两种客观赋权法及其在确定组合预测权重中的应用

构建组合预测模型对工程沉降问题进行预测,是一种有效的预测方法,它能综合利用各单一预测模型的有用信息,提高预测精度,但确定其权系数的计算较为复杂。文中利用两种客观赋权方法来计算组合预测模型中的权重,方法简单易懂且使用方便,并通过实例分析证明其优越性。

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。

应用目标规划法确定组合预测权重数初探

本文给出确定组合预测权重数的一类新方法，建立相应的目标规划模型并讨论了求解步骤和误差。

BP神经网络算法在图像预测物体重量中的应用

本文采用误差反向传播算法(BP)通过图像预测物体重量,先对图像进行特征提取,再用BP算法进行训练,建立了图像识别重量模型。利用水杯图像相关资料建立了数据库,由水杯图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知水杯重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量预测提供了一种新思路和新方法。

基于pccsAMOPSO的宏观物流量多目标变权组合预测模型

针对现有中长期宏观物流量预测模型的局限性,提出基于pccsAMOPSO算法的多目标变权组合预测模型(Mutil-Objective Variable Weight Combination Prediction Mode,MOVWCP)对我国宏观物流量进行预测分析.为提高多目标变权组合预测模型的稳定性,提出了误差熵的概念,并与MAPE同时作为权重规划模型的目标函数,设计了基于pccsAMOPSO的智能启发式算法求解拟合期变权的Pareto前沿,并采用灵敏度差选取了变权Pareto解.一系列数值试验结果验证了本文提出的多目标变权组合预测模型及其算法的优越性.