从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法.以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法.用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证.结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%

准确预测机场航班延误情况,对于全面协调空管、机场、航空公司的运行至关重要。目前,长短期记忆(LSTM)神经网络在各领域得到广泛应用,特别是在预测方面,精度明显高于传统的机器学习预测方法

准确的公交到站时间预测有利于出行者合理安排行程及公交车辆的实时调配，是提高公交服务水平的有效手段。首先对公交运行特性和影响因素进行分析总结。之后，通过研究公交到站时间预测的原理和方法，系统总结了国内外研究现状，并对常用模型的优缺点进行了比较。最后，分析了公交到站时间预测发展趋势，提出了该领域需要进一步研究的问题

第一节 市场预测基本原理 第二节 市场预测基本内容

一、销售预测分析 二、成本预测分析 三、资金需要量预测

从数据分析的角度看,数据挖掘可以分为描述 性挖掘和预测性挖掘 描述性挖掘:以简洁概要的方式描述数据,并提供 数据的有趣的一般性质。 预测性数据挖掘:通过分析数据建立一个或一组模 型,并试图预测新数据集的行为

为了确定适合工业应用的膏体浓度范围，从屈服应力角度完善了膏体定义：以屈服应力为（200±25） Pa时料浆中固相的质量分数为恰饱和质量分数，反推饱和率为101.5%～105.3%时料浆中固相的质量分数范围，即为工业应用膏体浓度.采用不同矿山的两种尾矿（1#尾矿和2#尾矿）对膏体定义分别进行室内实验和工程验证.结果表明：1#尾矿室内动态压密实验获得的底流中固相的最大质量分数为73.71%，膏体定义预测的理论膏体浓度最大值为73.89%，二者相差0.18%；2#尾矿通过深锥浓密机获得底流中固相的最大质量分数为68%，膏体定义预测的理论膏体浓度最大值为68.97%，二者相差0.97%.完善后的膏体定义对膏体浓度预测更可靠

为确保网络控制系统中传输数据的完整性、实时性、机密性和可用性,提高系统对抗数据攻击的能力,提出了一种基于MD5散列码、时间戳和AES加密算法的数据安全传输策略,该策略兼顾了系统中控制器端和被控对象端数据传输的安全性和实时性.并从控制策略的角度出发,考虑在系统遭受到数据攻击后,采用基于网络回路时延的网络预测控制方法对数据攻击进行补偿,使系统在受到一定强度的数据攻击后仍然能够进行稳定的控制,从而提高网络控制系统应对攻击的能力.采用S100-1实训平台管道压力控制系统验证了基于安全传输策略的网络化预测控制系统有较好的安全性和抗数据攻击能力

在流控传输协议(stream control transmission protocol,SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输.然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序.为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间(round trip time,RTT).本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法.仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度.对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高;对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显