介绍应用几何溶液模型法预测三元系表面张力的新方法。由于引用了有理函数对所用的二元实验数据进行了优化处理,使计算精度大为提高。本方法用于Cu-Ag-Au体系后,所得结果与文献符合较好,说明这种处理方法是可行的

为什么要做不确定性分析 很多数据是预测、估算出来的,因此具有不确定性, 在项目真正实施时,相关数据是会有差异的。 一产生不确定性的原因 主观资料不足,分析判断有误差,采用的预测或评价方法 的局限性,测、估算的手段、数据采集方式的变化 客观社会、政治、经济、生产技术、市场的变化 导致技术方案的实践不一定与原来预计的相一致,致 使项目方案的经济评价存在一定程度的不确定性,给方案 决策带来一定的风险

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率

多元线性回归分析 多元线性回归分析( multiple linear regression analysis)的定义 通过建立关系方程式,实现用k(k≥2)个自变数来预测依变数及对预测精度给出 评价的统计分析,当自变数与依变数间的关系为线性时此分析称之为多元线性回归分析

廿四节气与江恩测市 20世纪上半叶的炒作大师江恩用科学的方法 得出与玄学一样的效果,通过数学、几何学 宗教、天文学的综合运用,建立起独特的分 析方法和测市理论,具有非常高的准确性。 江恩于1908年提出了著名的“控制时间因 素”,指出时间是决定市场走势的最重要因 素,时间可以超越价位平衡当时间到达时 成交量将推动价位升跌,时间作为预测走势 的一个因子,其最重要的作用在于预测市场 运动趋势转折点

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性

根据我国大气腐蚀网站积累的环境数据和材料腐蚀数据,采用人工神经网络方法。建立了碳钢及低合金钢在大气条件下,腐蚀率与金属腐蚀暴露时间对应关系的预测模型.结果表明:在相同的大气环境下不同的金属存在着不同的网络;相同金属在不同的大气环境下存在着不同网络;BP算法的形式要根据实际情况而定

决策树修剪的主要任务是抛弃一个或更多 的子树,并用叶替代这些子树,使决策树 简单化。 问题是修剪后的结果能达到我们期望算法 降低预测误差率来提高分类器的质量,但 误差率计算并不简单。 评价预测误差的一个可行方法是用另外一 个新的有效检验样本,或用第四章中讲述 的交叉确认法

根据磁致伸缩效应和受力变形中磁的各向异性特征,利用特殊研制的磁探测器和信号处理系统,研究材料疲劳过程中磁信号变化的特点,在一定程度时,观察的疲劳磁信号出现突变,该突变点与材料疲劳过程中一定的塑性变形量相对应。将此方法加以系统和标准化后,可对工程应用中的材料和构件的疲劳寿命进行动态预测

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,Φ5 cm×10 cm圆柱体和Φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明:水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法