共查询到20条相似文献，搜索用时 750 毫秒
1.
PPII螺旋结构是一种重要的蛋白质二级结构类型.本文首先从2303条高质量的多肽链中提取出PPII螺旋结构形成结构数据集,然后对结构数据集进行了统计分析.统计表明:PPII螺旋结构是种稀有的蛋白质二级结构类型,约占数据集的2.1%,但是PPII螺旋结构经常出现在多肽链中,大约50%的蛋白链中至少包含一条PPII螺旋结构;PPII螺旋结构比较短,超过90%的PPII螺旋结构只有4个或5个氨基酸残基;PPII螺旋结构的长度分布与310螺旋很相似;PPII螺旋结构最偏爱Pro残基,但不是每条PPII螺旋结构都必须包含Pro残基,不过对于长度较长的PPII螺旋结构,一般至少包含一个Pro残基;另外,残基Gln,Thr,Ser和Leu在PPII螺旋结构中也较常出现;极性残基不常出现在PPII螺旋结构中;残基Gly最不倾向于PPII螺旋结构. 相似文献
2.
针对锂离子电池荷电状态(state of charge, SOC)预测问题，利用长短期记忆（long short term memory, LSTM）循环神经网络建立电池SOC预测模型。在恒阻放电情况下，将电池输出电流、输出电压和电池表面温度作为模型的主要输入，使用训练样本对神经网络进行训练，使用验证样本进行验证。结果表明，用该方法进行电池SOC预测时可使最大绝对误差仅为1.96%，均方根误差为0.986%，可行性被验证。分析神经网络隐含层中不同的神经元个数对预测结果的影响，对比不同批大小情况下训练出的神经网络的预测误差。将隐含层分别设置为1至3个LSTM细胞核，得到不同条件下神经网络的预测误差。结果为电池SOC预测的神经网络模型的隐含层神经元个数、批大小和LSTM细胞核个数的设定提供参考。 相似文献
3.
为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的. 相似文献
4.
复合材料是基于多种材料组分的不同组合方式经由相应工艺加工而成的新型材料,近年来凭借其优良的综合性能被广泛应用于交通、建筑等领域,其试验分析结果有时候与经验分析存在较大误差,从而建立可信的分析方法对复合材料承载性能进行验证具有十分重要的理论意义。基于长短期记忆（long short term memory,LSTM）深度学习网络模型的预测精度受数据序列长度影响,提出一种LSTM神经网络和Kalman滤波相结合的复合材料承载预测方法,既可以克服训练数据序列长度对传统LSTM神经网络的影响,又使得Kalman滤波可以从输入数据中学习。仿真结果表明,该方法可以获得优良的预测性能：LSTM-KF模型的承载预测误差将LSTM模型的预测误差从0.033 0 kN减小到0.016 0 kN,降幅为51.52%。 相似文献
5.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
6.
基于减聚类ANFIS模型的船舶横摇运动实时预测 总被引：2，自引：0，他引：2
为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度. 相似文献
7.
地震预报是当代科学难题,把机器学习方法运用于地震预报探索是一个研究热点。大地震造成巨大的人员伤亡和经济损失,因此对大震的预测是地震预报的主要目标。利用1970年以来的川滇地震目录,选择16个反映地震时空强度分布特征的地震预测因子,采取滑动时空窗口方法有效地挖掘数据的隐藏信息,对川滇部分地区开展了基于长短期记忆（long short-term memory,LSTM）神经网络的为期一年的地震预报研究。结果显示,用1970—2019年地震目录的70%（时间窗口大概为1970年到2004年前后）作为训练集训练网络,对剩余的30%作为测试集（时间窗口大概为2005年前后到2019年底）进行回溯性预报检验时,实际震级落在预测震级±0.5内的准确率为70.2%,虚报率为18.7%,漏报率为11.1%,可以回溯性预测2008年汶川MS8.0地震。为测试模型的稳健性,进行了扩大研究区域范围、改变大震级地震在均方差计算中的权重等测试。在这些测试中,LSTM神经网络模型依然表现良好。 相似文献
8.
针对在采用massive MIMO（multiple-input multiple-output）系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP（back propagation）神经网络的自适应神经网络来预测massive MIMO系统的信道幅值。自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值。仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差。 相似文献
9.
鉴于BP神经网络在非线性领域预测中的应用,以新疆建设用地为研究对象,构建BP神经网络预测模型,选取1996~2006年总人口、城市化水平、GDP等10个因子,反映新疆人口状况、经济发展水平、产业结构及投资水平作为网络的仿真输入,对2007年新疆建设用地进行模拟预测,预测结果与实际面积的相对误差仅为0.06%.最后针对新疆建设用地中存在的问题,提出了保障经济与社会协调可持续发展的土地利用策略. 相似文献
10.
《沈阳大学学报（自然科学版）》2015,(3)
以数字识别为应用背景构建RBF神经网络结构,首先把最近邻聚类算法与k-均值聚类算法应用于RBF神经网络隐层中心个数及中心值的确定中,实现了隐层中心个数与中心值的自适应获取;然后将遗传算法与伪逆法相结合来确定隐层中心宽度及输出权值;最后对混合优化的神经网络与传统的基于中心自组织学习算法优化的网络进行仿真实验.实验中使用未加噪声和添加噪声的数字样本对网络进行测试,与传统优化方法对比结果表明,应用该混合学习算法构建的神经网络具有识别能力强、计算量小的优点. 相似文献
11.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献
12.
基于NARX神经网络的港口集装箱吞吐量预测 总被引：1，自引：0，他引：1
为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好. 相似文献
13.
在对多智能体的编队控制上，当输入和系统状态受到约束时，模型预测控制算法比传统的输入输出反馈线性化控制算法具有显著的优势，但传统的模型预测控制算法需要在线优化控制，从而导致巨大的在线负担.为减小这种在线负担，提出一种双模式模型预测控制算法.该算法使用模型预测控制器对控制变量进行在线优化，使得未来某时刻的系统状态进入终端约束集内；此时将系统状态作为输入输出反馈线性化控制器的输入，将系统状态驱动到稳定值；在目标函数中加入避碰函数来有效避免邻近多智能体间的碰撞.仿真结果表明，当输入和状态受到约束时，双模式模型预测控制算法在对多智能体编队控制上比仅使用输入输出反馈线性化控制算法具有明显的优势. 相似文献
14.
针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络--极限学习机(extreme learning machine, ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis, GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善. 相似文献
15.
提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用. 相似文献
16.
《沈阳大学学报（自然科学版）》2015,(3)
使用BP神经网络建立了中央空调房间神经网络模型,并对系统进行了预测控制.仿真实验表明,利用神经网络建立的系统预测模型鲁棒性强,跟踪能力好.同时,将预测控制选为中央空调房间温度控制器能很好地控制这种非线性系统. 相似文献
17.
数据挖掘是利用机器学习、统计学习从数据中发现潜在规律的技术.针对目前体育训练中存在的一些问题,讨论了数据挖掘技术在体育训练中的应用原理,并通过关键神经网络方法来对运动员的成绩进行了预测的应用.实验数据表明使用神经网络对运动成绩的预测具有很好的逼近能力,而且有良好推广性,这表明使用相关的数据挖掘技术对指导体育训练的科学性增加,将会有广阔的应用空间. 相似文献
18.
通过显微组分测定、镜质组反射率测试、元素分析和工业分析、液氮吸附、透射电镜观察和等温吸附/解吸实验等,对沁水盆地南部高煤级变形煤的结构组成和吸附/解吸特征进行系统研究. 结果表明,1）高煤级煤随变形程度不同,其宏观、微观孔裂隙特征不同;2）高煤级变形煤的化学结构组成差异明显;3）高煤级变形煤吸附/解吸与煤岩物化结构组成的关系密切. 相似文献
19.
针对传统的货运生成模型处理非线性影响因素能力差的问题，运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上，选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量，以城市公路货运量和城市货运总量为输出变量，构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系，在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比，验证了该模型在货运量预测方面的可行性。 相似文献
20.
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 相似文献