基于预测推理的蒸馏组分控制

用在线测量变量预测将来产品组分,关键是前馈控制的实现。迭代模型或相关的控制标识可以改善控制系统的性能。仿真结果表明,预测推理控制策略与其它控制方案具有一定的优越性。

主过热蒸汽管路的贝叶斯网络安全性预测推理

针对船用锅炉主过热蒸汽管路破损展开分析,建立故障树模型,同时充分考虑故障之间不确定性逻辑关系,在此基础上转化得到贝叶斯网络模型。通过对条件概率的合理修正,对故障进行安全性预测推理,得出比传统分析方法更为精确合理的计算结果。

火炮预知维修专家系统中的预测推理机制

火炮故障预测技术以当前火炮使用状态为起点,对火炮在未来任务段内可能出现故障进行预测。系统分为数据采集/处理、故障预测及性能评估、维修决测四个层次。该过程涉及:预测模型的建立、预测知识的表示、基于“框架+规则”的反向推理三部分。

基于RBF神经网络的地理时空信息预测推理方法

本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。

国外预测推理研究评述

预测推理是否在阅读中产生受实验材料及具体实验程序的影响 ,预测推理的生成需要花费时间 ,在高预测性语篇中 ,预测推理能更快地生成。预测推理实验中观察到的启动效应的实质是意义的精细建构 。

基于动态图表示的设备故障推理预测方法

高效的设备运维可以保障设备的正常运行。然而,随着设备复杂程度越来越高,设备的维护和故障排查的复杂度和难度也不断增加。因此,人工方式越来越不能满足智能化设备的运维需要。智能运维将人工智能等新兴技术运用于运维过程,可以作为设备运维的有力支撑。但现有的很多方法依旧存在着未考虑动态性等不足。针对上述问题,提出了一种基于动态知识图谱表示学习的设备故障推理预测方法,用于预测目标设备是否与故障设备存在潜在的关联。该方法结合动态知识图谱表示学习和图表示推理模型,可以利用实时数据更新图网络,并运用图表示推理模型对新的故障数据进行推理。首先,使用动态知识图谱来表示设备运维数据,记录设备随时间的演化过程,从而有效地表达设备之间关系的动态变化性;然后,通过表示学习获得动态知识图谱中源故障设备和目标设备的时间感知表示;最后,将时间感知表示作为输入进行故障推理预测,判断设备之间是否存在潜在的关联。预测结果可以辅助运维人员解决相应的设备故障问题。在多个数据集上进行了实验,验证了所提方法的有效性。

具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性，采用模糊推理预测方法进行负荷预测的研究．该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则，从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系，通过模糊推理得到负荷预测结果．为了使模型能够象专家一样不断地总结新的经验并调整原有的经验，模型克服了其它模型中知识的凝固性，具有自学习功能．利用某地区的实际数据进行分析计算，得到了满意的结果．

基于事例推理的电力系统短期负荷预测

短期负荷预测对于电力系统安全、稳定、经济地运行有重要意义。将粗糙集信息熵理论和统计学主成分分析方法用在负荷事例属性的约简上，分别针对负荷数据的重要性和相关性进行了有效处理。这样，不仅减少了事例重用过程的训练时间，还有效控制了次要负荷因素对重要因素的干扰；在事例修正过程中，针对非正常日提出一些有效的修正方案。最后，用河北省保定供电公司2000-2004年的负荷数据对该方案验证，结果表明，提出的预测方案是有效，可行的。

基于多重复合模糊蕴涵的玉米螟产卵期推理预测

以温度、湿度、雨量为特征因子,用CRI法研究属于多重复合模糊蕴涵的越冬代玉米螟产卵期问题。研究结果表明,该方法可以较好地预测越冬代玉米螟的产卵期。

城市交通路网动态短时推理与精准预测研究

城市路网结构对于交通拥堵的形成及其在时空上的传播过程具有重要的影响。然而,在基于传统交通模型或深度学习模型的研究中,交通模式的生成与传播往往并未考虑路网特征,且只能通过交通特征指标进行间接刻画,使得难以动态描述其在时间及空间维度上的特征,导致交通模式传播预测精准度不高且缺乏针对性。为了解决上述问题,提出了一种新型的基于交通模式推理的交通预测框架TP2。该框架将拥堵传播模式建模为一个随时间变化的时序知识图谱,并使用一种包含了全新聚合函数RGraAN的推理框架进行时序推理,以捕捉交通拥堵的动态时变传播模式,将路段和与其存在交通模式关联的路段进行组合,并构建时空关联路网子区域,然后基于图神经网络的交通短时预测模块充分挖掘子区内的交通流时空相关性,并预测子区内各个路段的未来速度变化情况。与现有方法相比,TP2预测精度相比A3T-GCN模型有1%~2%的提升。

应用多元模糊推理预测方法进行邮电业务总量预测

采用一种新的模糊预测方法———多元模糊推理预测方法进行邮电业务总量预测的研究。该方法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模糊推理规则 ,从而进一步建立邮电业务量水平跟三个产业的生产总值之间的模糊蕴涵关系 ,通过模糊推理得到业务量预测结果。该方法对预测问题中存在的不确定因素进行了处理 ,克服了其它模型中知识的凝固性 ,能够象专家一样不断地总结新的经验并调整原有的经验 ,具有自学习功能。利用某地区的实际数据进行分析计算 ,并将结果跟模糊神经元网络预测法的结果进行比较 ,表明多元模糊推理预测方法是有效的。

区间值模糊推理预测

本文在"模糊推理预测"的基础上,提出以隶属度用区间值表示的模糊集为基础的模糊推理预测方法,给出了基本原理和计算步骤。本文指出"区间值模糊推理预测"更为符合人们思维的模糊属性。

论明示—推理模式对缓解口译员压力的启示

阐述口译员群体所面临的巨大压力,分析译员压力产生的主要原因,提出可以从认知语境建构着手,利用明示—推理模式将口译活动置入人类交际活动中,完善和整合自身认知语境,进行合理的预测和推理,缓解由于时间急迫、口译话题不熟、内容卡壳等状况给译员带来的身心压力。

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.

基于TSC-RBF的水质预测方法——以漓江阳朔河段为例

在深入分析RBF网络模型的原理和算法的基础上,对水质信息进行标准化处理,利用RBF神经网络超强的非线性拟合能力,提出一种基于时空特征—径向基函数(TSC-RBF)的时空信息推理方法。重点研究了复杂地理实体的时间、空间和属性信息的标准化处理及预测推理模型的具体构建过程,并以漓江阳朔段流域水质中COD_(Mn)和NH_3-N含量的预测推理验证该方法的可行性,为时空数据处理过程中信息推理分析提供了思路。

科学预测方法的逻辑类型

所谓预测方法的逻辑类型,指的是每种预测方法所运用和所体现的不同逻辑规则和方法。不难看出,预测方法不管有多少种,归根到底本质上都不过是某种逻辑的推理。因此,预测方法是可以用不同的逻辑推理的形式来进行分类的。不同的预测方法所体现的逻辑类型基本上是三种,即归纳推理预测法,演译推理预测法,以及类比推理预测法。归纳推理方法的基本特点是从特殊推出一般,演译推理方法的基本特点是从一般推出特殊,类比推理的基本特点是从特殊推出特殊。

一种新型基于神经网络的预测控制

重点考虑在多变量系统中对控制的准确性和实时性要求,在已有的神经网络预测模型基础上,提出采用模糊理论改进其反馈校正环节,对预测输出和实际输出在一定的隶属函数和模糊规则下进行模糊推理,输出结果用以修正预测模型,从而使系统综合性能得到实质性提高,仿真结果表明改进有效.

施动感研究的意向捆绑范式述评

施动感是自我意识的一个重要部分。意向捆绑即人的动作及动作的感觉结果两者的时间点主观上被感知为相互靠近的现象,为研究人类的施动感提供了一个重要的测量手段。本文综述意向捆绑的实验范式和认知机制,发现目前线索整合理论能最好的解释意向捆绑现象。意向捆绑的范式可以用于临床疾病和跨文化的研究。今后还应深入研究意向捆绑机制及意向捆绑与施动感的关系。

架构智能化导学系统问题初探

随着远程开放教育的不断推进,人们的学习观念、学习方式都在逐步转变,主要特点是强调以学生为中心的自主学习模式,因此,建立能够满足学习者个别化自主学习需要的学习服务支持系统就显得尤其必要。本文就建立智能化导学系统提出一些构想,为计算机网络辅助学习提供智能化的支持服务。

High-Speed Railway Train Timetable Conflict Prediction Based on Fuzzy Temporal Knowledge Reasoning

Trains are prone to delays and deviations from train operation plans during their operation because of internal or external disturbances. Delays may develop into operational conflicts between adjacent trains as a result of delay propagation, which may disturb the arrangement of the train operation plan and threaten the operational safety of trains. Therefore, reliable conflict prediction results can be valuable references for dispatchers in making more efficient train operation adjustments when conflicts occur. In contrast to the traditional approach to conflict prediction that involves introducing random disturbances, this study addresses the issue of the fuzzification of time intervals in a train timetable based on historical statistics and the modeling of a high-speed railway train timetable based on the concept of a timed Petri net. To measure conflict prediction results more comprehensively, we divided conflicts into potential conflicts and certain conflicts and defined the judgment conditions for both. Two evaluation indexes, one for the deviation of a single train and one for the possibility of conflicts between adjacent train operations, were developed using a formalized computation method. Based on the temporal fuzzy reasoning method, with some adjustment, a new conflict prediction method is proposed, and the results of a simulation example for two scenarios are presented. The results prove that conflict prediction after fuzzy processing of the time intervals of a train timetable is more reliable and practical and can provide helpful information for use in train operation adjustment, train timetable improvement, and other purposes.