基于混沌扰动算法来解决pso算法早熟问题，并用二者结合来训练灰色预测模型参数
上传时间： 2016-02-02
上传用户：ikemada
经济分析软件的设计与实现 摘 要：经济预测在现代经济生活中的作用变的越来越重要。它是企业确定政策，进行决策和制定计划的依据；是提高经营管理水平、改善计划工作的重要内容。该系统以某一燃气公司2001-2005年的历史数据信息为基础。它实现对公司的历史经营、客户发展状况进行统计和分析，然后根据分析结果采用合适的经济数学方法对历史数据作运算得出所需要的预测结果。本文首先对燃气公司的2001-2005年数据表中的历史数据作详细分析；其次，结合统计数学的知识，对现有的各种经济预测方法做深入的理解；第三，设计数据库。把表中的历史数据从Excel中导入到MySQL中，便于以后从数据库中调用数据和将数据库存入数据库中。第四，设计预测模型。以经济预测方法为基础，合理设计相关预测模型，实现对该燃气公司的2006年的经济预测工作。最后，对系统中仍存在的不足和缺陷做阐述，为以后的研究工作提出了一些自己的想法。 关键词：经济预测 预测模型 移动平均预测法 指数平滑预测法 灰色预测法 数据库图形化
上传时间： 2016-06-29
上传用户：417313137
20 世纪70 年代以来,人们从工业过程的特点出发,寻找对模型精度要求不高而同样能实现高质量控制性能的方法,预测控制就是在这种背景下发展起来的。预测控制技术最初由Richalet 和Cutler 提出[1 ] ,它最大程度地结合了工业实际的要求,综合效果好,已经在理论和应用方面取得了显著进展,各种预测控制算法不断地产生并得到发展。预测控制算法具有三大本质特征:预测模型、滚动优化和反馈校正[2 ] 。它是不断滚动的局部优化,而非全局最优。预测控制的特点:建模方便 采用非最小化描述的离散卷积和模型,信息冗余量大,有利于提高系统的鲁棒性 采用滚动优化策略,使模型失配、畸变、干扰等引起的不确定性及时得到弥补,从而得到较好的动态控制性能 可推广到有约束条件、大迟延、非最小相位以及非线性等过程,对模型精度要求不高,跟踪性能良好,更适应于复杂工业过程控制。
上传时间： 2014-01-02
上传用户：csgcd001
灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测的数据是通过生成数据的gm(1,1)模型所得到的预测值的逆处理结果。 此程序用来作灰色预测。
标签： 灰色理论
上传时间： 2013-12-20
上传用户：康郎
预测控制是一种基于模型的先进控制技术，其基本原理是通过采用预测模型来预测系统的未来输出，且实现滚动优化控制，同时不断根据系统的实际输出修正预测的准确性。
上传时间： 2017-05-01
上传用户：gououo
提出了一种基于BP神经网络的浮选机液位稳定及液泡厚度的预测模型。预测模型主要以搅拌槽输出的矿浆流量，扫选输入流量，精选尾矿流量等为输入量，以液泡厚度为输出量，网络隐含层单元个数与中心向量采用正交最小二乘法（OLS）。同时，在此基础上在通过Matlab软件来分析液泡厚度情况，并给出了预测及预警信息。从仿真的结果来看，符合预期的效果，对预防液位变化过大和保证液位稳定具有较大的参考价值和现实意义。
上传时间： 2013-10-22
上传用户：haoxiyizhong
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。
上传时间： 2015-03-12
上传用户：熊少锋
销售预测系统，可以根据历史销售数据对未来的销售量进行有效预测，采用BP神经网络对预测模型进行训练，可以达到不错效果
标签： 销售预测
上传时间： 2014-01-20
上传用户：whenfly
销售预测系统，可以根据历史销售数据对未来的销售量进行有效预测，采用BP神经网络对预测模型进行训练，可以达到不错效果
标签： 销售预测
上传时间： 2015-04-25
上传用户：xz85592677
初步研究神经网络模型的构造方法，并利用多输入单输出切比雪夫神经网络模型建立世界干散海运量各年的海运量预测模型解决具体问题
标签： 神经网络模型
上传时间： 2015-06-04
上传用户：ccclll
