基于动态粒度小波神经网络的空气质量预测

针对空气质量预测,提出了基于动态粒度小波神经网络的预测方法。为了选取合适的粒度,结合实际问题采用不断尝试的方法动态选取最优粒度,在最优粒度空间中求解问题。粒度变换后可以改变空气质量预测问题的求解空间,提高预测的精确度。实验也验证了动态选取的最优粒度作为小波神经网络的输入进行空气质量预测,可以取得更好的预测准确率。

作物产量预测的粒度分析法

针对作物产量预测,提出基于商空间粒度计算的分析法。在商空间粒度计算理论思想下,分析作物产量序列中粒度的选取,用属性划分方法对论域X进行颗粒化,对属性f取不同的粒度进行颗粒化。通过属性的粒度变化对论域进行划分,得到新的商空间并应用其解决问题,可以降低问题复杂度。通过商空间理论中的分层与合成技术选取大小合适的粒度,能全面获取产量序列中的信息,也更加符合人类智能特点。冬小麦产量预测实验结果也证明这种粒度分析和选取方法是有效的。

几种溃坝问题的SPH方法数值模拟

光滑粒子流体动力学(Smoothed Particle Hydrodynamics,SPH)法是近二十年来发展起来的一种纯的拉格朗日无网格粒子方法。由于它计算空间导数时不需要使用网格并且具有自适应性质,从而避免了高维拉氏网格法中的网格缠结和扭曲的麻烦,被广泛地应用到了各种领域。通过介绍SPH方法并结合浅水波方程,引入处理边界问题常用的虚粒子方法。利用SPH方法结合虚粒子的方式讨论了对于溃坝问题中常见的漂浮物和障碍物的模拟,并通过数值实验的方式证明了此方法在模拟复杂流体运动上的可行性,为SPH方法的进一步发展和广泛应用奠定了基础。

基于UDDI的语义Web服务发现的设计

基于UDDI的传统Web服务发现机制是使用语法关键字或分类目录的匹配技术,这种技术简单易懂,且易操作,但它缺乏对Web服务信息的语义支持,智能化程度不高,所以无论在精确度还是在返回率上都无法满足人们日益增长的需要。我们在原有的UDDI机制中引入OWL-S,使得请求与发布的服务能进行语义匹配,提高了这种发现机制的查全率和查准率,并给出了OWL-S/UDDI Matchmaker构架,结合OWL-S与UDDI各自的长处来实现Web服务的语义匹配功能。