混沌神經(jīng)網(wǎng)絡(luò)的移動(dòng)通信信道分配方法

城市軌道交通的短時(shí)客流預(yù)測(cè)數(shù)據(jù)對(duì)運(yùn)營(yíng)組織單位面對(duì)潛在的大客流或突發(fā)事件的應(yīng)對(duì)準(zhǔn)備工作有著重要的作用.以原始移動(dòng)通信數(shù)據(jù)作為換乘站點(diǎn)換乘客流統(tǒng)計(jì)的數(shù)據(jù)來源,得到了精確的單條線路某個(gè)換乘站的換乘人數(shù),并結(jié)合自動(dòng)售檢票系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù),通過建立elman神經(jīng)網(wǎng)絡(luò)模型對(duì)客流數(shù)據(jù)進(jìn)行樣本對(duì)訓(xùn)練,得到下游車站未來lh內(nèi)斷面客流量的預(yù)測(cè)結(jié)果.預(yù)測(cè)結(jié)果誤差符合要求,為站點(diǎn)的運(yùn)營(yíng)組織方案提供了良好的數(shù)據(jù)支撐.同時(shí)為了對(duì)比說明建立了arima模型,并對(duì)預(yù)測(cè)結(jié)果作出分析比較.

城市微蜂窩移動(dòng)通信電波傳播環(huán)境相當(dāng)復(fù)雜,因此建立這種無線傳播信道的有效模型無論對(duì)理論分析、系統(tǒng)優(yōu)化設(shè)計(jì)以及網(wǎng)絡(luò)工程規(guī)劃來說都是非常重要的。特別是針對(duì)未來陸地蜂窩移動(dòng)通信系統(tǒng)基于智能天線應(yīng)用的規(guī)范標(biāo)準(zhǔn)要求尤其如此。為此從多徑色散信道的特性分析出發(fā),采用電磁散射理論建立了基于多天線的微蜂窩多輸入多輸出物理信道模型,對(duì)刻畫信道特性的一些重要性能參數(shù),如空間相關(guān)性、容量和時(shí)間演化等進(jìn)行了研究和仿真分析。與有關(guān)文獻(xiàn)結(jié)果的比較表明了所建立的微蜂窩移動(dòng)通信信道模型的有效性。

為了提高鋼筋的計(jì)數(shù)準(zhǔn)確率和效率,綜合運(yùn)用圖像處理技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù),實(shí)現(xiàn)對(duì)鋼筋的識(shí)別和計(jì)數(shù)。對(duì)獲取的鋼筋原始圖像進(jìn)行數(shù)字圖像處理,得到感興趣的部分即鋼筋的輪廓;計(jì)算單根鋼筋輪廓的寬度、高度、面積和打捆鋼筋的總面積4個(gè)特征量;將這4個(gè)特征量作為神經(jīng)網(wǎng)絡(luò)的輸入,訓(xùn)練網(wǎng)絡(luò)識(shí)別鋼筋并計(jì)數(shù)。仿真實(shí)驗(yàn)驗(yàn)證了這種方法的可行性和有效性。

小樣本協(xié)整檢驗(yàn)的神經(jīng)網(wǎng)絡(luò)方法

本文把信息擴(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價(jià)的估測(cè)方法,并給出計(jì)算實(shí)例。

運(yùn)行維護(hù)規(guī)程 移動(dòng)通信網(wǎng)絡(luò)分冊(cè) 基站配套設(shè)備篇 （試行） 中國(guó)聯(lián)通集團(tuán)移動(dòng)網(wǎng)絡(luò)有限公司 二零零九年三月 目錄 第一章通則 第1條為保證通信網(wǎng)絡(luò)暢通，加強(qiáng)鐵塔、基站配套動(dòng)力環(huán)境設(shè)備的運(yùn)行維 護(hù)管理，適應(yīng)市場(chǎng)和維護(hù)的需要，完善維護(hù)管理機(jī)制，特制訂本運(yùn)行維護(hù)規(guī)程（以 下簡(jiǎn)稱“本規(guī)程”）。 第2條本規(guī)程適用于中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司（以下簡(jiǎn)稱“中國(guó)聯(lián)通”， 中國(guó)聯(lián)通各級(jí)機(jī)構(gòu)分別簡(jiǎn)稱為“集團(tuán)公司”、“省公司”、“地市分公司”）運(yùn)行 的鐵塔、基站通信電源、機(jī)房空調(diào)、機(jī)房動(dòng)力及環(huán)境監(jiān)控系統(tǒng)、防雷接地系統(tǒng)、消 防系統(tǒng)（以下簡(jiǎn)稱“基站配套設(shè)備”，相應(yīng)的維護(hù)及管理部門統(tǒng)稱“基站配套設(shè)備 維護(hù)部門”）?；九涮自O(shè)備是保證通信網(wǎng)絡(luò)正常運(yùn)行的基礎(chǔ)性設(shè)施，基站配套 維護(hù)專業(yè)是通信網(wǎng)絡(luò)維護(hù)的一個(gè)必不可少的獨(dú)立專業(yè)。 1.鐵塔和基站的動(dòng)力系統(tǒng)設(shè)備的維護(hù)和管理適用本規(guī)程。 2.本企業(yè)委托其它企業(yè)代為維護(hù)的動(dòng)

考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測(cè)模型檢測(cè)效率低,準(zhǔn)確率不高等問題,提出一種改進(jìn)型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測(cè)模型。常規(guī)遺傳算法在搜索過程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對(duì)遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對(duì)常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過混合編碼方式進(jìn)行改進(jìn),同時(shí)對(duì)交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測(cè)性能要明顯優(yōu)于常規(guī)算法,其對(duì)bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。

基于混沌優(yōu)化-神經(jīng)網(wǎng)絡(luò)的單樁豎向極限承載力預(yù)測(cè)方法——分析了bp神經(jīng)網(wǎng)絡(luò)和混沌優(yōu)化的特點(diǎn)，并將混沌優(yōu)化方法和梯度下降法結(jié)合起來構(gòu)成一種新的組合搜索優(yōu)化方法。結(jié)合珠江三角洲大量試樁資料，建立了基于混沌優(yōu)化一神經(jīng)網(wǎng)絡(luò)的單樁極限承載力預(yù)測(cè)模型。實(shí)例研...

邊坡穩(wěn)定性預(yù)測(cè)的混沌神經(jīng)網(wǎng)絡(luò)方法——邊坡系統(tǒng)本身的各種參量是不確定的和隨機(jī)的，在其演化過程中，表現(xiàn)出復(fù)雜的非線性行為，會(huì)發(fā)生一系列的混沌現(xiàn)象。運(yùn)用現(xiàn)代混沌理論與神經(jīng)網(wǎng)絡(luò)方法的基本原理，把混沌理論與神經(jīng)網(wǎng)絡(luò)結(jié)合起來，建立了邊坡穩(wěn)定性預(yù)測(cè)的混沌神...

電力線通信是智能電網(wǎng)中的一種重要通信方式,電網(wǎng)中噪聲干擾復(fù)雜,建立電力線通信信道噪聲模型對(duì)于深入研究智能電網(wǎng)中低壓電力線通信性能至關(guān)重要。針對(duì)低壓電力線通信信道噪聲特性,分別提出基于最小二乘支持向量機(jī)(ls-svm)模型和小波神經(jīng)網(wǎng)絡(luò)模型在電力線信道噪聲中的應(yīng)用。為了驗(yàn)證并比較ls-svm和小波神經(jīng)網(wǎng)絡(luò)模型對(duì)時(shí)變的低壓電力線信道噪聲建模的有效性,在室內(nèi)和室外環(huán)境下對(duì)低壓電力線通信信道的噪聲進(jìn)行測(cè)量,基于大量的測(cè)量數(shù)據(jù),研究?jī)蓚€(gè)模型的準(zhǔn)確度和效率。結(jié)果表明,兩個(gè)噪聲模型能夠很好地仿真和適應(yīng)時(shí)變的低壓電力線通信信道,ls-svm模型有更高的精度和更短的仿真時(shí)間。此外,提出的兩個(gè)模型與傳統(tǒng)的markovian-gaussian模型進(jìn)行比較,結(jié)果表明,兩個(gè)噪聲模型有更高的精度和更低的復(fù)雜度,尤其是ls-svm模型能夠代替?zhèn)鹘y(tǒng)的markovian-gaussian模型,更適合用作低壓電力線通信信道噪聲發(fā)生器。該噪聲模型的提出對(duì)研究在電力線通信系統(tǒng)和無線通信系統(tǒng)中內(nèi)部和外部電磁源的電磁干擾有重要意義。

電力線通信是智能電網(wǎng)中的一種重要通信方式,電網(wǎng)中噪聲干擾復(fù)雜,建立電力線通信信道噪聲模型對(duì)于深入研究智能電網(wǎng)中低壓電力線通信性能至關(guān)重要.針對(duì)低壓電力線通信信道噪聲特性,分別提出基于最小二乘支持向量機(jī)(ls-svm)模型和小波神經(jīng)網(wǎng)絡(luò)模型在電力線信道噪聲中的應(yīng)用.為了驗(yàn)證并比較ls-svm和小波神經(jīng)網(wǎng)絡(luò)模型對(duì)時(shí)變的低壓電力線信道噪聲建模的有效性,在室內(nèi)和室外環(huán)境下對(duì)低壓電力線通信信道的噪聲進(jìn)行測(cè)量,基于大量的測(cè)量數(shù)據(jù),研究?jī)蓚€(gè)模型的準(zhǔn)確度和效率.結(jié)果表明,兩個(gè)噪聲模型能夠很好地仿真和適應(yīng)時(shí)變的低壓電力線通信信道,ls-svm模型有更高的精度和更短的仿真時(shí)間.此外,提出的兩個(gè)模型與傳統(tǒng)的markovian-gaussian模型進(jìn)行比較,結(jié)果表明,兩個(gè)噪聲模型有更高的精度和更低的復(fù)雜度,尤其是ls-svm模型能夠代替?zhèn)鹘y(tǒng)的markovian-gaussian模型,更適合用作低壓電力線通信信道噪聲發(fā)生器.該噪聲模型的提出對(duì)研究在電力線通信系統(tǒng)和無線通信系統(tǒng)中內(nèi)部和外部電磁源的電磁干擾有重要意義.

強(qiáng)烈的地震給人們生命財(cái)產(chǎn)帶來巨大損失,為了能夠在地震之前預(yù)測(cè)出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,并以過去發(fā)生地震地區(qū)的多層磚房調(diào)查數(shù)據(jù)為震害因子的震害預(yù)測(cè)方法。結(jié)果表明:對(duì)多層磚房的震害樣本的預(yù)測(cè)達(dá)到理想效果。

范文范例指導(dǎo)學(xué)習(xí) word版本整理分享 學(xué)院獎(jiǎng)勵(lì)性績(jī)效工資分配辦法 根據(jù)《中共安徽省委安徽省人民政府關(guān)于分類推進(jìn)事業(yè)單位 改革的實(shí)施意見》（皖發(fā)〔2013〕14號(hào)）、《安徽省人民政府辦公廳 關(guān)于印發(fā)分類推進(jìn)事業(yè)單位改革配套文件的通知》(皖政辦〔2013〕 43號(hào))和《安徽省人民政府辦公廳轉(zhuǎn)發(fā)省人力資源和社會(huì)保障廳、 省財(cái)政廳的通知》（皖政辦 〔2012〕7號(hào)）等有關(guān)文件規(guī)定，結(jié)合我院實(shí)際，制定本實(shí)施方案。 一、指導(dǎo)思想 適應(yīng)事業(yè)單位改革的總體要求，建立體現(xiàn)崗位績(jī)效和分級(jí)分 類管理的工作人員收入分配制度，實(shí)現(xiàn)工作人員收入分配的科學(xué) 化和規(guī)范化，充分發(fā)揮績(jī)效工資的激勵(lì)導(dǎo)向作用，激勵(lì)教職工扎 實(shí)工作，開拓進(jìn)取，積極主動(dòng)地完成各項(xiàng)工作任務(wù)，努力推動(dòng)學(xué) 校各項(xiàng)事業(yè)持續(xù)、健康、快速發(fā)展。 二、基本原則 （一）堅(jiān)持“效率優(yōu)先、兼顧公平、多勞多

從定量研究的角度對(duì)工程項(xiàng)目多因素風(fēng)險(xiǎn)分配問題進(jìn)行了分析。通過建立評(píng)價(jià)各項(xiàng)目參與方風(fēng)險(xiǎn)責(zé)任的評(píng)估指標(biāo),確定風(fēng)險(xiǎn)分配的評(píng)價(jià)因素集,利用模糊綜合評(píng)判的方法求出了項(xiàng)目各參與方的綜合風(fēng)險(xiǎn)分配系數(shù),給出了各個(gè)項(xiàng)目參與方風(fēng)險(xiǎn)損失分配的計(jì)算方法及相應(yīng)算例。

軟件可靠性分配是軟件可靠性設(shè)計(jì)的一項(xiàng)重要任務(wù)。軟件可靠性分配中的agree法的關(guān)鍵在于重要度和復(fù)雜度的計(jì)算。采用故障樹中的結(jié)構(gòu)重要度分析方法,構(gòu)造重要度因子。并結(jié)合單元規(guī)模估計(jì)值及故障樹結(jié)構(gòu),構(gòu)造復(fù)雜度因子。實(shí)例計(jì)算表明,該方法能夠有效地進(jìn)行軟件可靠性指標(biāo)分配。

提出并實(shí)現(xiàn)了一種基于模糊技術(shù)和混沌神經(jīng)網(wǎng)絡(luò)集成的建筑施工遠(yuǎn)程監(jiān)控系統(tǒng)智能診斷系統(tǒng)?；煦缟窠?jīng)網(wǎng)絡(luò)具有強(qiáng)大的全局搜索能力和尋優(yōu)能力、能實(shí)時(shí)分布處理系統(tǒng)任務(wù)分配問題。實(shí)例仿真結(jié)果表明,能綜合模糊邏輯和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn),克服各診斷方法的局限性,從而提高了診斷系統(tǒng)的智能性和診斷效率。并通過實(shí)驗(yàn)證明這種智能集成系統(tǒng)模型的可靠性和準(zhǔn)確性,其具有廣闊的應(yīng)用前景。

考慮到短期負(fù)荷所具有的混沌特性和神經(jīng)網(wǎng)絡(luò)的非線性映射能力,提出了一種基于混沌理論的legendre神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法。該方法運(yùn)用混沌理論對(duì)短期負(fù)荷數(shù)據(jù)進(jìn)行向空間重構(gòu),并以歐式距離選取最佳訓(xùn)練樣本,而后采用以legendre正交多項(xiàng)式為隱含層神經(jīng)元激勵(lì)函數(shù)的三層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并運(yùn)用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。訓(xùn)練網(wǎng)絡(luò)時(shí),為了確定網(wǎng)絡(luò)的最佳拓?fù)浣Y(jié)構(gòu),文中引入了衍生算法來確定隱含層神經(jīng)元的最佳個(gè)數(shù)。實(shí)例分析表明了該方法的可行性,且能得到較高的預(yù)測(cè)精度和良好的預(yù)測(cè)效果。

采用催化傳感器和電化學(xué)式氣體傳感器配合使用的傳感器陣列。為了解決2種傳感器對(duì)礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測(cè)方法。通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測(cè)精度。實(shí)際輸出值和期望輸出的絕對(duì)誤差平均值為3.43ppm,相對(duì)誤差平均值為1.43%。

針對(duì)工業(yè)控制系統(tǒng)入侵檢測(cè)模型對(duì)各類攻擊的檢測(cè)率和檢測(cè)效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型.首先利用主成分分析法對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對(duì)訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測(cè).實(shí)驗(yàn)結(jié)果表明該方法在對(duì)各攻擊類型的檢測(cè)率和測(cè)試時(shí)間明顯優(yōu)于其他算法模型.

簡(jiǎn)要介紹一種新的計(jì)算簡(jiǎn)單、原理易懂的巖土工程數(shù)值分析方法———力分配法,并簡(jiǎn)要敘述了力分配法在各個(gè)方面的應(yīng)用,例如開挖、不連續(xù)界面、錨桿等,并簡(jiǎn)略的敘述了它的計(jì)算程序框架圖。

當(dāng)前,諸多研究人員被電力負(fù)載預(yù)測(cè)所吸引,由于其是精確計(jì)劃、調(diào)度及運(yùn)維電力系統(tǒng)的先決條件.眾多因素均影響著電力負(fù)載預(yù)測(cè),因此提出一個(gè)混合模型來提升預(yù)測(cè)的準(zhǔn)確性是有必要的.文中提出一種采用2種方法的新的混合負(fù)載估計(jì)方案:小波變換(avelettransform,wt)和人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetwork,ann).為了將大型非對(duì)稱時(shí)變電力原始數(shù)據(jù)集合考慮到其中,根據(jù)時(shí)間和頻率采用小波技術(shù)來分解數(shù)據(jù),眾多小波函數(shù)可以采用,但選擇一種合適的小波函數(shù)在設(shè)計(jì)此模型中扮演著關(guān)鍵作用.文中采用了以下幾種類型的小波函數(shù),即haar小波函數(shù)、deubechies小波函數(shù)、symlet小波函數(shù)以及coiflet小波函數(shù),將電力負(fù)載數(shù)據(jù)分解成不同的段.隨后,使用ann來預(yù)測(cè)負(fù)載的非線性數(shù)據(jù).由aemo獲取一周每天24h的數(shù)據(jù)驗(yàn)證了文中所設(shè)計(jì)模型的有效性.

建筑結(jié)構(gòu)損傷識(shí)別是對(duì)建筑結(jié)構(gòu)進(jìn)行損傷檢測(cè)的重要一步。針對(duì)建筑結(jié)構(gòu)損傷識(shí)別中的損傷位置和損傷程度識(shí)別難的問題,依據(jù)損傷前后的建筑結(jié)構(gòu)固有頻率發(fā)生變化理論,提出了基于bp神經(jīng)網(wǎng)絡(luò)的建筑結(jié)構(gòu)損傷識(shí)別的方法。以一幢14層框架結(jié)構(gòu)為研究對(duì)象,通過仿真計(jì)算建筑結(jié)構(gòu)損傷前后各階固有頻率,提取其固有頻率變化量作為bp神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)來訓(xùn)練、測(cè)試網(wǎng)絡(luò),對(duì)建筑結(jié)構(gòu)進(jìn)行損傷識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法能夠很好的識(shí)別建筑結(jié)構(gòu)的損傷位置和程度,可以將損傷位置定位到所在樓層,對(duì)構(gòu)件損傷程度識(shí)別的相對(duì)誤差可控制在3%以內(nèi)。該方法的提出可為復(fù)雜建筑結(jié)構(gòu)的在線監(jiān)測(cè)和損傷識(shí)別、預(yù)測(cè)提供參考依據(jù),也為進(jìn)一步實(shí)現(xiàn)實(shí)際建筑結(jié)構(gòu)中通過頻率測(cè)試對(duì)建筑結(jié)構(gòu)的健康狀況進(jìn)行評(píng)測(cè)奠定理論和方法基礎(chǔ)。