基于BP神经网络的气象云资源调度系统

人工调度气象云资源会造成资源浪费。本文设计一种基于BP神经网络的气象云资源调度系统。该系统使用BP神经网络学习虚拟机负载历史数据,并对其进行预测;基于预测的虚拟机负载,设计一种面向多类资源的虚拟机非增排序策略;使用首次适应算法对排序后的虚拟机进行云资源调度。该系统在江西省气象云平台中进行了实验和功能验证。

基于遗传算法的BP神经网络模型在地下水埋深预测中的应用——以蒙城县为例

地下水系统是一个高度复杂系统,针对地下水位与其影响因素之间的非线性映射关系,建立遗传算法优化BP神经网络浅层地下水埋深模型,对地下水埋深进行模拟和预测。使用RMSE、MAPE和NSE三种评价指标,将所得结果与BP神经网络和逐步回归模型进行对比。以蒙城县1974—1999年前期降雨量、前期地下水埋深和利辛县前期地下水埋深作为输入层,以当月地下水埋深作为输出层,将蒙城县2000—2010年地下水埋深作为检验样本,计算结果表明:遗传算法优化BP神经网络模型训练阶段和测试阶段RMSE分别为0.22和0.34、MAPE分别为7.6%和9.21%、NSE分别为0.89和0.85,泛化性能良好,有效规避了过拟合现象,且拟合和预测的精度较高。该模型可为地下水研究提供了一种有效浅层地下水埋深的预测方法,具有较好的应用前景。

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。

人工智能技术的人力资源调度优化研究

为了提升企业人力资源调度的效果,研究了应用人工智能技术的人力资源调度优化方法。以项目延期惩罚成本和人力成本最低作为人力资源调度优化目标建立目标函数,选取包含输入层、隐含层以及输出层的三层BP神经网络算法来求解人力资源调度优化目标函数。通过梯度下降法调节各层参数令代价函数值到最低,利用调整目标的负梯度方向实现算法快速收敛,以此完成人力资源调度优化目标函数快速求解。实验结果表明,该方法可以对企业项目的人力资源调度进行优化,使运行时间得到减少,而且各活动运行总成本低,活动完成工期较短,证明了该方法在人力资源调度优化方面的有效性。

呼叫中心智能排班系统关键技术

分析学习率和训练精度对BP神经网络训练最大次数、收敛时间和话务量预测精度的影响;根据呼叫中心历史话务量数据的日变化特点,提出并验证采用分时间段多次调用BP神经网络模型的方法比整体预测所得话务量预测结果精度更高;基于话务量预测结果,使用Erlang-C公式进行坐席数预测,结合呼叫中心的典型班次、设定的服务水平等参数进行坐席数曲线拟合,得到每个典型班次对应的话务员数量;开发呼叫中心智能排班系统,通过合理的排班实现大型呼叫中心资源的合理配置。

网络控制系统变采样周期智能动态调度策略

针对网络控制系统中采样周期时变不确定性对控制性能和网络运行性能的影响,提出一种基于反馈控制原理和预测机理的智能动态调度策略。该策略利用网络资源利用率、截止期错过率以及误差绝对值积分(Integral of the Absolute Error,IAE)对消息进行反馈控制调度,保证网络利用率、截止期错过率以及控制性能保持在期望的范围内;利用BP神经网络对网络利用率和数据包执行时间进行预测,实时调整控制系统的采样周期,以适应网络中信息流的变化。仿真试验结果表明该调度算法既能满足控制系统的性能,又提高网络资源的利用率。

高校能源智能监管系统的研究与设计

基于现代物联网、现代统计学分析等技术手段,对校园能源消耗各环节的过程进行感知、分析、整合、优化,设计建立了适合中小型校园的智慧高校能源监管系统.

基于神经网络的高校会议资源智能调度系统算法研究

会议是学校日常办公处理事务的重要手段,是办公流程中不可缺少的重要环节。学校现有的会议安排方式是各部门各自为政,往往会出现会议室资源冲突以及与会人员重复等问题,针对此问题,文章提出会议资源智能安排系统,基于BP神经网络算法,通过对网络的训练达到用户拟定会议类型和会议级别及会议人数,系统即可智能安排会议时间地点。在满足会议室预约调度的基础上进一步对拟定参会人员进行冲突检测,解决了会议资源配置问题。

高校会议资源智能调度系统设计研究

针对高校会议安排中出现的各种问题,笔者设计开发了一套智能会议安排管理系统,该系统实现了会议安排、会议通知、会议室预约、会务工作、会议资料管理等功能。其中会议安排应用BP神经网络算法,实现智能会议安排与会议资源统筹,提高了会议室的使用率,节省会议组织者的时间,从而达到提高会务处理效率、降低办公成本的目的。

基于强化学习的定向无线通信网络抗干扰资源调度算法

为了在无线网络中进行高效的链路资源调度、减小网络干扰、提高网络容量,提出了一种利用回溯天线并考虑干扰环境的链路资源分布式智能调度算法.首先,结合通信的路径损耗模型设计卷积核,对节点密度矩阵进行卷积来衡量干扰链路强度,从而避免对所有干扰链路进行信道估计产生巨大的计算代价;然后,结合强化学习的思想设计了与通信环境交互的链路调度学习模型,每个链路利用神经网络进行独立的训练,将训练所得的决策结果反馈到环境中进行状态更新,模型在不断更新的环境中迭代来学习最优的调度策略.该方法能分布式的运行,可有效衡量无线网络中的链路干扰强度,结合衡量结果进行高效的链路资源分布式调度,从而最大化网络容量.仿真结果验证了该调度算法无论是在算法迭代收敛还是网络容量性能上都能很好地逼近全局的调度算法,达到全局算法最优结果的92%~100%.

神经网络在智能公交实时调度中的设计与实现

神经网络是一种新兴的数学建模方法,它具有识别复杂非线性系统的特性,比较适合实时调度。在智能公交实时调度中加入误差反向传播算法,利用误差反向传播算法超强的学习能力和泛化能力,通过对海量公交历史调度数据的学习,可以建立公交车到达目的站点的预测模型;通过实时GPS数据,就可以预测车辆到达目的地的大概时间,为建立智能公交调度提供极大方便。