基因表達式編程在公路貨運量預測中的應用

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數(shù)學語言進行描述。采用廣義回歸神經(jīng)網(wǎng)絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數(shù)據(jù)進行分析和處理,對網(wǎng)絡進行訓練和擬合,用2004~2005年的實際數(shù)據(jù)進行模型檢驗,結(jié)果證明了grnn用于貨運量預測的有效性。

對影響公路貨運量的相關因素常用指標進行主成分分析,提取出影響貨運量的隱性因素,并解釋出隱性因素的經(jīng)濟含義,為貨運量的預測及宏觀調(diào)控提供科學依據(jù)。

在分析公路貨運量的影響因素和預測特點的基礎上,將pso算法的全局搜索能力和rbf神經(jīng)網(wǎng)絡局部優(yōu)化相結(jié)合,建立了基于改進pso算法和rbf神經(jīng)網(wǎng)絡的公路貨運量預測模型(mpso-rbf)。利用某城市的歷史數(shù)據(jù)對預測模型進行了訓練、測試與仿真,同時將仿真結(jié)果與回歸分析法、灰色理論法、bp神經(jīng)網(wǎng)絡和rbf神經(jīng)網(wǎng)絡預測的結(jié)果進行了比較,結(jié)果表明文中提出的預測方法精度較高,對于公路貨運量預測具有一定的可行性和有效性。

本文提出了一種基于rbf神經(jīng)網(wǎng)絡的直接預測法,對公路貨運量進行了預測,并利用matlab工具箱予以了實現(xiàn).對2004和2005年公路貨運量預測的結(jié)果表明,預測值與國家統(tǒng)計局公布的實際數(shù)值有很好的一致性,預測精度也高于其它rbf預測法,有很好的應用性.

首先分析了公路貨運量預測的重要性,介紹了國內(nèi)外主要預測方法。歸納總結(jié)了支持向量機的核心思想和基本原理,利用此較新的理論建立了公路貨運量預測模型,給出了構(gòu)建模型的具體分析步驟,同時探討了參數(shù)的標定和修正過程。利用北京市基礎數(shù)據(jù),建立北京市公路貨運量預測的支持向量機模型,并應用libsvm軟件進行預測,預測結(jié)果驗證了模型的有效性和可行性,表明方法可以推廣并可實際應用。

利用混沌理論對公路貨運量的預測方法進行了分析,比較了現(xiàn)代常用的公路貨運量預測方法的優(yōu)缺點,研究了混沌理論對公路貨運量的預測基本原理,構(gòu)思短中長期貨運量預測方法的可行性,并提出了研究方法和途徑。

在計算機中執(zhí)行算術表達式的計算是通過棧來實現(xiàn)的。編譯系統(tǒng)不考慮表達式的優(yōu)先級別,只是對表達式從左到右進行掃描,找到運算符和操作數(shù),完成運算。本文以vb為開發(fā)平臺,利用數(shù)組實現(xiàn)順序棧工作原理,將中綴表達式轉(zhuǎn)化為逆波蘭表達式,便于計算。

通過markov狀態(tài)轉(zhuǎn)移矩陣對改進后的灰色預測結(jié)果進行修正,構(gòu)建改進灰色-markov預測模型,并對我國鐵路未來貨運量需求預測進行了實證分析。

交通運輸鐵路預測系統(tǒng)是一個動態(tài)的時變系統(tǒng),貨運量作為交通運輸系統(tǒng)的行為特征量,具有一定的隨機波動性,它的發(fā)展呈現(xiàn)某種變化趨勢的非平穩(wěn)隨機過程?；疑玤m(1,1)模型適用于具有較強指數(shù)規(guī)律的序列,只能描述單調(diào)的變化過程?；疑玽erhulst模型能夠?qū)Σ糠中畔⑽粗?、具有飽和特性的系統(tǒng)或者某種非平穩(wěn)隨機且趨近飽和過程進行高精度預測。本文建立灰色verhulst模型與gm(1,1)模型,對2008-2017年貨運量預測與實際值精度檢驗,并預測2018-2035年全國鐵路貨運量。結(jié)果表明,verhulst模型不僅彌補了gm(1,1)模型單調(diào)的變化過程,而且更加精準模擬鐵路貨運量的變化趨勢。通過灰色verhulst模型與gm(1,1)模型對鐵路貨運量預測精度檢驗的比較,可以看出灰色verhulst模型具有更高的精度。

科學的貨運量預測對鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義。采用灰色模型預測方法gm（1,1）和馬爾可夫鏈預測相結(jié)合,提出了灰色-馬爾可夫鏈改進預測方法,利用偏差對灰色模型值進行狀態(tài)劃分,并采用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣對狀態(tài)的轉(zhuǎn)移變化進行分析,并針對我國鐵路貨運量的未來趨勢進行了經(jīng)濟預測的分析,確定待測年份偏差最可能處于的狀態(tài)。

隨著數(shù)據(jù)挖掘技術在各領域運用越來越多,其算法也日漸趨于成熟。數(shù)據(jù)挖掘技術作為建立預測模型的重要技術,已成為專家研究的熱點。隨著數(shù)據(jù)挖掘技術在實際模型運用中暴露的問題越來越多,單一的技術和方法已無法滿足各類功能的需求。為了分析公路貨運中復雜的數(shù)據(jù),構(gòu)建一種功能強大的預測模型就顯得尤為重要。本文嘗試說明在數(shù)據(jù)預測模型中運用rbf神經(jīng)網(wǎng)絡技術和主成分分析方法,挖掘和分析公路貨運中的數(shù)據(jù),提高預測結(jié)果的準確性和高效性,為制定新的決策提供有效的依據(jù)。

針對船舶企業(yè)采用人工經(jīng)驗來粗略制定工時物量定額的問題,提出了在任務包的基礎上采集工時/物量數(shù)據(jù),運用數(shù)理統(tǒng)計的方法建立多項式回歸分析模型,擬合工時/物量表達式。

數(shù)據(jù)結(jié)構(gòu)課程設計--表達式計算程序設計

課程設計報告 題目十三、利用棧求表達式的值 一、設計任務與目標 編寫程序?qū)崿F(xiàn)表達式求值，即驗證某算術表達式的正確性，若正確，則計算 該算術表達式的值。 主要功能描述如下： 1、從鍵盤上輸入表達式，以“=”號結(jié)束表達式。 2、分析該表達式是否合法： （1）是數(shù)字，則判斷該數(shù)字的合法性。若合法，則壓入數(shù)據(jù)到堆棧中。 （2）是規(guī)定的運算符，則根據(jù)規(guī)則進行處理。在處理過程中，將計算該表 達式的值。 （3）若是其它字符，則返回錯誤信息。 3、若上述處理過程中沒有發(fā)現(xiàn)錯誤，則認為該表達式合法，并打印處理結(jié) 果。 附加功能： 1.規(guī)定表達式的合法性 2.小數(shù)計算 3.計算記錄的保存與查看 4. （1）規(guī)定表達式的合法性，括號配對，不能出現(xiàn)“6++3”、“6+－3”等符 號重疊的情況。 （2）表達式開頭只能是數(shù)字或“（”，表達式中只能有一個“=”。 程序中應主要包含下面幾個功

wewillcontinuetoimprovethecompany'sinternalcontrolsystem,andsteadyimprovementinabilitytomanageandcontrol,optimizebusinessprocesses,toensuresmoothprocesses,responsibilitiesinplace;tofurtherstrengtheninternalcontrols,playacontrolpostindependentoversightroleofevaluationcomplyingwiththird-partyresponsibility;toactivelymakeuseo

代碼解釋一覽表 第一部分：主體構(gòu)件： 墻： 磚墻： gswpcd：〔鋼絲網(wǎng)片總長度〕：柱：內(nèi)外墻上的柱計算一樣算四邊，每邊均算至板底；墻： 砌塊墻磚墻與砼墻相交時計算兩側(cè)，且均算至板底；梁：外墻的梁計算兩道外側(cè)和一道內(nèi)側(cè)， 內(nèi)墻則計算兩道內(nèi)側(cè)。 tjcd：〔體積長度〕這個體積長度是不扣減柱所占的長度 jsjmj：〔腳手架面積〕不扣減柱 墻垛： zxmj：〔裝修面積〕墻垛的兩側(cè)的面積計算墻垛的抹灰及裝修面積時使用 tqzxmj：〔貼墻裝修面積〕墻垛的端頭的面積計算墻垛的抹灰及裝修面積時使用 女兒墻： tjcd：〔體積長度〕與墻的體積長度相同，這個可以代替計算女兒墻上的壓頂相關工程量， 如：壓頂體積＝tjcd*壓頂斷面積等 門、窗、門連窗： dkmj：〔洞口面積〕 kwwmj：〔框外圍面積〕通常，建筑物安裝門窗需要塞縫時，采用框外圍面積計算門窗工 程量；否則采用洞口面積計

accordingtoofficepartyofmasslineeducationpracticeactivitiesledgroupofunifiedarrangements,unitsmainledtoforcadresworkersshangatimespartylecture,duetohimselflevellimited,onlyputthisstageconcentratedlearningofexperiencetodayandeveryonecommonwithlearningexchange,purposeisletwefurtherdeepunderstandingmasslineofconnotation,in

由于獲得的變形監(jiān)測數(shù)據(jù)存在著偶然誤差,而直接進行基因表達式編程的模型建立,則預測結(jié)果往往與真實值相差較大。本文對含噪聲的觀測值進行小波包去噪,再分別使用去噪數(shù)據(jù)與原始數(shù)據(jù)進行建模,實驗對比分析表明噪聲對基因表達式編程模型的預測產(chǎn)生著一定的影響,并得出在建模前應該進行相關的去噪工作,從而建立的模型進行預測其結(jié)果與真實值相差較小,可達到對大壩的變形預測分析及大壩的安全監(jiān)控的目的。

通過對公路貨運量的預測方法進行研究比較,并根據(jù)公路貨運量形成的復雜和非線性等特點,建立bp神經(jīng)網(wǎng)絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數(shù)據(jù),確定網(wǎng)絡輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡預測系統(tǒng)進行訓練和預測.通過對網(wǎng)絡輸出的誤差曲線圖的分析,驗證bp神經(jīng)網(wǎng)絡預測系統(tǒng)的精確性和簡單方便性,提高了公路貨運量預測的精確性.

采用定性分析方法確定物流貨運量的影響因素,基于線性回歸方法建立數(shù)學模型。采集延安市貨運量相關數(shù)據(jù),根據(jù)2001-2008年數(shù)據(jù)確定模糊回歸系數(shù)a,對2009-2012年公路物流貨運量進行計算,并采用實際數(shù)據(jù)與其他三種預測方法進行驗證。結(jié)果表明:線性回歸數(shù)學模型對物流貨運量進行預測精確度高,誤差較小。

公路客運量和貨運量預測是一個復雜的非線性問題,由于影響因素較多,難以用普通的數(shù)學方法建模,而建立bp神經(jīng)網(wǎng)絡可以表達這些非線性問題。根據(jù)公路客運量貨運量歷史數(shù)據(jù)及其相關影響因素數(shù)據(jù)建立了bp神經(jīng)網(wǎng)絡預測模型。利用實際數(shù)據(jù)確定網(wǎng)絡輸入與輸出樣本,對bp神經(jīng)網(wǎng)絡預測系統(tǒng)進行訓練和預測。通過對網(wǎng)絡輸出預測結(jié)果與實際數(shù)據(jù)的分析,驗證了bp神經(jīng)網(wǎng)絡預測系統(tǒng)的精確性和方便性,提高了公路客運貨運預測的精確性。

通過分析外置式蒸汽冷卻器兩級串聯(lián)和兩級并聯(lián)兩種典型連接方式,得到具有外置式蒸汽冷卻器的熱力系統(tǒng)最終給水焓通用表達式,為編程計算外置蒸汽冷卻器機組熱力系統(tǒng)提供了方便。