文档介绍：兰州理工大学
硕士学位论文
Cu-Zr-Al非晶合金晶化过程电特性预测模型研究
姓名:康蕾
申请学位级别:硕士
专业:检测技术及自动化装置
指导教师:王晓兰
20090605
摘要材料形成过程是一个极其复杂的动力学过程,对其进行机理建模耗时又难以保证准确性,本研究将材料科学与信息科学技术结合,把材料演变过程的外部特征看成非平稳过程,以—以蔷Р牧隙Щ涛6韵螅庸鄄馐莩龇研究材料形成过程的复杂动态建模及预测方法。为了使最小二乘支持向量机更适合于在线应用,本文提出的算法将模糊隶属度概念引入增量式支持向量机,降低了回归函数对孤立点的敏感度,提高了预测的精度。仿真实验可以看出增量式模糊最小二乘支持向量机算法精度更高,速度更快,加上其自身的递推式特点,更便于实际应用。对于非平稳时间序列预测,除了模型的选择外,关键取决于如何提取时间序列中的低频和高频成分并对其建模,以及如何避免对高频信息的过拟合,考虑到二进正交小波分解对非平稳性时间序列的适应性、对低频的分离作用,本文将小波变换应用到时间序列的预测中,提出了一种基于小波变换和—Ⅷ方法的非平稳时间序列预测方案。首先利用算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息,然后对高频信息构建神经网络模型,而对低频信息则利用在线式最小二乘支持向量机进行拟合,最后将各模型的预测结果叠加,从而得到原始序列的预测值。仿真实验表明,该方法不仅能够充分拟合低频信息,而且能够避免对高频信息的过拟合,是非平稳时间序列的有效预测方法。关键词:时间序列预测;神经网络模型;支持向量机;最小二乘支持向量机;增量式算法硕士学位论文
硫肌趍孤鰉琣阤.——,盯.—,.,..,忙盘五..餰琣畇;;;籌,Ⅱ
插图索引图曲线变化图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图典型的三层网络结构图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯网络图せ詈图学习机器模型结构示意图⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯..图结构风险最小化示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图线形可分情况下的最优分划直线⋯⋯⋯⋯⋯⋯⋯⋯⋯.图线形分划的拓广⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯..峁故疽馔肌弧图四种损失函数⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯图煤气炉燃烧过程。含量预测⋯⋯⋯⋯⋯⋯.⋯..⋯⋯.图短期风速预测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图现ぶ甘げ猓图心脏病诊断数据分类仿真图⋯⋯⋯.⋯.⋯.⋯⋯.⋯⋯.图参数自动寻优截图⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯导适涑鲇朐げ馐涑銮叩谋冉稀图电压偏离值预测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图短期风速预测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图基于小波变换—Ⅷ的时间序列预测框架⋯⋯⋯⋯⋯.算法示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图上证指数原始数据图⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯图上证指数阈〔ǚ纸馔肌图上证指数预测⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯.图非晶合金晶化过程电特性测试数据图⋯⋯⋯⋯⋯⋯⋯⋯图晶化过程电特性测试数据小波分解⋯⋯⋯....⋯⋯⋯⋯.图晶化过程电特性测试预测⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯图神经元模型⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..维示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯..图硕士学位论文Ⅱ
附表索引表心脏病诊断归一化临床数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..表数据样本集表⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯表两种方法预测的均方根误差及运行时间比较⋯⋯⋯⋯⋯⋯表两种方法预测上证指数的均方根误差⋯⋯⋯⋯⋯⋯⋯⋯表两种方法预测电特性的均方根误差⋯⋯⋯⋯⋯⋯⋯⋯..——非晶合会电特性时间序列预测Ⅳ
日期㈨产导师签名:蔓三作者签名:压之;耘日期:矽歹年石只,兰州理工大学学位论文原创性声明和使用授权说明日期:幌δ月凸日原创性声明学位论文版权使用授权书他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编本学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。占月/
第绪论本课题的研究意义金属玻璃因其长程无序的结构而具有很多独特的性能,目前已广泛应用于众多领域。但金属玻璃是亚稳态,当其加热到一定的晶化温度时,会变得很不稳定并开始向稳定的晶态转变,材料的结