共查询到20条相似文献，搜索用时 140 毫秒
1.
利用学生历史成绩数据和课程之间关系,构建基于BP神经网络的学分绩点预测模型,具有一定的理论和实际应用价值.BP神经网络能够自适应学分绩点统计中课程之间的层次和网络关系,非常适合用于复杂非线性关系的预测.比较了不同算法训练的网络预测结果,发现L-M优化算法预测性能最优.最后,运用函数进行仿真,然后将仿真结果与样本数据对比,验证了L-M优化算法预测模型准确性高,能够用于学分绩点的预测. 相似文献
2.
3.
王华梅 《黄冈师范学院学报》2010,30(3):23-27
本文采用平面靶标的标定方法研究了平面圆靶标的相机标定。在标定过程中,考虑了透镜的径向畸变,首先对摄像机的内外参数用直接线性变换估算,然后应用Levenberg-Marquardt（L-M）非线性算法对所有参数进行优化。结果显示,相对误差的线性估算结果与L-M算法优化结果相比差别不大。因此,在实际标定中只需选择线性估算即可,其算法简单且能满足精度要求。 相似文献
4.
交通事故的发生因受随机因素的影响而呈现出不确定性和非线性的特点。在分析交通事故与人口、车辆、道路、经济发展等因素关系的基础上,综合考虑影响交通事故的多种因素,建立了BP神经网络。进而,选取总人口、机动车驾驶员人数、公路密度、民用车辆、人均GDP作为交通事故预测模型的输入向量,以交通事故的四项指标作为输出向量,利用LM算法或GALM算法优化的BP神经网络模型对交通事故进行预测。实验表明,GALM算法优化的BP神经网络模型与BP神经网络或LM算法优化的BP神经网络相比,具有较高的精度和较快的收敛速度,能更好地适用于交通事故预测。 相似文献
5.
6.
为了提高光伏发电功率的预测精度,提出一种结合变分模态分解、多策略改进的鲸鱼优化算法和极限学习机的光伏日前预测方法。利用变分模态分解影响光伏功率的关键气象因素,获得不同特征规律的本征模态分量,降解了数据的随机波动性,减少了噪声的影响。引入鲸鱼优化算法,利用多策略改进的鲸鱼优化算法(MWOA)对ELM模型的权重和偏置系数进行优化,获得最终的光伏功率预测结果。仿真结果验证了所提方法的有效性与优越性。 相似文献
7.
影响二甲醚催化燃烧的因素较多,并且影响因素之间又相互作用,将支持向量机引入二甲醚预测领域.为了克服LS-SVM的局限性,提出将粗糙集理论、粒子群优化算法以及SVM算法相结合,对LS-SVM的惩罚因子和径向基函数的参数进行优化选取.对二甲醚催化燃烧进行了实例研究.结果表明,所提出的模型提高了网络的预测精度,验证了该模型的有效性. 相似文献
8.
为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。 相似文献
9.
《实验室研究与探索》2019,(11)
提出一种基于数据降维和特征分析的GOA-LSSVM负荷预测方法。运用主成分分析对负荷的影响因素进行数据降维和特征表示,确定影响负荷的主要影响因素;针对LSSVM预测结果易受参数组合C和g影响,运用蝗虫优化算法对LSSVM模型参数进行自适应选择。研究结果表明,与GOA-LSSVM和LSSVM相比,本文算法可以有效提高负荷预测精度,通过数据降维和特征表示可以消除数据冗余和影响因素之间的相关性,不但简化了负荷预测模型的复杂程度,而且提高了预测模型的速度。 相似文献
10.
铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法（ PSO）优化支持向量机（ SVM）的公路客运量预测模型。利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的。 相似文献
11.
萤火虫群算法是一种新型群集智能算法,该算法已成功应用于复杂函数的优化方面,并取得很好的应用效果。为了充分利用萤火虫算法的优点,扩展该算法的应用领域,首先检测影响煤炭发热量的主要因素,建立一个新的煤炭发热量预测模型,然后利用萤火虫算法优化该模型的闽值,以实现能够达到快速预测煤炭发热量为目的。数值仿真和实验结果显示,在萤火虫算法优化后的煤炭预测模型能够对发热量实现快速检测,而且有很好鲁棒性和很高的精度,具有一定的应用价值。 相似文献
12.
将L-M算法与填充函数法相结合，提出一种训练前向网络的混合型全局优化新算法．L—M算法的收敛速度快，利用它先得到一个局部极小点，然后利用填充函数算法跳出局部最小，得到一个更低的局部极小点．重复计算即可得到全局最优点．经实验验证，该算法收敛速度很快，避免局部收敛，而且性能稳定． 相似文献
13.
网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度. 相似文献
14.
火灾的发生具有不确定性,传统线性模型难对该类典型非线性预测问题进行准确预测.为了提高火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,ACO对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:ACO-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,准确地刻画了火灾的复杂性、非线性变化的特点. 相似文献
15.
为了准确预测交通流量,提出了一种基于改进型支持向量机算法的短时交通流量预测方法。支持向量机对训练样本进行学习后,可以形成影响因素与影响结果之间的最优函数,进而根据实时交通状态对交通流量进行非线性回归预测。为了提高预测精度,使用QPSO算法优化了支持向量机的参数,并进行了滤波处理以减小模型误差。仿真结果显示,实际预测误差小于10%。 相似文献
16.
杜锦程吴福森陈丙三 《福建工程学院学报》2021,(1):12-18
以探索概率筛振动参数与筛分效率之间的关系,为概率筛结构的进一步改进提供指导意义为研究目的,将LS-SVM分类算法引入自同步概率筛筛分效率预测建模,探讨LS-SVM建模的可行性。基于各个不同的应用领域,可以构造不同的核函数,针对核函数需要优化特征参数的问题,应用网格搜索和交叉验证算法,对核参数的选择进行优化。通过研究得出用多项式(Poly)核函数建模对预测样本的最高预测识别率达到96.7%,采用RBF核函数建模对预测样本达到了零错分率,表明将LS-SVM算法引入概率筛筛分效率预测建模是可行的。 相似文献
17.
建立分级诊疗制度是我国医改“十三五”规划五大任务之首,而基层医疗卫生机构承担着分级诊疗的基础任务,是基本医疗卫生服务和公共卫生服务的双重承载,如何提高基层医疗卫生机构服务水平具有重大研究意义。选取上海市2010 -2016年基层医疗机构诊疗数据,建立基于多因素影响的上海市基层医疗机构诊疗量预测组合模型。首先运用灰色关联分析对各影响因素与诊疗量的相关性进行排序,筛选出主要影响因素变量;然后应用GM（1,N）模型对各年度诊疗量进行预测,并利用改进粒子群算法进行背景值优化,以提高预测准确性;最后运用该模型预测2017 -2020年诊疗量。仿真实验结果表明,该模型较单一的GM（1,N）模型准确性更高,预测有效可行。 相似文献
18.
19.
针对萤火虫群优化(GSO)算法在解决全局优化问题时出现的易陷入局部最优、收敛速度慢、求解精度不高等问题,提出一种改进的混沌萤火虫群优化(ICGSO)算法,修改了GSO算法动态决策域半径更新公式,并采用自适应动态步长,引入混沌优化算法提高局部搜索能力。实验结果表明将ICGSO算法应用于建立在神经网络预测模型上的瓦斯突出预测中的有效性。 相似文献
20.
公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。 相似文献