针对不完备信息表预处理问题中的不完备数据的填补问题、冗余属性的约简问题和连续属性的离散化问题进行了研究.应用粗糙集理论,由相容信息表中条件属性与决策属性间的一致性对应关系,定义了划分区间的加法运算,解决了不完备数据填补问题;根据类别概念,定义了差别向量,利用差别向量加法运算删除了冗余属性;根据条件属性与决策属性之间的依赖关系及相对信息熵概念,实现了连续属性的离散化.数值示例和实验结果显示此方法是有效可行的

对江苏某办公楼基坑周边建筑沉降进行理论计算,将计算值和实测沉降值分析比较,指出理论计算值与实测沉降值存在偏差的原因.在对实测数据进行深入分析基础上,总结出影响基坑周边建筑物沉降的因素.结合实际监测数据,详尽地分析其对基坑周边建筑物沉降的影响

2.1 词法记号和标识符 2.2 基本数据类型 2.3 变量和常量 2.4 运算符和表达式 2.5 基本输入输出

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

10.1模块的基本知识 10.2创建模块 10.3模块应用实例 10.4 VISUAL BASIC编程简介 10.5 Access数据库应用程序设计 10.6习题

2.1数据表示 2.2寻址方式 2.3指令系统的设计与改进

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

为了剔除GPS边坡位移监测过程中的噪声干扰,提高监测数据的有效性,特引入随机线性卡尔曼滤波离散数学模型.以水厂铁矿GPS边坡监测数据为依据,利用该数学模型可以计算出各监测点每期变形量的滤波值和位移速度,并对各监测点下一期的变形量进行估算和预测.经实例验证,卡尔曼滤波变形量与实际变形量有较好的一致性

在充分考虑RH平衡碳氧浓度的前提下,建立脱碳反应数学模型.以210 t超低碳钢RH冶炼工艺为背景,详细给出数学模型的建立原则与过程.将模拟结果与实际测量数据进行对比发现,数学模型与实际测量数据有很好的吻合度.碳元素在钢液内存在一定的不均匀性,真空室自由液面下降管上方碳元素质量分数最小,钢渣界面处上升管右侧碳元素质量分数最大,循环20 min后,二者相差0.0025%左右

一、可行性研究的任务 二、可行性研究的步骤 三、系统流程图 四、数据流图 五、数据字典 六、成本/效益分析