智能预测

摘要： 机器学习和神经网络相结合开创了用人工智能预测学生创新思维能力的新领域,创新思维能力的智能化评价方法通过构建“(N-1)+1”型遗传算法的BP神经网络优化模型,将多学科学习效果和学科创新思维能力培养挂钩,搭建学习能力和培养方法的双向关系平台,从而有效促进创新课程教学与课程学习效果的相互转化。从智能化视角解析机械类本科生的创新思维能力及上升空间,并利用评价结果进行教学调整,根据不同的学生制定不同的培养方案,有针对性地培养学生的创新思维能力。该评价方法可以为本科生创新思维能力培养的定制化教学,提供一定的模式化参考。

摘要： 跨域交换系统连接了两个或多个网络域,需要在网络安全、内容安全、认证安全、行为安全等方面进行强化设计,以应对不断增多的安全威胁,这需要高效的运维管理手段将多种安全保密措施有机结合在一起。因此,提出了一种跨域交换风险智能评估预测系统。首先针对多种安全保密手段建立安全交换风险评估模型并进行权重计算,其次通过采集安全保密措施的运行情况,对安全交换风险进行评估,最后基于长时间的安全交换风险评估,采用加权时间序列预测方法,对未来的安全交换风险进行智能预测,以便管理人员及时采取管理手段,为安全运维跨域交换系统提供支撑。

摘要： 随着业务负载越来越多样化、各种设备的操控越来越复杂,企业用户希望通过智能化、自动化的运营、监控和管理,节省时间和成本,提升工作效率。纵观运维发展,从早期传统网管到IT运维,乃至AIOps、Dev Ops等未来趋势,其演进路线始终围绕智能化这一核心展开。如今,智能运维的概念已深入人心。在万物互联的数据时代,大数据感知、分析、预测正在成为用户对运维更核心的期许,运维要做的将不仅是获取问题,更是智能预测问题并自动化解决问题。

摘要： 剩余寿命作为预测性维修的重要支撑,智能预测能及时识别出复杂系统寿命变化规律,准确反映不同工况对剩余寿命的影响。针对复杂系统运行工况与高维度、多尺度时序数据,构建多层LSTM预测模型,防止了梯度消失,能够提取不同工况下时序数据的深层次关联性抽象特征。利用Dropout方法减少预测模型过拟合,针对预测模型的不确定性,设计误差得分函数以评估超前与滞后预测。以航空发动机为例,验证了所提出的智能预测模型的有效性。

摘要： 在大型种植林木果园,由于林木的密集性,在遇到干旱气候条件时容易发生火灾,为了保证林木果园的安全性,保障果园作业的顺利进行,需要对果园林木进行实时监测,在发生火灾时及时地进行灭火。为此,基于物联网和图像处理技术,将智能化火灾预警机器人引入到了果园林木火灾的识别上,并模拟农业果园林木环境对机器人火灾识别的准确率进行了测试。将测试结果和实际测量结果进行了对比,对比结果发现:采用物联网和图像处理技术对火灾的智能预测模拟结果和实际测量结果接近,在短时间内可以达到较高的预测精度。

摘要： 随着互联网和大数据时代的发展,物流流量表现形式越发多元,其复杂性、时变性及非线性特征也愈发显著,预测难度大大增加。以往研究的焦点主要集中在预测方法上,对整体物流流量的分类和预测缺乏深入的系统性分析,各物流流量的预测需求与方法的适用性难以匹配。本文从预测对象和方法两个角度,系统梳理了物流流量智能预测领域的相关文献,在明确物流流量预测对象的基础上,进一步总结了各智能预测方法的优缺点和适用范围,以期为物流流量智能预测方法的选择提供一定的借鉴和参考。

摘要： 总有机碳含量(w(TOC))是评价页岩储层含油性的一个重要参数,w(TOC)的定量表征与智能预测对于页岩油地质甜点标准确定、储量评估和开发方案设计具有重要作用。将岩心自动归位技术、基于相关系数的层次聚类算法和机器学习自动化技术融合为机器学习智能决策系统,可以解决w(TOC)智能预测的不确定性问题。该系统已经应用于古龙页岩油储层w(TOC)参数的定量表征及智能预测。结果表明:(1)将滑动窗口法岩心归位技术应用于井A2,确定4.250 m为岩心归位最优距离,归位后w(TOC)和声波时差(Δt)的相关系数从0.06提高到0.55;(2)应用基于相关系数的层次聚类算法挖掘出w(TOC)与声波时差(Δt)、密度(ρ_(DEN))和中子孔隙度(Φ_(N))具有明显的相关性,与自然伽马(q_(AOI))、浅侧向电阻率(R_(LIS))、微球形聚焦电阻率(R_(MSFL))和深侧向电阻率(R_(MSFL))不具有明显相关性;(3)基于粒子群机器学习自动优化技术从6种回归算法中优选出随机森林算法及附带组合参数将古龙页岩油储层w(TOC)参数预测精度提高到81.7%。机器学习智能决策系统可以系统化降低古龙页岩油储层w(TOC)参数预测的不确定性,明显提高预测精度和计算效率。

摘要： 调度集中控制系统根据分散自律原则解决了车站列车作业和调车作业的时空矛盾。调度集中车站通常在不影响列车作业的情况下,寻找列车作业的时间空当来完成调车作业,故对调车作业时间进行准确预估十分重要。针对目前纯计算法无法考虑多种影响因素且估算值不准确,写实法评估值主观性强、波动性大、参考性弱等问题,提出调车作业时间的智能预测方法:即通过分析调车作业过程和调车作业时间影响因素,提取特征,构建数据集;利用大数据技术和机器学习算法,建立调车作业时间智能预测模型,得到更为科学准确的预测值。仿真分析结果显示,采用该预测方法得到的预测值误差率为4.712%,可满足现场对调车作业时间的精度要求,可为车站自律机进行自律运算和安全卡控提供可靠依据,对缩短车辆在站时间,加速车辆周转和保证车站畅通,以及列车按图运行发挥重要作用。

摘要： 为准确地对爆破施工引起的地面振动进行预测,结合2个隧道爆破工程实例,引入基于粒子群算法的指数型计算模型,并对计算数据进行归一化处理;以实测结果与预测结果的相对误差平方和作为适应度函数开展粒子群智能优化计算,并与2种传统的预测模型进行数据对比。结果表明,通过引入的预测方法所得到的相关系数更接近于1;均方根差最小,预测精度更佳。可为类似爆破振动预测工作提供一定的理论借鉴。

摘要： 为了把握经济发展规律,合理制定经济政策,开展了高质量发展区域经济中的数据异常趋势智能预测研究。遵循全面性、相关性、周期性等准则,从高质量供给、需求、发展效率、对外开放等方面采集地区经济数据;通过数据集成、标准化与归一化等操作完成数据预处理,确保数据具有一致性特征,并选择具有代表性的特征向量,采用主成分分析法实现异常数据特征提取;引入信息熵概念,确定样本集合,通过递归方式对所有数据分类,构建决策树;建立时间序列矩阵,计算候选数据对的信息熵与信息增益量,结合时间规整距离实现正常与异常趋势的预测。仿真实验证明,该方法预测的趋势与实际发展趋势吻合度较高,且减少了预测时间。

摘要： 研究了烧结矿化学成分智能预测的若干关键技术,包括非线性支持向量回归估计算法、核函数与参数选取、样本数据的标准化处理,研究了基于区间优化的烧结矿化学成分控制方案.设计和实现了一种新的烧结矿化学成分智能预测系统,能够较好地实现预测值和化验值的拟合,预测效果显著.

摘要： 利用智能预测控制的方式把分布式的现场总线控制系统的特点与智能预测控制方法结合起来，可使各子系统之间的控制动作协调一致，但是各子系统的控制软件之间存在耦合问题。采用基于软件构件技术的方法对这些控制软件进行设计，可以解决这类耦合问题，并且提高分布式控制系统算法的复用效率。

摘要： 研究非平稳数控加工过程与搅拌摩擦焊接(FSW)过程中主轴力非线性建模方法;研究主轴力智能预测方法与自适应控制方法;研究FSW过程中焊接力热耦合建模、系统参数在线辨识及自适应控制.具体方法为:基于系统辨识方法建立加工过程Hammertein非线性结构模型,基于带有遗忘因子的递推最小二乘法进行静态非线性环节与动态线性环节参数辨识,并采用广义预测控制建立主轴力控制器.

摘要： 利用电渗析方法设置一套用来处理电镀废水的装置,结合神经网络算法,使其在数据的输出与输入的交换过程之间达到反馈调节与智能预测的功能,在流程的控制与记录过程中建立二次优化模型.从而达到节省成本,加速电渗析的转换速率与减少因人为因素的操作不当而产生不必要的损失.将设备用于镀镍废液的镍离子的提取分离,镍的回收率可达84％,废液中的重金属含量符合国家排放标准.

摘要： 本文主要就是介绍了在土建工程概算预测的时候采用数据挖掘技术，建立起了一种新的基于数据挖掘的概算模型，在通过一定的评估之后能够发现，这种土建工程概算模型预测的准确性能够很好的符合相关标准和要求。随着计算机技术的不断发展，数据挖掘技术也会逐渐的完善和进步，那么在以后的职能预测土建工程概算的过程当中也肯定会出现更多有效的方法，在对土建工程概算进行预测的时候准确性也会进一步的提高。

摘要： 发动机排气温度对EGR温度、发动机燃烧状况有着很大影响,因此对发动机排气温度的监测显得十分重要,但是内燃机排气温度变化范围大,且与运行工况呈非线性关系,因此对排气温度的监测需采取预测的方法.本文通过分析当前国内外对发动机排气温度预测的研究,对目前主要排气温度预测模型算法研究的现状与发展进行了介绍,并对其优缺点进行了分析，指出发动机排气温度的预测对EGR温度控制、发动机燃烧状况评估等有着重要意义，因此发动机排气温度预测结果的准确性及稳定性对发动机的整体效率的提升有很大的影响。目前国内外对发动机排气温度预测的研究主要集中在以人工神经网络和支持向量机理论为辨识算法的基础上，人工神经网络以其自组织、自学习及容错性等优点在排气温度预测的研究中得到更为广泛的应用。而支持向量机由于基于结构风险最小化，其泛化能力优于人工神经网络，但在大样本规模的数据处理中的计算性能仍有待提高。

摘要： 本文以某油气田平台的气举压缩机为对象，应用先进的状态监测与故障诊断技术，研究了能够正确提取压缩机状态故障特征的先进时频分析方法，以及研究能够准确预测压缩机工作状态的智能预测方法，解决了海洋油气田平台气举压缩机运行中的振动问题，提出了保证压缩机设备安全高效运行的重要措施和技术手段。

摘要： 为提高变压器故障的预测能力，本文在对现有预测模型和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压油中溶解气体浓度智能预测协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器油中溶解气体浓度智能预测协作过程，设计组合预测Agent的体系结构和组合预测方法。最后通过应用实例表明了基于多Agent系统的变压器油中溶解气体浓度智能预测模型的可行性和有效性。

摘要： 本文介绍了农业专家系统的具体含义,通过举例说明的方式对其研究进展和应用情况进行了细致分析,同时对农作物病虫草防治专家系统发展趋势进行了初步评估.

摘要： 本文介绍了农业专家系统的具体含义,通过举例说明的方式对其研究进展和应用情况进行了细致分析,同时对农作物病虫草防治专家系统发展趋势进行了初步评估.

摘要： 本申请公开了一种智能驾驶汽车用交通安全风险动态预测方法及其预测系统，所述预测方法包括读取车内人员状态信息，读取车辆状态信息，车辆状态信息包括：车辆行驶状态信息、车辆结构安全状态信息、轮胎压力状态信息；读取车外环境信息，车辆安全状态预测，车内、外人员安全及车外设施状态预测，警报、报警；其综合车辆、车内人员、车外物体的状态信息，对车辆、车内人员、车外物体的安全状态建立预测模型，利用模型对行驶中的车辆、车内人员、车外物体在可能发生的事故中受伤程度进行动态预测；为详细评估可能发生事故中的人员、物体受损情况提供数学理论依据，其计算结果能为智能驾驶的控制策略提供数据支持，能做出更安全、正确的控制决策。

摘要： 本发明涉及一种智能家居的攻击预测模型训练方法，包括：S1.智能家居设备构建训练数据集：智能家居设备接收来自其他设备的原始数据，根据每次数据访问对智能家居设备的影响，将所述原始数据标记为

摘要： 传感器设计方法，包括激光器(S1)和两个感光器；激光器(S1)发出的激光的同一个光斑同时落在两个感光器上。传感器，利用所述的一种传感器设计方法而设计。机器人、地震预测系统、智能市政基础设施系统、智能水网，具有所述的传感器设计方法。本发明的设计架构使得本发明能够放大变化差，提高感光敏感度，降低制造成本，还可以用于检测震动。本发明结构简单、成本低廉、容易加工、提供了一条传感器设计新思路。

摘要： 本发明涉及数据分析领域，尤其涉及商品价格预测方法、装置、智能锁价格预测方法及介质。一种商品价格预测方法，包括：获取商品的基础参数；将所述基础参数输入到价格预测模型中，得到对应所述基础参数的商品价格预测值；所述价格预测模型的获取步骤为：使用历史电商数据对多个初始化的回归模型进行训练，并在训练完成后分别进行评分；将得到的多个训练后的回归模型中评分最高的作为所述价格预测模型。在针对每个商品进行价格预测前，会采用历史电商数据对多种初始化的回归模型进行训练，最终选出预测效果最佳的作为价格预测模型；另外，仅需要将商品的基础参数投入到价格预测模型中，就可以快速得到该商品的预测价格，方便快捷。

摘要： 本发明涉及基于人工智能精准预测降雨模型的训练方法及预测方法。它主要包括准备训练数据集、预训练以及全网络训练等步骤。它借助空间推理的空间表示能力和机器学习的精准预测能力，完成对区域降雨的有效预测以及对区域降雨预测模型的训练；通过在预测过程中引入空间信息、温度、湿度以及风速风向等环境因素，并通过加权融合，权值自适应方式，使得降雨预测模型精度提升且复杂度得到优化，提升了降雨预测实时性。

摘要： 本文提供一种基于人工智能算法的成岩参数预测模型训练方法和预测方法，包括获取多个成岩作用样本，多个成岩作用样本均包括成岩条件参数和根据成岩条件参数演化得到的实际成岩参数；根据成岩作用样本和成岩条件参数的总维度，构建成岩参数预测初始模型；利用成岩作用样本训练成岩参数预测初始模型，直至成岩参数预测初始模型得到的成岩参数预测值与实际成岩参数的误差在预设误差范围内或成岩参数预测值达到预设准确率时，得到训练好的成岩参数预测模型。本方法能够根据已有的成岩作用样本训练得到成岩参数预测模型，从而解决成岩参数预测计算量大、不确定性强、误差大，进而导致储层评价精度低，限制了油气勘探的问题。

摘要： 本发明实施例提供一种基于人工智能预测的信息安全预测方法及大数据安全系统，通过将支持攻击防护事件数据配置到默认模型参数的威胁情报预测模型的情报编码层中进行情报字段编码，获得支持情报字段分布，并由此获得与关键威胁情报关联的关键支持情报字段，依据关键支持情报字段以及威胁情报预测模型的威胁情报预测层进行关键威胁情报预测，获得支持攻击防护事件数据对应的关键威胁情报预测结果后对威胁情报预测模型进行模型配置，由于关键支持情报字段是与关键威胁情报关联的字段分布，故通过关键支持情报字段进行关键威胁情报预测，可以提高关键威胁情报预测的有效率，从而可以提高威胁情报预测模型进行关键威胁情报预测的有效率。

摘要： 本发明涉及一种基于分子特征预测物质颜色气味的人工智能预测系统，用于根据训练集训练出基于分子特征预测物质颜色/气味的机器学习模型，所述训练集包括已知颜色/气味的不同分子结构的物质样本，包括：描述符提取模块，用于提取所述物质样本的分子描述符；特性分类模块，用于根据所述物质样本的颜色/气味进行分类；模型训练模块，用于根据所述描述符提取模块所提取物质样本的分子描述符和所述特性分类模块所进行的分类，训练机器学习模型。本发明基于物质的分子描述符与物质的颜色/气味形成之间的关系，训练机器学习模型，从而能较准确地预测物质的颜色/气味。

摘要： 本发明公开了一种煤矿智能开采工作面底板突水预测模型、预测方法及系统，确定影响因素，采集与统计得到影响因素的具体数值；对具体数值进行预处理，将预处理得到的样本数据作为训练数据集；构建并训练底板突水智能预测模型；将测试数据集输入到训练好的底板突水智能预测模型中，输出最多的类别作为测试数据集所属的类别，即预测结果；通过随机森林算法构建工作面底板突水智能预测模型，解决了现有技术中智能开采工作面底板水害无法实现智能准确预测的问题，煤矿智能开采工作面底板突水智能预测方法，实现了随工作面采动实时动态智能预测底板突水情况，煤矿智能开采工作面底板突水智能预测系统，能够对采煤工作面底板突水进行实时动态智能预测。

摘要： 本发明实施例提供一种基于人工智能预测的信息安全预测方法及大数据安全系统，通过将支持攻击防护事件数据配置到默认模型参数的威胁情报预测模型的情报编码层中进行情报字段编码，获得支持情报字段分布，并由此获得与关键威胁情报关联的关键支持情报字段，依据关键支持情报字段以及威胁情报预测模型的威胁情报预测层进行关键威胁情报预测，获得支持攻击防护事件数据对应的关键威胁情报预测结果后对威胁情报预测模型进行模型配置，由于关键支持情报字段是与关键威胁情报关联的字段分布，故通过关键支持情报字段进行关键威胁情报预测，可以提高关键威胁情报预测的有效率，从而可以提高威胁情报预测模型进行关键威胁情报预测的有效率。