基于LM-PSO算法和BP神经网络的非线性预测控制

针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了该控制系统具有良好的稳定性、自适应性和鲁棒性。该方法可在数学模型不确定的情况下设计出有效的预测控制器。

MFOA-SVM在采煤工作面瓦斯涌出量预测中的应用

针对新安煤矿采煤工作面瓦斯涌出量系统时变非线性特点,建立改进果蝇算法(MFOA)支持向量机(SVM)预测模型。利用FOA具有运算简单、收敛速度快、寻优精度高等优势来优化SVM核函数参数g、惩罚因子c和不敏感损失函数ε,但FOA也存在可能陷入局部最优的不稳定缺陷,则嵌入三维搜索、混沌优化、自适应变步长和最优保留策略进行改进,并利用Rosenbrock测试函数和采煤工作面瓦斯涌出量历史数据进行试验分析,结果表明:该模型预测平均相对误差为2.16%,比其他预测模型具有更高的预测精度、更快的收敛速度、更强的泛化能力,具有一定的实际应用价值。

互联网金融企业资产证券化风险研究——以蚂蚁金服为例

近十年互联网企业在我国迅速发展,以大数据为依托的互联网金融企业开始逐渐渗透进消费者的日常生活。阿里巴巴集团旗下的蚂蚁金服通过穿插配合淘宝等网购业务对个人消费者进行放贷,其相关放贷业务还针对相关的中小企业,并将放贷后的应收账款债权进行抵押发行债权融资,进行新一轮的放贷。然而蚂蚁金服希望不遵守《巴塞尔协议Ⅲ》,无视相关资本充足率的规定,在自有资金不足2%的情况下进行100%的放贷,持续进行应收账款的资产证券化,以百倍杠杆融资进行循环放贷。我国互联网贷款以及与之相关的ABS等尚处于起步阶段,各项法律法规还不完善,本文根据ABS放贷及融资模式,提出对此类业务模式风险的思考以及相关建议。

光伏发电工程项目建设质量管理对策

光伏发电工程的生命周期涵盖了光伏发电工程建设的所有环节,从其设计阶段开始至竣工验收结束,整个建设过程包括了工程设计、设备与材料采购、土建施工、建筑施工、工程验收等。基于生命周期的工程质量管理,是对整个工程生命周期建设内容进行有效的质量控制,确保工程如期高质量完工,从而打造优质工程,实现最大效益。光伏工程建设质量管理对策具体如下。