摘要：为准确预测半球谐振陀螺(HRG)输出稳定期,提出基于信号分解与分类建模的稳定期预测方法。针对HRG高可靠、长期稳定特点引起的样本变化规律不明显问题,使用具有频率显微镜能力的互补集合经验模态分解(CEEMD)算法对输出进行分解,得到不同频率尺度的信号分量;采用增广Dickey-Fuller(ADF)检验方法对分量信号进行平稳性检验,对于平稳分量建立自回归滑动平均(ARMA)预测模型,对于非平稳分量建立熵-径向基(RBF)神经网络模型。在时间对齐后,分量信号重构得到陀螺输出预测模型。设计陀螺输出稳定标准,给定基于输出预测的稳定期预测流程。经实验验证,组合模型预测平均相对误差仅为1.29%,比自回归积分滑动平均模型(ARIMA)误差减小了1个数量级,比熵-RBF神经网络模型误差减小了约1倍,验证了信号分解与分类建模方法的有效性与高精度。基于陀螺预测输出对陀螺稳定期进行预测,得到了实验陀螺输出稳定期约为3.95年的结论,与实际应用中相一致,说明所提方法的可行性。

摘要：针对传统入侵检测算法忽略数据属性间的类别特征,提出基于属性分类建模的入侵检测系统(ACBM-IDS)。将数据按属性划分为离散和连续两类,针对离散属性数据以关联规则算法为基础挖掘各类别的最长最大支持度项集,结合稳定性对项集进行加权后构成离散属性判定模型;针对连续属性数据,经归一化后训练Softmax分类器作为连续属性判定模型;将两个模型线性组合并分配不同权重,形成最终的入侵检测模型。通过在NSL-KDD数据集上与多种传统机器学习方法进行对比实验,实验结果表明,ACBM-IDS的方法在精确率、召回率以及F值上均优于其它方法,展现出良好的入侵检测性能。

摘要：为实现番茄形态的数字化设计与可视化模拟,通过对番茄进行长期的观察测量与分析,提出了对实测数据统计分析的基础上进行器官模板分类的几何建模方法。对叶片和侧枝进行了分类,每种分类都建立模板库。依据番茄器官的主要形态特征,提取器官几何模型的主控参数。结合模板技术实现了番茄主要器官和植株三维形态结构的交互式设计软件。所提出的基于番茄器官几何模型的植株结构交互式设计方法所构建的模型呈现多态性,并且对模型和对应的真实植株的垂直投影叶面积与总叶面积的比值进行了计算,分别为0.478 8和0.483 2,其误差为0.91%,具有较高的真实感效果。该设计方法易于结合农学知识,且满足番茄形态多样化的数字化设计要求,对形态结构复杂的园艺作物几何建模具有一定的参考价值。

摘要：针对钢铁企业负荷波动特点,用分解及分类建模的思想,构造负荷预测模型。综合考虑各用电环节的用电特点、工况和工艺信息,分类建立模型。通过各用电环节预测结果叠加获取总负荷预测值;该模型运用静态预测和动态预测相结合的方法,在动态预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。实例表明,该预测模型能获得良好的预测效果。

摘要：地质模型作为开发地质研究最具有代表性与综合性的成果,是对储层沉积特征、储层非均质性、储层物性与流体特征的综合反映,也是可直接用于油藏工程设计与数值模拟计算的唯一定量化综合数据体,其重要性日益得到显现。从定量地质学、多学科储层地质学、分类型地质模型和储层建模方法4个方面总结了中国储层地质模型20年来的主要成果,并指出地球物理的发展、煤层气和页岩气模型的建立、成因单元内部构型模型的建立以及多学科联合是未来这一研究领域的发展趋势。

摘要：为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法。该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序列波动程度、波动时间及数值维度共3个维度的度量,对风电数据中的趋势特性进行挖掘;然后,采用提出的严格系数对各个维度的参与度进行调整,以适应不同风电场数据,获得较好的聚类效果;最后,将提出的多维功率趋势距离度量与传统的模糊C均值软聚类算法及Elman神经网络群相结合,构建完整的预测模型。研究结果表明:该方法能够有效挖掘风电功率序列中的趋势特性,并提高风电功率的预测精度。

摘要：微积分作为某高校经管类专业一门高风险公共基础课,存在修课学生多、学习失败率高、影响学业水平等问题。为此对该课程进行学习结果预测研究,以期在开课前定位学习失败机率高的学生,针对其开展个性化教学来提升学习效果。分析影响课程成绩的师生特征,发现学生高考类别及数学成绩、性别、生源地与课程成绩有关;教师职称、教龄、学历和性别不同,所教学生的成绩差异显著。选择C5.0决策树、条件决策树、随机森林算法,使用R语言建立三种微积分成绩预测模型并比较其效果,C5.0决策树模型以较高的识别度胜出。运用C5.0模型预测2020级新生微积分学习结果,为教学提供数据支持,期末成绩显示学生学习成功率显著提升,表明该模型具有可行性。总结应用学习结果预测的建议,为其他高校的实践探索提供参考。