基于PCA和ANFIS的黄土湿陷系数预测

运用人工智能原理,提出一种基于主成分分析法（PCA）与自适应神经模糊推理系统（ANFIS）的黄土湿陷系数预测方法．首先通过主成分分析对黄土的物理指标提取主成分,以消除变量间的相关性和减少模型输入量的目的;再利用神经网络的高自适应性和模糊推理系统的推理能力建立ANFIS模型,提出一种新的黄土湿陷性预测方法．通过实测数据和预测数据的对比分析,平均误差0．29％,最大误差20％,在工程上可以接受的范围,实例说明这种预测方法是可行的．     

基于EMD与NARX网络的汇率预测方法研究

探索构建对汇率进行直接预测的高精度组合预测算法.采用NARX神经网络作为基础模型,并结合经验模态分解模型进行混合预测,提高模型精度.为研究不同时间间隔对预测结果的影响,采用美元兑日元汇率的时间间隔为5分钟与1天的数据进行预测.实验结果显示,时间间隔较短时,模型的预测精度更高.此外,通过对汇率改革前后的人民币汇率的预测发现,汇率改革对EMD-NARX模型的预测结果影响不大,说明模型稳定性较高.     

基于EMD-LSTM模型的台区负荷短期预测方法

深度学习算法是目前台区负荷预测的主要方法.为解决深度学习方法在逻辑拟合、特征冗余方面的问题,提出一种基于经验模态分解和长短记忆神经网络算法的短期台区负荷预测模型.利用经验模态分解将台区负荷分解为多个本征模函数,使用相关性分析法从特征集合中选择各本征模函数的特征子集,用长短记忆神经网络对这些本征模函数分别进行预测.最后采...     

融合Elman神经网络与EMD的交通拥堵指数预测

为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。     

基于遗传算法和ANFIS的个人信用评分模型

个人信用作为社会信用体系建设的重要部分,将其结合现代计算机理论技术来构建个人信用评分模型一直是研究的热点。本文利用前人遗传算法筛选出来的个人信用相关重要属性,并从这些重要属性的3种分类中依类定性地取出部分属性,结合自适应神经模糊推理系统理论（ANFIS）,建立基于遗传算法和AN-FIS的个人信用评分模型。对选取的数据实证分析,并与GA-SVM方法的结果作了比较,试验结果表明该模型只需少量重要属性变量就能够有较好的分类效果。     

基于EMD和PSO-SVM的通用航空飞机燃油流量预测

提出了一种EMD与SVM的组合预测模型,对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理,应用经验模态分解算法对燃油流量数据进行分解,得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中,采用PSO算法对支持向量机的参数进行优化,最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证,结果表明：该组合模型可以有效地预测燃油流量,准确率较高,其MSE可以达到0.254,高于传统的单一预测模型。     

基于HP-EMD和ARMA的短期风速预测

针对风速为非线性非平稳序列的特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)和自回归滑动平均模型(auto-regressive moving average model,ARMA)的预测方法。EMD在对风速序列进行分解时,可能存在模态混叠现象,会影响风速预测精度,为此,提出一种加入高频谐波来抑制模态混叠的方法。首先对风速序列加入高频谐波进行EMD分解,获得比原始序列较平稳的子序列,即固有模态函数(intrinsic mode function,IMF),然后利用ARMA模型对子序列进行建模预测分析,最后将子序列的预测结果相加得到风速的预测值。和EMD-ARMA及直接利用ARMA模型进行预测的结果相比,本文所提的方法预测精度更高。     

基于小波分析与神经网络的风电场短期风速预测

对风力发电进行有效的预测,可降低电网调度的难度。先对风速历史数据进行小波分解,再针对各小波分量分别建立改进型BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

基于EMD和复杂度的期货市场农产品交易额分析

文章基于经验模态分解（EMD）和复杂度相结合的方法对大连和郑州商品交易所的近5年的农产品期货交易额进行非线性分析。首先,对两大交易所的农产品期货交易额进行非线性定性分析,然后对交易额进行EMD分解,得出两大交易所农产品交易额的有效基本模式分量（IMF）,并对交易所的农产品期货交易额第1层IMF进行复杂度分析,能有效实现其非线性特征的定量评估。     

基于 EMD-PSO-ELM 算法的大坝变形预测研究

基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。     

Texture classification based on EMD and FFT

INTRODUCTION Multi-scale is one of the main features of natural images, a series of methods for representing the quality of images are presented, such as multi-scale technique based on diffusion equation (Perona and Malik, 1990), image pyramid (Burt and Adelson, 1983) and wavelet (Mallat, 1989). Bidimensional empirical mode decomposition (BEMD) (Nunes et al., 2005; Linderhed, 2004) is a new multi-scale analysis method proposed recently. The difference between BEMD and traditional mul…     

中美股市收益率分布特征研究

通过对中国、美国两个国家四个股指进行了稳态分布拟合,并与正态分布拟合加以比较分析,结果发现四个股指的收益率均呈现"尖峰厚尾".     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

基于Elman神经网络的商品销售额建模及预测

为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性.     

基于专家系统和神经网络集成的植物智能分类系统

专家系统和神经网络是计算机人工智能应用的两大分支.目前,这两大分支的发展均表现出各自存在的问题,如专家系统知识获取的“饼颈“问题和神经网络知识表示的“黑葙结构“问题.在植物智能分类系统中单独使用神经网络或传统专家系统技术都有其局限性,二者必须相互取长补短,将神经网络与专家系统相结合是开发植物智能分类系统的一条比较切实有效的途径.本文将专家系统和神经网络进行集成,达到优势互补的目的,并且采用了改进的神经网络分类算法,有效的克服了传统的植物智能分类系统的不足,从而更加全面的、科学的、合理的对植物进行分类.     

基于模糊控制的直流调速系统调节器设计与仿真

利用模糊控制在非线性控制方面的突出优势,将之应用于直流调速系统,设计出模糊PI控制器,MATLAB仿真结果表明,该控制器能够有效提高系统性能,具有实际应用价值.     

基于社区利益要求及其实现方式的企业非财务指标关注程度的实证研究

本文从社区角度出发,对社区所关注的反映其利益要求和实现方式的企业非财务指标的关注程度进行了排序研究和分组研究。研究得出结论：社区对不同类的反映其利益要求和实现方式的非财务指标的关注程度存在显著的差异;个体因素和企业因素是社区对同一类非财务指标关注程度差异的原因。企业对社区充分沟通相关信息更易取得社区对企业的理解和支持。企业除应按相关法律法规进行规定信息的披露外,还应当根据本企业利益相关者社区的特点和社区对非财务指标关注程度的差异对社区所关注的非财务指标信息与社区进行充分沟通,以满足本企业利益相关者社区关注相关信息的需要。