基于GMDH方法的四川民用汽车保有量预测研究

文章针对四川民用汽车保有量原始数据较少的特点,应用GMDH方法建立预测模型对其进行了预测分析,并通过与传统的回归和人工神经网络模型预测结果的比较说明GMDH方法是汽车保有量等复杂经济系统变量小样本预测的一条有效途径。

基于GMDH方法和BP神经网络的经济预警模型

文章应用GMDH方法来确定BP神经网络的输入指标,对传统的BP算法进行了改进,使得输入指标的选择能自动实现,减少了人为因素的干预。用改进后的BP神经网络对四川省的工业经济状况进行了评价,计算结果表明,训练后的神经网络模型能准确对经济状况进行评价分类,从而实现对经济的预警。

航空发动机环形燃烧室噪声总声级的GMDH方法研究

采用数据处理的组合方法(GMDH),研究航空发动机环形燃烧室测试数据。通过简单的二元二次回归原理来构造出下一代较为复杂的次级回归方程,并且利用"优选原理"淘汰掉次级回归方程中的那些不理想的项,得到燃烧室噪声总声级的高阶方程,获得较客观的描写复杂非线性系统的非线性模式。

GMDH中部分表达式的构成及改进方法

该文在综合了ＧＭＤＨ方法中部分表达式构成形式的基础上，提出用最优化方法构成系统最佳部分表达式，由此得到精度更高、稳定性较好的模型．

基于R/S分析的GMDH自组织方法在用电量预测中的应用

将R/S分析方法引入用电量预测;并将R/S定性分析方法与GMDH定量预测方法结合,应用于成都市用电量预测。应用R/S分析方法从定性角度研究成都市历年用电量变化趋势的特性,得出成都市城市用电量Hurst指数;运用GMDH预测方法从定量角度对成都市近几年的城市用电量进行预测,进而验证Hurst指数所反映出的成都市用电量的增长趋势。

基于KPCA和数据处理组合方法神经网络的半球谐振陀螺温度建模补偿方法

针对半球谐振陀螺(HRG)的温度建模与补偿问题,提出基于核主成分分析(KPCA)和数据处理组合方法(GMDH)神经网络的建模补偿方法.通过分析HRG的温度特性和大数据特征,初步确定网络模型的特征向量.为了去除HRG输出数据的相关性和冗余性,引入KPCA并降低特征向量维度.将特征向量代入GMDH神经网络训练,区分训练集和验证集以确定网络权值和网络结构,实现HRG温度漂移的建模与补偿.实验结果表明,单一样本预测时,所提方法预测效果明显好于传统多项式模型;多样本预测时,在4种不同训练样本下,所提方法相比传统多项式模型精度分别提升了48.5%、54.0%、56.3%、68.4%,相比GMDH模型分别提升了3.6%、5.1%、3.8%、8.8%.所提方法能够有效提高HRG在变温工况下的测量精度.

改进GMDH与润滑油生产过程数学模型

在GMDH方法基础上，提出了一种改进方法：GMDH＋模型结构优化方法。应用改进方法对润滑油生产中酮苯脱蜡过程的数学模型进行了辨识工作，得出的模型与实际操作数据较为吻合。并根据得出的数学模型进行了优化计算，并寻找以收率最大为指标的最优操作点，结果较好。

GMDH和变结构协整理论在电力负荷预测中的应用

鉴于未考虑时间序列的非平稳性所得到的拟合方程可能出现'伪回归'而失去准确预测的能力,引入了协整理论与误差修正模型。考虑地区产业结构发生变化将导致地区用电量时间序列发生结构突变,影响平稳性检验结果的可信度,又引入了GMDH理论,自动搜索并确定结构突变点,以改进经典结构突变理论需要事先获知一些重大波动信息等主观性影响。结合上述两点,构建了基于GMDH理论的参数变结构协整模型。算例证明了该模型在电力系统的负荷预测中的适用性以及在处理'伪回归'和'样本数据结构突变'问题方面的有效性。

基于解耦型GMDH的车身材料参数反求

动态载荷作用时,具有应变率效应的材料在碰撞仿真中会展现出不同于静态载荷时的性能,准确的材料参数是获得可靠仿真结果的前提。主流的近似模型优化方法忽略了对变量间耦合关系的判定,造成近似模型中存在不必要的耦合项,增大误差项所占比重,降低模型的效率和泛化能力。为此,提出了解耦型数据分组处理方法(GMDH),在建模初期判断变量之间的耦合关系,进而确定模型的耦合项。在高维非线性函数测试中,该方法表现出优良的建模性能;将该方法与台车试验结合,反求出两种材料构成的拼焊板参数,与试验结果的对比表明,该反求方法具有较高的精度。

GMDH神经网络在电主轴热位移建模中的应用

针对机床电主轴在高速运转时内部发热造成的热误差问题,对比BP、RBF神经网络方法,采用一种基于GMDH神经网络的电主轴热误差建模方法。以某型号高速数控机床电主轴为研究对象进行热误差实验,通过利用温度传感器和电涡流位移传感器分别采集主轴温度和轴向热位移数据,运用数据处理群集方法(GMDH)建立主轴轴向热误差预测模型。经过数据对比表明:该方法较传统的神经网络方法具有学习速度快、获得全局最优解、泛化性能好、拟合预测精度高等优点。

基于遗传算法的非线性系统辨识的研究

针对线性、时不变和具有不确定参数的对象进行辨别和控制研究,其辨别器和控制器的确保辨识系统全局稳定的自适应函数调参规律和结构选优组成等,都是构建在线性系统理论之上。由于非线性系统的辨别和自适应控制一直难于找到相应的数学方法,因此提出一种非线性系统数学模型构成系统模型辨识的新方法,将组合优化问题由非线性系统结构辨识问题转化而成。仿真实验表明,遗传算法求解非线性系统辨识比其他方法具有更好的近似解,证明了该算法的有效性和实用性。

模糊规则归纳法及GDP主要影响因素分析

使用一种新的自组织数据挖掘方法模糊规则归纳法根据GMDH技术自动地从数据中提取模糊规则形成更自然语言描述的模糊模型阐述了模糊规则归纳法的算法原理及建模步骤并给出了四川经济发展的建模研究实例分析出影响GDP增长的主要因素展示了模糊规则归纳法的突出特点文中还对模糊规则归纳法和GMDH方法进行了比较说明模糊规则归纳法进行因素分析的优越性

高技术产业技术创新效率提升的多元模式——创新环境视角

创新环境可为高技术产业技术创新提供支撑条件,从创新环境视角出发厘清创新效率提升模式对高技术产业创新发展意义重大。应用CCR-DEA模型测度29个省市2012-2016年的技术创新效率,利用GMDH算法识别出影响创新效率的关键环境因素,并运用fsQCA方法探究关键环境因素组合与创新效率关系。结果表明:我国高技术产业技术创新效率均值偏低,超过半数省市的创新效率值未达到全国平均水平;经济基础、市场需求、对外开放度、行业研发基础、自主创新倾向、政府创新干预、知识产权保护是影响创新效率的关键环境因素;任何关键环境因素均不能单独引致创新效率提升,4项关键环境因素组合是提升创新效率的充分条件,由此形成效率提升的4种模式,其中,需求驱动型、交流碰撞型和主体带动型适用于经济基础偏弱地区,增质减束型模式适用于经济基础较好地区。

数据挖掘在运动自行车量身定做中的应用

基于自组织数据挖掘的基本原理,根据运动自行车车架设计的背景知识,选取影响车架尺寸的骑行者的身体特征,并选择相关的数据作为学习样本,在Knowledgeminer中建模,得到车架尺寸和身体特征之间的定量关系,实现了运动自行车车架量身定做的功能.