数学建模2005年题目，雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量 作出预报是一个十分困难的问题，广受世界各国关注。我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上。同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制，站点的设置是不均匀的。气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据并希望建立一种科学评价预报方法好坏的数学模型与方法来评价两种6小时雨量预报方法的准确性；气象部门将6小时降雨量分为6等并希望按此分级向公众预报，在评价方法中考虑公众的感受。

BP、GABP、改进GABP三种风电功率预测方法比较；Matlab源代码，内含数据，注释详细，内含gaot遗传算法工具箱。

轨道交通短期客流预测方法及其算法研究.docx

对跨项目缺陷预测问题展开了深入研究，在源项目实例选择时，考虑了三种不同的实例相似度计算方法，并发现这些方法的缺陷预测结果存在多样性，因此提出了一种基于Box-Cox转换的集成跨项目软件缺陷预测方法BCEL。具体来说，基于不同的实例相似度计算方法，从候选集中选出不同的训练集；针对这些数据集，进行有针对性的Box-Cox转换，并借助特定分类方法构造出不同的基分类器，最后将这三个基分类器进行有效集成。基于实际项目的数据集，验证了BCEL方法的有效性，并深入分析了BCEL方法内的影响因素对缺陷预测性能的影响。

本发明公开了一种基于遗传算法优化BP神经网络的风电功率预测方法，从风电功率预测系统的数据处理模块中获取预测参考数据；对参考数据建立BP神经网络的预测模型，并采用多种群编码对应BP神经网络的不同结构，每个种群分别对神经网络权值阈值编码，生成不同长度的个体，用遗传算法中选择、交叉、变异操作进化优化每个种群，最后判断收敛条件并选择最优个体；再对BP神经网络初始化，用学习率可变的动量BP算法进一步训练网络直至收敛，利用该网络对风电功率进行预测；最后，还反复利用预测值，在一轮预测中进行多次预测实现了跨时间间隔的多步预测。本发明预测精度提高，计算时间减少，稳定性增强。

基于弹性阻抗的储层物性参数预测方法

基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 ......

本研究旨在撞髙交通状态判别与预测的效果，在分析各类交通数据的基础上，釆用先进机器学习方法，并有机结合特征选择、参数优化等理论方法，对交通状态判别与预测方法展开琛入研究，主要研究内容及成粜如下：基于ＲＢＦ神经网络的交通流缺失数据修复方法神经网络用于交通流领域研究的优势在于神经网络能够简化研究模型时的建模过程，尤其是针对交通流的非线性特征，对于复杂的非线性问题具有良好的解决能力。研究发现，ＲＢＦ神经网络具有自组织、自学习、自适应的功能，不会出现局部极小值问题，对非线性的连续函数具有一直逼近性，训练速度较快，同时它可以对数据进行大范围的融合，髙速处理数据。因此，本文以ＲＢＦ神经网络为主体构建了交通流预测模型，随后利用模型预测值修复交通流缺失数据。为了验证其可行性和精确度，本文将提出的模型与元非线性回归模型以及ＢＰ神经网络模型的修复精度进行了对比，结果表明本文提出的基于ＫＥＦ神经网络的模型对于交通梳缺失数据的修复效果更好。基于小波和 改进 ＢＰ 神 经 网 络 的 交通事件 自 动 检铡 方法本文在研究基础 上提出 了一种 基于小波和 改进 Ｂ Ｐ 神 经 网 络 进行道路......

建筑业作为国民经济支柱性产业，在推动社会发展的同时也消耗了大量能源。推动 建筑行业进行节能减排，对实现我国于2030年左右使二氧化碳排放达到峰值的节能减 排目标具有重要意义。建筑节能减排的一个重要手段是建筑能耗精细化管理，而进行这 一工作的基础就是对建筑能耗进行准确的预测，从而支撑建筑运行优化管理，实现节能 减排的目标。 为更高效的完成建筑能耗预测工作，本文将机器学习算法应用于建筑能耗预测领域， 以实际案例公共建筑能耗数据为基础，通过完成建筑能耗数据预处理、建筑能耗特征分 析、机器学习算法能耗预测模型建立、模型预测结果分析与评价等工作，建立起了不同 类型建筑与机器学习算法模型之间的适配关系，最终总结提出了标准化的基于机器学习 的建筑能耗预测方法。本文主要研究内容和成果如下: 首先，本文提出了基于KNN算法和K-means算法的建筑能耗异常数据识别和修复 方法，并利用该方法完成了对案例建筑历史能耗数据的预处理工作。建筑能耗预处理结 果表明，该方法可以合理且准确的完成对建筑能耗异常数据的修复工作。这为后续研究 奠定了数据基础。 其次，本文对四栋不同用途的案例公共建筑进行了能耗特征分析，分别

随着社会经济的高速发展，出行需求的持续增加，道路供需矛盾日益突出，致使 交通拥堵路段的数量和里程逐年增加。实时准确的交通状态判别和预测，对于交通拥 堵的智能管控具有重要的作用。随着ITS的逐步实施，各类交通检测设备提供了不同 精度、广度和深度的大量交通数据。然而，如何有效分析交通数据却成为一个巨大的 挑战。传统数据分析方法往往具有特定的模型结构和过多的假设条件，而不能满足分 析各类数据的需求。因此，有必要研究和探索用于交通状态判别与预测的新方法，以 充分挖掘交通数据所蕴含的丰富交通信息，进一步提升交通状态判别与预测的准确性 和可靠性。 本研究旨在改善交通状态判别与预测的效果，在分析各类交通数据的基础上，采 用先进机器学习方法，并有机结合特征选择、群体智慧搜索和时间序列分析等理论方 法，对交通状态判别与预测方法展开深入研究。主要研究内容及成果如下: (1)基于PSO-SVR优化FCM的交通流缺失数据修复方法 在分析交通流数据时空相关性的基础上，提出了基于PSO-SVR优化FCM的缺失 数据修复方法，以模糊C均值(FCM)为基础算法，采用粒子群优化算法(PSO)和 支持向量回归(SVR)的