM(1,N)、多元线性回归、BP神经网络等3种单项预测方法建立组合预测模型,并采用熵值法确定加权系数。通过对PHC管桩承载力进行比较预测,结果显示GM(1,N)法平均绝对百分比误差(MAPE)值为5.4%,多元线性回归法的MAPE为3.0%,BP神经网络法的MAPE为2.8%,组合预测法的MAPE为2.3%。因此组合预测法精度较高,实用性更强。

  3. 所属分类：其它

    • 发布日期：2020-06-16
    • 文件大小：135168
    • 提供者：weixin_38550834

  1. 基于灰色理论的回采工作面瓦斯涌出量动态预测研究

  2. 瓦斯涌出量的准确预测直接关系到煤矿企业的宏观决策及系统布局。为了提高回采工作面瓦斯涌出量的预测精度,提出了采用灰色预测法对瓦斯涌出量动态预测进行研究,以车集矿2316回采工作面为例,通过重组瓦斯监测数据构建了灰色GM(1,3)动态预测模型,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。研究结果表明,数据重组后的GM(1,3)模型的动态预测值平均相对误差为5.65%,后验差检验比值c0.95,预测精度达到了1级,在对2316工作面后期的瓦斯涌出量动态预测结果与实测值十分接近,平均相

  3. 所属分类：其它

    • 发布日期：2020-06-14
    • 文件大小：637952
    • 提供者：weixin_38730821

  1. 基于最优加权组合模型的煤炭消费预测分析

  2. 为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我

  3. 所属分类：其它

    • 发布日期：2020-06-14
    • 文件大小：1048576
    • 提供者：weixin_38681301

  1. 基于小波分析与GM(1,1)-ARMA(p,q)组合的矿井防尘用水量预测

  2. 为了提高矿井防尘用水量预测的精确度,提出了基于小波分析理论与灰色预测模型(GM(1,1))、自回归滑动平均模型(ARMA(p,q))组合的预测模型。运用小波分析将用水量时间序列做不同尺度分解,并将低频信号和高频信号采用GM(1,1)和ARMA(p,q)进行预测,最终经小波重构得到预测结果。以林南仓矿为研究背景,使用该组合模型预测2014年各月份的用水量,通过与实际数据对比,残差检验相对误差不超过2.5%。结果表明:矿井防尘用水量在总体上逐年缓慢增加,每年内呈周期性的变化;基于小波分析与GM(1,

  3. 所属分类：其它

    • 发布日期：2020-06-13
    • 文件大小：1048576
    • 提供者：weixin_38557515

  1. 基于GM(0,N)模型的煤自然发火期预测

  2. 为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：796672
    • 提供者：weixin_38528459

  1. 基于灰色GM(2,1)模型的工作面瓦斯涌出量预测

  2. 利用灰色GM(2,1)模型理论建立了数学模型,对国投新集刘庄煤矿171302工作面进行了瓦斯涌出量预测。结果表明预测值与实际值之间的最大相对误差为8%,最小相对误差为0.09%,平均相对误差为4.64%,精度较高,可以应用于煤矿安全生产管理,减少煤矿瓦斯事故的发生。

  3. 所属分类：其它

    • 发布日期：2020-07-07
    • 文件大小：485376
    • 提供者：weixin_38697579

  1. 基于GM（1，1）与BP神经网络的卫星钟差预报

  2. 针对单一钟差预报模型的局限性，提出了一种基于GM（1，1）与BP神经网络组合的GPS卫星钟差预报方法。该方法首先用GM（1，1）对钟差进行建模预报，然后利用BP神经网络对GM（1，1）的预报残差建模，并进行外推预报，将GM（1，1）的钟差后续预报值与BP神经网络的残差预报值对应相加可得最终的钟差预报结果。用IGS提供的精密钟差数据进行试验，并与单一灰色模型进行了对比，结果显示，组合模型对未来6 h、12 h、18 h和24 h的钟差序列分别预报，平均预报精度分别为0.36 ns、0.41 ns、

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38712279