基于学习能力的高职院校自主学习数学模型微观机理研究

通过对高职学生学习能力以及自主学习过程分析,首先建立了基于学习能力的高职院校自主学习结构模型。其次,依据所建立模型中参数之间具有模糊推理的关系,分析得出了该结构模型的算法流程与模糊推理规则。最后,通过实例研究,进一步说明了所得理论结果的有效性。该研究比较重要的意义是不仅为高职院校自主学习相关评估软件的研发提供了一种理论参考,而且为今后高职院校相关教育理论的量化研究提供了一种可以借鉴的研究思路。     

浅谈新型采煤机系统建立

煤炭综采成套装备是实现煤炭安全、高效、高回收率开采的重要保障和先决条件。目前,我国已能提供中低端系列煤炭综采成套装备,但高端煤炭综采成套装备与国外发达国家相比尚存在较大差距,主要原因是其核心装备智能控制系统以及装备智能化所需关键零部件的发展缓慢。因此,大力发展煤炭综采智能控制系统及装备是煤炭综采智能化发展的需要,也是国家煤炭行业发展的需要。     

CRM系统中客户价值评估的实现

随着市场竞争的日益激烈,“以客户为中心”的企业经营理念已成为共识。本文在分析CRM的功能以及客户价值评估的重要性基础上,提出了一种基于聚类算法和模糊推理的客户价值评估方法,有效实现了对客户的划分和价值的评估。     

浙江省滑坡地质灾害风险地图制图综合研究

基于自然灾害风险制图自动综合的图层约束理论,结合模糊推理系统,从点状要素层面对浙江省滑坡灾害风险地图进行地图制图综合研究。以1995-2015年浙江省滑坡灾害数据为基础,根据浙江省滑坡灾害的特点,从致灾因子及孕灾环境角度考虑,选取滑坡灾害程度区划,地形坡度、地貌区划、年暴雨日数、多年均降水量作为制图约束图层。通过模糊推理系统对浙江省滑坡灾害风险进行综合评价,并以综合评价结果进行多尺度滑坡灾害风险地图制图综合。制图综合结果揭示了浙江省滑坡灾害高风险区—安吉、东阳、江山常山地区、丽水温州地区,且50%-60%的滑坡灾害集中在丽水温州地区。研究结果可以为浙江省滑坡灾害风险管理与决策提供科学参考依据。     

基于ANFIS混沌检测方法的股市惯性假设合理性应用研究

本文针对股市数据中存在大尺度噪声,混沌现象难以研究的问题,提出一种新颖的股市混沌现象检测方法。将小波变换处理后的收盘价序列经相空间重构作为训练数据,利用神经模糊推理系统(ANFIS)逼近训练数据的系统模型,再计算逼近系统(ANFIS)的最大Lyapunov指数,进行混沌检测。该方法具有很强的抗噪能力,且能够实时的跟踪分析市场情况。运用该方法从混沌的角度研究股市中惯性假设的合理性,进行了大盘和个股实例分析,得到了一些有益的结论。     

中国信用体系建设中的个人信用模糊评估

个人信用体系建设是中国信用制度建设的主要内容之一，个人信用评估是个人信用体系建设的主要应用领域。在信用评分模型和基于先验审批规则法基础上建立起来的模糊推理系统，充分利用了业内人员多年积累的从业经验，是适合我国实际情况的个人信用评估方式。在我国个人信用数据积累到一定程度和一定时期之后，这些数据既可以与专家经验互相补充用于生成模糊推理规则，也可以对模糊推理系统进行检验和修正。     

基于自适应神经模糊推理系统的货运量预测研究

考虑到货运量预测的复杂性及非线性特点,本文将自适应神经模糊推理系统（ANFIS）引入货运量研究中,利用ANFIS对货运量进行预测。通过对我国铁路货运量及公路货运量的实例分析检验ANFIS有效性。结果表明,ANFIS有效地预测了我国铁路货运量及公路货运量,具有较高的预测精度及较快的收敛速度,是一种有效的货运量预测方法。     

基于自适应神经模糊推理系统的变压器故障诊断

在分析利用变压器油中溶解气体进行变压器故障诊断的基础上,本文提出一种基于自适应神经模糊推理系统的变压器绝缘故障诊断方法。该方法能自动跟踪输入数据特征的变化,弥补模糊诊断系统的不足。变压器故障诊断实例表明该方法适应性强,正确率高,是一种非常有效的变压器绝缘故障诊断方法。     

基于ANFIS和GA的多级分销链预测模型

为提高分销链企业的预测水平,优化分销链中各级企业库存管理,提出了基于自适应神经模糊推理系统(ANFIS)的单级预测模型和成本目标函数的多级预测模型。利用ANFIS模糊推理机制实现了其输入层与输出层间的非线性映射及该神经网络的信息存储和学习能力。从分销链整体成本优化的角度建立了多级预测模型并应用遗传算法(GA)进行求解。仿真结果表明,ANFIS与BP神经网络相比具有较高的准确性;在一定程度上改善了分销链中订货信息多级放大的现象。     

机械故障诊断的模糊推理与神经网络并行推理的研究

根据机械故障诊断领域模糊知识及机械故障本身的特点，通过对现场专家知识、实验的总结，利用模糊推理与神经网络的互补性，提出了建立一个图形化专家知识库，并在此专家知识库的基础上采用模糊推理与神经网络并行推理，而后在推理结果层面上做出融合和优化的故障诊断方法。该推理诊断方法克服了样本获取的瓶颈问题和提取规则泛化误差，既能提高诊断推理的速度，叉可以提高其准确度，而且实现了多故障的同时诊断，推理效率高，现场应用表明该方法有效可行。