矿岩可崩性的可拓聚类预测研究

将可拓工程方法与聚类分析相结合,以矿岩的可崩性等级和影响因子构造经典域物元和节域物元,应用物元理论和可拓集合中的关联函数,建立了可拓聚类预测的简单物元模型。通过与RQD法,RMR法,MRMR法以及Q系统分级法的矿岩可崩性分级评价结果相比较,可拓聚类预测方法所获得的结果与其他评价方法的结果具有一致性,说明该方法的可行性。可拓聚类预测结果具有不仅反映事物从属级别的绝对性,而且还能反映其相对性的优点。

集对分析聚类预测法及其应用

提出一种新的预测方法—集对分析聚类预测法 .该方法融合了集对分析中的同异反模式识别的“择近原则”和聚类分析的基本思想进行分类预测 .文中将该方法应用于邮电业务总量预测的研究 ,考虑了邮电业务总量和第一、二、三产业的国内生产总值之间的关系 ,利用邮电业务总量和三个产业的生产总值的历史数据 ,建立了邮电业务量水平聚类预测的模型 ,从而得到邮电业务总量预测结果 .利用我国某地区的实际数据进行分析计算 ,并与其它预测方法比较 ,结果表明该预测方法是有效的 .

地下开采引发地面沉陷的未确知聚类预测方法

对未确知聚类预测法进行优化,并将其应用于开采地面沉陷的预测研究。采用开采地面沉陷的实测数据按最大沉陷量进行分类,利用各分类影响因素的均值表示各分类中心,并确定各影响因素的未确知测度函数。由待测对象指标的综合未确知测度与各分类指标的未确知测度间的距离来确定待预测对象所属等级,给出了预测值的计算公式。经计算验证,该方法的正确率为75%。但在实际应用中,为了保证地表建筑设施等更加安全,允许预测级高判,则正确率可达100%。针对某铁矿一观测点进行预测,并与实测数据比较,结果表明,未确知聚类预测的结果是令人满意的,为开采地面沉陷的预测提供了一种新思路。

集对分析聚类预测法在区域用水量中的应用

精确预测用水量有利于水资源的规划和管理.本文利用集对分析联系度及聚类思想建立了集对分析聚类预测模型,并应用于山东省用水量预测中.结果表明,山东省2010年用水总量预测的计算值与实际值相对误差为0.67%,采用灰色GM(1,1)模型预测的相对误差为4.95%,采用BP神经网络预测的误差为4.77%.进一步对山东省2011—2013年用水量的年增长率进行预测,相对误差较小.可见,集对分析聚类预测模型精度较高,可用于区域产业用水量的预测研究中.

集对分析聚类预测法在城市生活需水量预测中的应用

集对分析聚类预测法结合了集对分析中的同异反模式识别的"择近原则"和聚类分析的基本思想进行分类预测。基于该方法给出了城市生活需水量的详细方法预测,在分析过程中考虑了城市生活需水量与其影响因素之间的关系,利用城市生活用水总量和影响因素的历史数据,建立了城市生活需水量聚类预测的模型,并利用我国北京市的实际数据进行了分析计算。结果表明,该预测方法应用于城市生活需水量预测思路清晰,计算简单且精度较高,该预测方法具有较高的实用价值。

基于模糊集的风险聚类预测方法

复杂社会技术系统存在许多不确定性的因素,这些因素给社会决策、项目过程管理带来了巨大的障碍和风险,因此有效的风险预测方法变得十分重要。根据风险项目的风险因素向量,利用模糊等价类的方法,对风险项目的历史数据进行模糊聚类,进而通过对新的风险项目和历史数据的模糊匹配实现了项目的风险聚类预测方法。分析和实践表明,该模型有效地解决了风险项目中诸多不确定性因素分类问题。该方法适合于政府决策、电子商务、软件项目管理等方面的风险管理应用。

水资源变化趋势的灰色聚类预测

利用灰色关联分析，可以挑选出与水资源关系密切的物理因子，而利用前期的物理因子进行计算，可以使灰色聚类分析具有预测功能。因此，根据灰色聚类预测来推断未来水资源的变化趋势是一种有益的尝试。

集装箱生成量可拓聚类预测

分析了集装箱生成量可拓聚类预测的建模机制 ,构建出可拓聚类预测的物元模型 ,并用该模型对集装箱生成量进行了区间预测。

模糊聚类预测法在电网负荷预测中的应用

介绍一种模糊数学方法应用于负荷预测。该方法首先根据模糊聚类分析的方法对电力负荷及其相关因素的历史样本进行归纳分类，然后采用合适的模糊数及模糊集描述各类样本中负荷变化的模式及环境因素的特征。最后，由未来环境因素状态判定未来负荷变化属于哪种模式，从而预测出未来的电力负荷。

高强混凝土强度预测的未确知聚类预测优化模型

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。建立了高强混凝土强度预测的未确知聚类的预测优化模型。并将未确知聚类预测优化模型计算的强度结果与实测混凝土28 d抗压强度进行比较。研究表明,预测结果与实测结果吻合一致,说明该预测模型具有较高的预测精度,为以后高强混凝土强度预测提出一种新方法和一条新途径。

灰色关联—集对聚类预测模型在吉林省用水量预测中的应用

对地区未来用水量进行预测对于实现水资源的合理规划与调度有着重要意义。为了对吉林省未用水量进行合理预测,建立了吉林省短期用水量预测的灰关联-集对聚类预测模型,并用吉林省实际用水量数据对模型进行了交叉精度检验。结果发现:该模型对吉林省2015用水量预测结果与实际数据的相对误差为2.00%,预测精度好于灰色预测模型和BP神经网络模型。20年数据检验平均误差为2.675%,预测效果较好,可用于区域未来用水量预测。根据此模型以及吉林省发展规划,2020年吉林省用水量将达到138.74×10~8m^3。

长江三角洲地区集装箱生成量的可拓聚类预测

在酝酿新世纪的各国港口集装箱运输的持续发展中,各界普遍关注的热点问题是沿海集装箱深水港的建设,而对于内河集装箱运输没有得到应有的重视.

基于集对分析聚类法对中国未来生活用水量的预测

目的利用集对分析思想,构建集对分析聚类预测模型对国内未来生活用水量进行长期预测,分析未来生活用水量及增长趋势,为有关部门决策提供参考意见。方法从2000年至2014年的《中国统计年鉴》中收集年居民生活用水量时间序列数据,利用聚类的思想,将2000年至2013年的生活用水量增长率分成3类,利用集对分析思想,计算居民生活用水量与影响因子人口总数的联系度,通过预测人口总数在未来的增长率,预测未来居民生活用水量及其增长速度。结果从聚类的结果可以看出,2001-2013年生活用水量除2012年有所回落外,一直呈增长态势,年增长率除2012年外均稳定在1.02~1.04之间;由预测的结果来看,2014-2025年的生活用水量均属于第二类,即增长率范围稳定在[0.9833,1.0273],到2025年生活用水量将达到869.06亿m3;将2010-2013年实际生活用水量增长率与预测生活用水量增长率进行比较,计算其预测误差均在2%以内。结论集对分析聚类预测模型对于生活用水量的预测具有较高的精度,可以较好地预测长期生活用水量。未来生活用水量呈现缓慢增长态势,在一定增长率水平下,2025年突破850亿m3。

模糊聚类与预测分析模型在高等学校定位中的应用

利用模糊数据挖掘方法 (FDM) ,建立了模糊聚类与预测分析模型 ,并结合 2 0 0 4年中国大学 10 0强排行榜的有关数据 ,对某些综合类大学进行了定位分析 ,其分析结果与实际定位情况基本一致 ,这充分说明利用该模型对高等学校定位是可行的、实用的 ,期望能为我国高等学校的正确定位提供决策支持。

基于因果聚类的高等教育学费的模糊预测模型

本文依据影响高等学校学生学费的各因素，搜集2000～2007年影响高校学费的各项数据，如所在地GDP、城镇居民人均可支配收入、财政拨款、生均教育性支出和学校总财政支出等因素，充分分析所搜集到的数据，建立基于因果聚类的模糊预测模型，得到了学费的模糊预测，并利用此模型，对学费标准进行了定量的分析，得出中国高校学费较外国高校学费偏高，对教育部门关于高校学费的制定提供方法上的指导。

深成份指数的灰色行业聚类关联与预测模型研究

本文应用系统工程理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类预测方法。以深成份指数为样本对各类行业进行了聚类分析,得到了一种符合实际的聚类预测结果,阐明了灰色趋势关联聚类预测方法的有效性、方便性和实用性。

WSN中基于自适应预测聚类的多组群目标的跟踪方法

针对多传感器目标跟踪中的能源使用和跟踪精度之间的不平衡问题,提出了一种权衡网络寿命和精度的方法,即基于自适应预测聚类的多组群目标跟踪方法(APCMT),实现了同时跟踪多个组群。首先进行聚类,即捕捉组群行为属性的改变,例如形成、合并以及分裂;然后选择传感器,激活对组群区域有贡献的传感器,并进行组群跟踪。仿真场景在1 000 m×1 000 m的正方形区域内,随机部署500个传感器,与Kalman、效能节点选择(EENS)方法以及改进的动态簇(IDC)方法相比,提出的方法在跟踪精度方面更高。由于需要激活的传感器更少、计算时间更短,网络寿命得到了明显的提升。

预测子空间聚类的聚类集成算法

鲁棒的预测子空间聚类(robust predictive subspace clustering,RPSC)算法通过在预测子空间聚类中引入RPCA(robust principal component analysis)模型来提高主元分析的鲁棒性,但是算法在执行变量选择和模型选择时,对稀疏参数以及最大子空间维数比较敏感,利用聚类集成良好的鲁棒性和泛化能力,提出预测子空间聚类的聚类集成算法.该算法首先利用RPSC算法的内在特性以及特征重采样技术一起来构造多样性的聚类成员;然后,采用加权连接三元组算法计算簇关联矩阵,发掘出隐藏在簇之间的关联信息;最后,通过谱图分割技术得到最终的集成结果.其优势在于既利用了RPSC算法的优越性能,同时又避免了精确选择参数的问题.实验结果表明,无论在无噪声或加噪声的环境下,新提出的算法都能够提高RPSC算法的聚类质量.

虚拟母线技术及其应用(二):虚拟母线负荷预测

与系统负荷不同,母线负荷水平较低,波动性强,规律性弱,可预测性差,引入虚拟母线技术有利于提高母线负荷预测的工作水平与预测精度。在电网中存在一些紧密联系的连通的局部网络,其内部各母线对关键断面具有相同或相近的发电机输出功率转移分布因子(generation shift distribution factor,GSDF),同时其内部母线的负荷曲线具有一定的相似性,这些母线所组成的连通局部母线组为虚拟母线。根据虚拟母线概念,提出一种新颖的聚类预测方法:虚拟母线负荷预测方法;对虚拟母线负荷预测与独立预测的精度进行了比较,分析了预测误差的形成机理,提炼出预测误差的数学表征;针对虚拟母线聚类判据对于提高预测精度的有效性进行了分析;采用河北南网的实际数据验证了虚拟母线负荷预测方法的有效性。