简介:针对基坑监测数据存在非平稳、非线性等问题,本文采用了一种基于集合经验模态分解 ( EEMD ) 、粒子群 ( PSO ) 和支持向量机( SVM )预测模型。该模型利用 EEMD 将原始的基坑监测数据分解为代表发展趋势的趋势分量和一些平稳的波动分量,进而利用粒子群算法优化的支持向量机对各分量进行建模预测,最后对各预测分量进行叠加重构得到最终的预测结果。实验结果表明:相较与传统 的 SVM 、 PSO-SVM 预测模型, EEMD-PSO-SVM 预测模型能有效提高基坑变形的预测精度。
简介:摘要:对于设备异常能够引起过程质量发生偏移的可修系统,为了降低系统的综合成本,考虑到维修人员不能及时完成维修,使得系统成本不可控。本文在建立MEWMA控制图与维修策略的联合决策模型基础上,引入维修等待时间以及维修等待成本,降低系统的单位时间成本。通过构建MEWMA控制图监控生产系统的状态,然后结合视情维修,分析系统可能发生的所有场景,计算每种场景下发生的概率。在此基础上,考虑维修等待时间和维修等待成本等因素,利用更新过程理论建立视情维修与MEWMA控制图的联合决策模型,通过遗传算法对模型进行求解并优化其模型参数。最后通过实际案例分析,证明该模型能够通过优化参数,更有效的降低系统的单位时间成本。
简介:摘要:随着信息技术化时代的发展和进步,大数据逐渐普及社会的各行各业之中。由于现代人们追求生活的便捷性,对于数据的分析处理和在运用的需求上的作用变得更加显著起来,与此同时不断的去提高数据的搜索能力、存储和传输的处理水平,并通过技术层面上来实现对数据进行分析的能力。但是据了解我国的政务工作之中并不重视对大数据的运用,这不利于我国政务工作高效率的开展。为此,如何通过去挖掘企业大数据的潜力以及价值使其为我国的政务工作服务,成为当前我国政务工作中所面临的难题之一。基于此,本文通过探究和分析企业大数据模型来深入挖掘企业大数据的价值和潜力,使得企业大数据模型更好的去为政务创新服务,希望能够给相关人员通过参考。