基于改进RBF神经网络对股价的演变预测

对RBF神经网络进行了分析,建立了RBF神经网络模型,并对此模型进行了改进,使其具有更好的预测性能.把一类非线性较强的时间序列(万科A股2009年6月份股票价格)利用该模型进行了非线性逼近.用Matlab软件对网络的学习与训练过程进行了数值仿真.实验结果表明:利用改进后的网络模型对非线性时间序列进行短期预测是可行的,其预测精度高于改进前的预测精度,改进方法有效.     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

Simulation of Adaptive Control Strategy for Electrical Discharge Machining Process

Electrode down-time is an important factor affecting the efficiency and stability of electrical discharge machining(EDM) process. In the research, a way of simulating the regulation of the electrode down-time in an EDM adaptive control system has been studied. All the simulations are performed on Matlab. The simulation results demonstrate that this adaptive controller by regulating electrode down-time can direct the gap state to follow the specified reference gap state with or without disturbances. Finally, the adaptive control scheme is also validated by experiments. The significance of the simulation of an EDM adaptive control system lies on the fact that it provides a convenient way to guide the actual production and provides a new study method for the research of EDM control strategy with no regard of experimental conditions.     

陶瓷加工的新设想

本文提出了一种运用电火花放电加工工业陶瓷的新方法—涂写电极加工法。文中对该方法的基本原理、基础试验以及新设计的电火花工业淘瓷钻头作了介绍。      

RBF神经网络预测水泥水化热研究

利用RBF神经网络对水泥水化热进行预测,根据水泥水化热的影响因素,建立了12个输入节点、1个输出节点的RBF神经网络模型.通过27组试验数据,验证了模型的可靠性,并与BP神经网络进行了比较.结果表明,RBF神经网络预测效果明显优于BP神经网络,前者不仅预测速度快,而且预测精度高,相对误差小于4%,在水泥水化热预测中具有...     

模具制造中的高速切削技术分析

随着国家高新技术产业的快速发展,对模具制造业也提出较高要求,传统的模具制造通常采用先铣削再淬硬,然后电火花加工及后续抛磨,制造工艺复杂、加工效率低、能源消耗高、污染较大。高速切削技术应用在模具制造业中,可以直接通过高速硬切削获得较高的精度及表面质量,高速切削技术制造工艺过程简单、加工效率较高、能源消耗少、污染较小且具有良好的经济效益,因此,适宜在模具加工中广泛推广应用。     

基于贝叶斯网络组合模型的公交驻站时间预测

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间;然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习;最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.     

Identification of grinding wheel wear signature by a wavelet packet decomposition method

Grinding is known as the most complicated material removal process and the method for monitoring the grinding wheel wear has its own characteristics comparing with the approaches for detecting the wear on regular cutting tools. Research efforts were made to develop the wheel wear monitoring system due to its significance in grinding process. This paper presents a novel method for identification of grinding wheel wear signature by combination of wavelet packet decomposition (WPD) based energies. The distinctive feature of the method is that it takes advantage of the combinational information of the decomposed frequency components based on the WPD so the extracted features can be customized according to the specific monitored object to get better diagnosis effects. Experiments are researched on monitoring of grinding wheel wear states under different machining conditions. The results show that the energy ratio extracted from the measured vibration signals is consistent with the grinding wheel wear condition evaluated by experiment and the further extracted feature ratio can be used in prediction of wheel wear condition.     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

工程机械综合传动装置磨损量预测分析

通过介绍工程机械综合传动装置的磨损类型,研究了灰色神经网络模型与检验方法的拟合精度,并分析主要磨损部件磨损量预测的过程。通过对工程机械综合传动装置道路试验数据的分析预测,得到较精确的预测结果,证实了灰色神经网络模型用于综合传动装置磨损元素浓度预测的可行性。     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.     

基于模糊补偿的RBF神经网络机械手控制

针对机械手系统的高精度轨迹跟踪控制,提出了一种基于模糊补偿的RBF（radial basis function）神经网络机械手控制方法.该方法首先利用PD（proportional-integral）控制器获得机械手的控制策略,将其输出作为RBF神经网络的输入,并学习得到系统模型;然后运用模糊逻辑补偿器对系统扰动和建模误差进行补偿;最后,在MATLAB/Simulink平台上针对两关节机械臂,进行了有模糊补偿和无模糊补偿系统跟踪的均方根误差测量仿真实验.研究结果表明,两关节机械臂的控制精度分别提高了60.8%和71.4%,本文提出的方法能够解决机械手实际模型很难精确建立的问题,并能对系统未建模部分和扰动部分进行自适应补偿.      

动态公交客流预测方法研究

随着公交的大力发展,公交优化要从传统的调度方式向实时调度转变。这就要求公交客流预测要具备短时性和滚动性,即动态预测。现有的公交客流预测方法集中于长期客流数据的预测,缺乏时效,不适用于公交的实时调度。本文给出了一种对公交客流进行动态预测的简单方法。     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

慢走丝电火花镗磨工艺方法的研究

针对硬质合金等难加工材料小孔的精加工,文中提出了一种慢走丝电火花镗磨工艺方法,该方法是在慢走丝电火花线切割机床（HCS250）上设计了一套机床镗磨附件进行磨削加工.但电火花加工的放电过程非常复杂,整个加工受多种因素影响.通过正交实验和极差分析法,重点探讨了低速走丝电火花镗磨加工过程中平均间隙电流、平均间隙电压和工件转速对加工工艺的影响状况.实验结果表明,该工艺方法行之有效.     

线接触零件磨损过程的数值仿真及试验研究

磨损寿命预测，磨损状态监测及摩擦副参数优化是摩擦副系统的磨损过程中的三大难点。本基于离散数学理论和计算机技术提出一种数值仿真模型，可用于解决复杂动态非线性系统的磨损问题。     

5A06铝合金板材热态本构模型及韧性断裂准则

为了获取材料在不同条件下成形性能指标,对5A06铝合金板材进行了热态单向拉伸试验,结合热态单向拉伸试验和韧性断裂试验结果,提出了一种修正Misiolek模型;利用修正模型的外插性能预测颈缩后板材流变应力,应用径向基函数神经网络算法建立了Cockroft-Latham韧性断裂阈值预测模型,并对该模型进行了预测精度评估.结果表明,流变应力对温度及应变速率敏感,对比径向基函数网络模型预测误差小于10.6%.      

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.