导读:本文包含了预测性能论文开题报告文献综述及选题提纲参考文献，主要关键词:道路工程,灰色GM(1,1)模型,等维灰数递补模型,路面使用性能
预测性能论文文献综述
赵静,吴旺杰,王选仓,李善强,房娜仁[1]（2019）在《基于等维灰数递补模型的路面性能预测方法》一文中研究指出为了准确掌握沥青路面使用性能指标的变化趋势,以车辙指数(rutting depth index,RDI)为例提出了能够有效动态使用新数据的等维灰数递补模型.利用该模型对路面状况指数(pavement condition index,PCI)、行驶质量指数(riding quality index,RQI)和横向力指数(skidding resistance index,SRI)等指标进行了预测.结果表明,使用等维灰数递补模型对RDI、PCI、RQI和SRI预测在第3步时,最小误差概率均为1,后验方差比分别为0. 1117、0. 0654、0. 2018和0. 1130.证明了随着步数的增加,其预测结果精度越高、误差越小,表明该方法能够准确地预测路面性能.(本文来源于《深圳大学学报(理工版)》期刊2019年06期）
杨超,杨晓霞,李灵飞[2]（2019）在《基于灰色关联度和ELM的轴承性能退化趋势预测》一文中研究指出为了及时发现轴承运行状态的异常信息,避免因轴承故障带来的严重后果,文章采用灰色关联度分析和极限学习机(ELM)相结合的方法对滚动轴承性能退化趋势进行预测。将滚动轴承运转的全寿命数据进行连续分组,计算各组数据与轴承状态良好的第一组数据之间的灰色关联度,根据关联度值的变化判断轴承健康状态;采用极限学习机(ELM)建立轴承健康性能退化模型,以灰色关联度作为健康性能指标,对轴承的性能退化趋势进行预测。研究结果表明,灰色关联度比均方根指标能更早地发现轴承的异常,ELM预测的关联度值与实际关联度值变化趋势一致性较好,当关联度真实值突然连续低于ELM预测范围临界值时,认为轴承性能恶化。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
李建民,陈慧,杨冬芹,林振荣[3]（2019）在《改进GWO优化SVM的服务器性能预测》一文中研究指出为更加精确地对服务器性能进行评估与预测,提出一种基于差分进化(DE)与灰狼寻优(GWO)相结合的SVM模型(DE-GWO-SVM)。利用灰狼寻优算法(GWO)寻求SVM的最优参数组合惩罚因子C和核函数参数γ,提升SVM算法的预测性能,将DE算法用于生成灰狼寻优算法初始种群的最优值,克服GWO的初始种群随机生成的局限性,使GWO具有更加良好的寻优能力,获取SVM算法的参数组合C和γ的最优解。实验结果表明,相比于传统的SVM、ABC_SVM、GWO_SVM模型,DE_GWO_SVM预测模型具有较高的预测精度、良好的稳定性和泛化能力。(本文来源于《计算机工程与设计》期刊2019年11期）
贵福胜,王锋[4]（2019）在《基于LSTM的Web应用系统性能预测》一文中研究指出Web应用系统由硬件层、系统层、应用程序层组成,构成Web体系结构的层次有很多,所以任何一个层次出现问题都会影响整个Web系统的性能。这就需要对Web应用系统的整体性能进行监测,而现在的应用性能监控平台主要是对Web应用系统进行性能指标数据的采集和展示,并没有深入地分析和挖掘这些性能指标数据的潜在价值。文中主要利用性能监控平台采集的应用系统的历史性能数据信息,来学习Web应用系统运行过程中的历史规律,分析系统的运行状态并预测其未来一段时间的发展趋势,最终为监测系统的运行状态提供有效的、准确的决策支持。通过性能预测值与实际观测值的对比,实现了应用系统性能的异常检测功能。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
赵浩峰,张椿英,于鹏,王玲,柴阜桐[5]（2019）在《热处理对纳米永久磁铁矫顽力性能影响的BPNN预测研究》一文中研究指出研究了热处理对纳米永久磁铁矫顽力性能影响的BPNN预测,用以改善纳米永久磁铁的热处理生产效率。将材料制备工艺与数学预测方法相结合,通过实验提供的数据,利用基于MatLab软件平台的反向传播神经网络BPNN,预测出获得纳米永久磁铁最佳矫顽力性能所需的热处理参数。当温度为650℃、保温时间为9-12min时,材料矫顽力出现的最佳值。研究结果表明,BPNN都能够较好的预测出,当热处理条件改变时该材料矫顽力性能变化的规律。(本文来源于《绥化学院学报》期刊2019年11期）
曾宪奎,陈洪帅,滕彦理,贾伟臣,曾佳[6]（2019）在《基于不同神经网络模型的橡胶减振器性能预测的应用研究》一文中研究指出利用BP和GRNN神经网络建立胶料性能和减振器性能之间的预测模型,并对预测结果的误差进行对比分析。结果表明,利用BP神经网络建立的预测模型预测平均相对误差在16%以内,利用GRNN神经网络建立的预测模型预测平均相对误差在5%以内,说明使用GRNN神经网络进行减振器性能预测精度更高、效果更好。(本文来源于《合成材料老化与应用》期刊2019年05期）
王建成,蔡延光[7]（2019）在《LightGBM算法和ARIMA算法在人口流动预测应用的性能的比较》一文中研究指出人口普查是政府在各个时期获取人口资料、掌握国情国力的一种最基本的调查方法。即使在现在科技发达的社会,人口普查也是非常耗时耗力的。自中华人民共和国成立,只进行过6次全国性的人口普查。在这个数据爆炸式增长、科技快速进步的时代,通过人工智能技术并借助大数据来估算城市人口,可以节省大量的时间成本和人力消耗,能够让人口普查工作更为高效。甚至有实现对人口的实时动态预测。运用LightGBM算法和ARIMA算法分别对人口流动情况进行预测,比较两个算法在人口流动预测应用方向的准确率,得出了LightGBM算法在人口流动预测上的准确率比ARIMA算法的准确率高,同时ARIMA算法的计算时间是LightGBM算法计算时间的7至10倍,甚至更多倍数。(本文来源于《东莞理工学院学报》期刊2019年05期）
肖晓华,曾国卫,李文军[8]（2019）在《涡轮增压器性能检测与故障预测系统的研制》一文中研究指出涡轮增压器再提升发动机性能方面的作用,如何再提升涡轮增压器性能的同时有效实现故障预测成为目前涡轮增压器研究的热点。该文将从涡轮增压器结构及工作原理出发,对增压器相关性能及常见故障进行简要分析,研究利用LabVIEW与MATLAB实现涡轮增压器性能检测与故障预测系统的研制与开发,以期能为涡轮增压器研究发展带来一些启发和帮助。(本文来源于《中国新技术新产品》期刊2019年20期）
巩晓文,凤思苑,崔壮,高静,李长平[9]（2019）在《基于SVGD分类预测的梯度提升机与随机森林的性能比较》一文中研究指出目的采用梯度提升机与随机森林法对在天津市胸科医院行CABG手术后出现复发缺血性症状的患者是否会发生SVGD进行预测,并评价两种模型的分类性能。方法将606例研究对象按7:3比例随机分为训练集和测试集进行模型训练和测试。用NRI和IDI评价两种集成算法对CART基分类器的提升程度,并采用诊断试验评价指标对模型的分类性能进行评价。结果以CART基分类器为参照,梯度提升机的NRI和IDI分别为0.31和0.15,而随机森林NRI和IDI分别为0.08和0.08。在测试集上GBM的AUC和ACC分别为0.89和0.83高于RF 0.80和0.73。二者筛选出的最重要的5个临床指标相同,依次为桥龄、左室舒张期径长、VLDL、隐静脉桥支数和心脏病类型。结论梯度提升机和随机森林法均能提升基分类器的分类性能,且前者优于后者。梯度提升机比随机森林有更好的泛化能力,更适合对外部数据的分类预测。(本文来源于《中国卫生统计》期刊2019年05期）
张宸祚,赵百川,徐兆祺,郭佳,杨晨阳[10]（2019）在《同构与异构网中预测资源分配的性能》一文中研究指出预测资源分配能利用蜂窝网络的残余资源大大提升吞吐量。本文面向视频点播等非实时业务,研究在使95%用户播放视频的卡顿时间小于其预期值时预测资源分配能够使网络支持的非实时业务请求到达率提升多少。为了研究预测窗长对预测资源分配性能的影响,考虑一种性能接近最优解的低复杂度双门限策略,分析了预测窗长度、残余带宽、预测方法、用户接入和小区间干扰对其性能的影响。研究结果表明,通过对所需各种信息设计合理的预测方法,预测误差对双门限策略影响很小;预测窗越长,该策略相对于传统非预测方法的吞吐量增益越大、但增速随窗长增加逐渐变缓;网络残余带宽的方差越大,双门限策略相对于非预测方法的吞吐量增益越大;基于残余带宽的接入方法在异构网络中性能远优于基于接收功率最大的用户接入,且网络负载越重、增益越大。(本文来源于《信号处理》期刊2019年10期）
预测性能论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了及时发现轴承运行状态的异常信息,避免因轴承故障带来的严重后果,文章采用灰色关联度分析和极限学习机(ELM)相结合的方法对滚动轴承性能退化趋势进行预测。将滚动轴承运转的全寿命数据进行连续分组,计算各组数据与轴承状态良好的第一组数据之间的灰色关联度,根据关联度值的变化判断轴承健康状态;采用极限学习机(ELM)建立轴承健康性能退化模型,以灰色关联度作为健康性能指标,对轴承的性能退化趋势进行预测。研究结果表明,灰色关联度比均方根指标能更早地发现轴承的异常,ELM预测的关联度值与实际关联度值变化趋势一致性较好,当关联度真实值突然连续低于ELM预测范围临界值时,认为轴承性能恶化。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测性能论文参考文献
[1].赵静,吴旺杰,王选仓,李善强,房娜仁.基于等维灰数递补模型的路面性能预测方法[J].深圳大学学报(理工版).2019
[2].杨超,杨晓霞,李灵飞.基于灰色关联度和ELM的轴承性能退化趋势预测[J].组合机床与自动化加工技术.2019
[3].李建民,陈慧,杨冬芹,林振荣.改进GWO优化SVM的服务器性能预测[J].计算机工程与设计.2019
[4].贵福胜,王锋.基于LSTM的Web应用系统性能预测[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[5].赵浩峰,张椿英,于鹏,王玲,柴阜桐.热处理对纳米永久磁铁矫顽力性能影响的BPNN预测研究[J].绥化学院学报.2019
[6].曾宪奎,陈洪帅,滕彦理,贾伟臣,曾佳.基于不同神经网络模型的橡胶减振器性能预测的应用研究[J].合成材料老化与应用.2019
[7].王建成,蔡延光.LightGBM算法和ARIMA算法在人口流动预测应用的性能的比较[J].东莞理工学院学报.2019
[8].肖晓华,曾国卫,李文军.涡轮增压器性能检测与故障预测系统的研制[J].中国新技术新产品.2019
[9].巩晓文,凤思苑,崔壮,高静,李长平.基于SVGD分类预测的梯度提升机与随机森林的性能比较[J].中国卫生统计.2019
[10].张宸祚,赵百川,徐兆祺,郭佳,杨晨阳.同构与异构网中预测资源分配的性能[J].信号处理.2019