基于正态信息扩散的新多变量模糊时间序列模型研究

针对目前多变量模糊时间序列研究中小样本问题,文章基于信息扩散技术构建一个多变量模糊时间序列模型,讨论信息扩散系数的变化对模型精度的影响,进而选取2006-2016年人均GDP、能源消费总量的样本数据对中国SO2排放量进行预测,且与马尔可夫模型运行结果进行比较。结果表明:所建模型可以弥补小样本的不足;不同方式确定的信息扩散系数对模型精度存在影响,其中基于两点择近原则确定的h0最优;所建模型的平均绝对误差与平均绝对百分误差率均小于马尔可夫模型,即具有较高的预测精度。

基于信息分配技术的双变量模糊时间序列模型构建

针对目前信息分配模糊时间序列模型只能研究单变量的局限性,文章构建了一个基于信息分配技术的双变量模糊时间序列预测模型,并探讨模糊区间长度对模型预测精度的影响。以中国的互联网用户渗透率以及实际GDP为例验证模型的有效性,并选取经典马尔可夫模型作为对比模型。结果表明:模糊区间长度对信息分配模型的预测精度有影响,且模糊区间长度减小能提高预测精度。

基于zigbeePro的瓦斯监测系统设计

针对矿井安全问题，本文提出了一种基于ZigBeePro的瓦斯浓度监测系统设计方案，采用MJC4/3.0L传感器、芯片CC2530作为控制器，设计组成了一整套软硬件结合的zigbeepro无线网络，结合多因素的信息融合技术和模糊推理技术，提出了瓦斯安全等级评估的的新方法，实现了对瓦斯安全等级高精度的预测，抑制了多因素干扰对评估结果的影响。此系统具有安全、抗干扰、高灵敏度、低功耗、高寿命、应用简单等特点，在实际应用中有着巨大的优势。

基于甲型H1N1防御系统的数据分析系统算法描述

本文介绍了甲型H1Nl疫情防御决策支持系统的基本框架,重点描述了防御系统的数据分析系统算法。