导读:本文包含了通用预测论文开题报告文献综述及选题提纲参考文献，主要关键词:放电终止时间,通用预测架构,电化学模型,可靠性建模
通用预测论文文献综述
陈培华,聂诗良[1]（2019）在《预测电池放电终止时间的通用架构》一文中研究指出电池过放现象会加速电池老化过程,损坏电池内部结构,缩短电池使用寿命。针对该问题,基于电池电化学模型构建了一种预测电池放电终止时间的通用架构。结合18 650型号锂电池内部参数,进行电化学模型可靠性建模。以无迹卡尔曼滤波器(UKF)和蒙特卡洛(MC)预测算法为例,进行通用预测架构的设计。最后,以公开的电池放电数据集作为实验数据来源,在设计了带图形交互界面的软件上进行电池放电终止时间预测实验,验证了该通用预测架构的实用性与可靠性。(本文来源于《传感器与微系统》期刊2019年09期）
赵利平,周开伦,林涛,郭靖[2]（2019）在《通用串预测算法及在AVS2屏幕与混合内容视频编码中的应用》一文中研究指出针对屏幕与混合内容视频具有多样性的特点,在我国第二代数字音视频编解码技术标准的屏幕与混合内容视频编码(the second-generation Audio Video Coding Standard Screen and Mixed Content Coding,AVS2-SMCC)扩展版中,提出了由一般串模式、第一受限串模式和第二受限串模式叁种受限串模式组成的通用串预测算法(Universal String Prediction,USP)及其关键技术,其主要部分已经被AVS2-SMCC扩展版工作草案3.0稿采纳.叁种受限串模式统一采用偏移串、坐标串和不可预测像素串叁种串类型之一或其组合来实现.当编码单元采用USP算法进行编码时,用叁种受限串模式对其分别进行预编码,自适应采用叁种受限串模式中取得率失真值最小的受限串模式对其进行编码.实验结果表明,对于AVS2-SMCC通用测试序列中移动的文字和图形类别,提出的USP算法与国际上最新的(High Efficiency Video Coding,HEVC)标准SMCC扩展版(High Efficiency Video CodingScreen Content Coding,HEVC-SCC)相比,在编解码复杂度增加较少的情况下,对于有损全帧内配置Y分量、U分量、V分量平均BD-rate降低率分别可达23.2%、18.3%、19.4%,基于CPSNR的叁分量综合的平均BD-rate降低率为22.1%,编码效率已经大幅超过HEVC-SCC.(本文来源于《计算机学报》期刊2019年09期）
赵利平,林涛,郭靖,周开伦[3]（2019）在《基于通用串预测算法的AVS2屏幕混合内容帧间编码优化》一文中研究指出我国第二代数字音视频编解码技术标准的屏幕与混合内容扩展版(AVS2-SMCC)中,对于全色度屏幕混合内容的编解码其采用融合4∶4∶4格式的通用串预测编码算法和传统4∶2∶0格式的块预测、变换编码算法的编解码框架.在此框架中,根据屏幕混合内容的内在帧间特性和不同帧间子模式的特点,该框架对帧间编码算法进行了优化:首先提出了支持4∶4∶4格式的帧间编解码算法;其次,提出了内容自适应的不同帧间子模式色度失真权重因子算法和帧间子模式预编码与编码树单元划分的提前终止算法;最后,提出了一种新的帧间第一受限串模式,即将通用串预测算法的第一受限串的参考位置扩展至参考图像队列中的第一帧.实验结果表明,对于AVS2-SMCC标准测试序列中的移动文本和图形类别序列,提出的算法和AVS2-SMCC参考软件RMD1.0相比,在有损低延迟配置(一种含帧间编码的配置)下,Y、U、V分量的平均BD-rate下降率分别可达14.35%、90.73%、88.85%,编码时间降低50.86%,解码时间增加15.24%.(本文来源于《计算机学报》期刊2019年10期）
季玉洁,李祥,刘翠茹[4]（2019）在《基于主成分分析的煤元素分析通用预测模型研究》一文中研究指出基于大量煤质分析数据,以主成分分析法对煤的发热量和工业分析数据进行预处理,应用叁元线性回归和BP网络分析研究主成分与煤的各元素间的关系,进而提出了煤元素分析通用预测模型,并对模型适应性进行了检验;结果表明所建模型具有较强的适应性。(本文来源于《煤炭加工与综合利用》期刊2019年01期）
于思璇,王华伟[5]（2019）在《基于稀疏降噪自编码神经网络的通用航空风险预测》一文中研究指出近年来通用航空发展迅速,由此引发的安全问题日益引起重视。但是由于通用航空器种类繁多,样本之间的差异性较大,传统的统计分析技术在通用航空风险预测方面就显得无能为力。提出一种基于稀疏降噪自编码神经网络的通用航空风险预测方法,稀疏降噪自编码模型(sparse de-noising auto-encoder,SDAE)可以学习相对稀疏简明的数据特征,更好地表达输入数据。利用收集到从2012年1月至2015年12月共48个月各个不同事件发生原因的其他不安全事件总数量,建立民航事故征候万架次率的神经网络预测模型,将其他不安全事件的发生与事故征候联系起来。通过实例说明,构建的SDAE模型可以根据输入的其他不安全事件的数量对当月的事故征候万架次率做出较为准确的预测。(本文来源于《系统工程与电子技术》期刊2019年01期）
崔冬冬,葛琼璇,周志达,杨博,谭强[6]（2018）在《一种通用的基于预测控制的二极管钳位型变流器载波调制均压策略》一文中研究指出直流电容均压控制是二极管钳位型变流器的主要问题。本文以叁电平二极管钳位型变流器为例,提出了一种通用的二极管钳位型变流器的载波调制均压策略。该均压策略通过在载波调制器的调制波中注入优化的零序电压来平衡各直流电容的电压。首先,给出了所注入零序电压的通用表达式,分析了零序电压对叁电平二极管钳位型变流器中点电位的控制机理;其次,提出了一种基于预测控制的均压算法,计算所需的优化零序电压。仿真和实验结果表明,本文所提均压方法可有效控制叁电平二极管钳位型变流器的中点电位,并可方便地扩展到更多电平数的二极管钳位型变流器。(本文来源于《电工电能新技术》期刊2018年04期）
杨美临,韩方虎[7]（2018）在《通用机场噪声影响预测评价问题及对策研究》一文中研究指出中国通用航空已进入蓬勃发展的新时期,将不可避免地带来噪声影响问题。通过对目前通用机场噪声影响预测评价工作进行总结,发现通用机场噪声影响预测评价存在现有技术导则及规范的针对性不强,机场噪声评价标准的适用性不强,评价等级和范围确定的合理性不足,且缺乏对噪声预测源强进行实测验证,噪声防治措施研究及有效性论证不足等问题。由此提出积极制定适用性强的技术导则和评价标准,以期更好地指导通用机场噪声影响预测评价工作实践。(本文来源于《环境科学与管理》期刊2018年04期）
王绍鹏[8]（2018）在《蛋白质修饰位点的通用计算机预测方法》一文中研究指出蛋白质序列的翻译后修饰是真核和原核细胞调节蛋白质功能的重要方式。翻译后修饰反应和蛋白质-蛋白质相互作用一起,在细胞的信号通路转导、细胞凋亡、酶活性调节、蛋白质的亚细胞定位等多种生物活动中发挥着重要功能。近几年,随着蛋白质测序、免疫共沉淀、体外生化分析、免疫荧光以及邻近连接技术在蛋白质组层面的发展和使用,越来越多的翻译后修饰事件被陆续报道,从而不断丰富UniProt等蛋白数据库中翻译后修饰位点的注释和功能信息。虽然通过这些实验方法能够准确的检测和验证翻译后修饰事件,但在组学水平下高效准确的鉴定翻译后修饰仍是当下研究者所面临的重大挑战。因此,在这些实验数据的基础上,许多研究者已经提出了多种机器学习预测模型来识别蛋白质序列中的翻译后修饰位点。然而,对于一些重要的翻译后修饰位点,还存在已有模型的预测准确率低和不存在相关预测模型的问题。因此,为了弥补上述研究领域的不足,本人在蔡煜东导师的指导下,运用团队新开发的计算机方法来预测和识别蛋白质序列中的一些重要的修饰位点,并通过相关分析验证了预测方法的可靠性、准确性和高效性。主要工作内容包括:1、蛋白质序列中酪氨酸残基硝基化位点的预测通过使用氨基酸特征、位点特异性得分矩阵特征、氨基酸因子特征和蛋白无序区域特征,表征包括硝基化的酪氨酸残基在内的多肽片段中的残基,构建了961维的特征向量。使用最大相关最小冗余方法对特征向量中的特征进行排序;基于特征的排序列表,使用逐次特征选取法和支持向量机构建分类器。其中,最优分类器在训练集上的10倍交叉验证马修斯相关系数值为0.717;在测试集上的敏感性值为0.950。同时,我们还使用了其他叁种算法建立分类器,并和支持向量机构建的分类器的预测性能进行了比较。最后,我们对一些重要特征进行了基于文献检索的生物学分析。2、蛋白质序列中甘氨酸残基豆蔻酰化位点的预测通过使用同样的四类基于序列的特征,我们从UniProt数据库的序列中构建了预测N端甘氨酸豆蔻酰化位点的预测模型。在该方法中,我们使用了一种广泛使用的人工神经网络模型--极限学习机,通过构建叁层神经网络来识别包含豆蔻酰化位点的多肽片段。在训练集和测试集上,我们构建的最优神经网络分类器分别取得的马修斯相关系数和敏感性值分别为0.983和0.787的预测结果。同时,我们还对41个最优特征进行了生物学分析。3、蛋白质序列中赖氨酸残基丙二酿化位点的预测作为一类近几年发现的在赖氨酸残基侧链上出现的翻译后修饰反应,丙二酰化位点和琥珀酰化、丙酰化和丁丑化一起,引起了研究者的广泛关注。在我们的研究中,使用基于特征选择和随机森林算法构建的分类器模型,来识别蛋白质序列中的丙二酰化位点。通过观察逐次特征选取曲线,最优随机森林分类器通过使用排序靠前的593个特征,其F测量值达到了最大值0.356。通过对其中一些重要特征的分析,我们发现了在丙二酰化位点中周围存在的位点和残基分布的偏好性。4、硫醚抗生素多肽中硫醚键的预测作为一种细菌分泌的天然抗生素,硫醚抗生素中的羊毛硫氨酸和β甲基羊毛硫氨酸残基可以在多肽中形成环状结构,是硫醚抗生素发挥生物功能的重要结构因素。在我们的研究中,首次提出了预测硫醚抗生素中羊毛硫氨酸和β甲基羊毛硫氨酸残基的机器学习模型。通过使用四类机器学习算法,最近邻算法、Dagging算法、支持向量机和随机森林构建模型并比较其中最优分类器的马修斯相关系数值,我们发现基于随机森林算法的最优分类器在预测这两类翻译后修饰残基时,其马修斯相关系数值分别达到了 0.813和0.769。表明我们构建的最优随机森林分类器可以比较好的识别这两类翻译后修饰类型。5、识别赖氨酸残基上的乙酰化、苏素化和泛素化位点赖氨酸残基因其侧链上氨基基团的物理化学性质,在其侧链上可以发生数量众多的翻译后修饰反应。在这些翻译后修饰反应中,乙酰化、泛素化和苏素化作为赖氨酸残基侧链数量最多的前叁类修饰反应,在细胞内的多种信号通路和代谢反应中发挥着重要功能。因此,我们在获得的包含这叁类修饰位点的多肽片段上,构建了基于六类序列特征的机器学习分类器,来同时识别蛋白质序列中的这叁类翻译后修饰反应。通过10倍交叉验证,得到的最优分类器的预测总准确率达到了 0.989。最后,根据获得的最优特征,我们分析了这叁类修饰位点周围残基和位点的分布偏好性。6、信号肽序列中切割位点的识别在一些前体蛋白质序列的N端存在着称为信号肽的序列片段,该序列片段对于蛋白质序列的亚细胞定位起着决定性的作用;当前体蛋白质到达目的地以后,该信号肽序列一般从切割位点的残基处经过酶催化反应移除,释放出成熟的蛋白质分子。通过剔除包含跨膜区域的蛋白质序列,我们从UniProt数据库中得到了包含722个物种的2683条包含实验验证的信号肽的蛋白质序列来构建识别切割位点和信号肽的预测模型。通过使用合成少数类别的过抽样方法,我们将加入合成正样本来平衡数据集;这样可以使分类器构建在一个平衡数据集上,提高了分类器识别正样本的能力;通过使用Dagging和随机森林算法,我们构建的最优分类器其约登指数分别是0.871和0.736。上述结果表明,我们构建的最优分类器可以很好的识别多种真核和原核细胞中的切割切点和信号肽序列。(本文来源于《上海大学》期刊2018-04-01）
Eugene,Averin[9]（2017）在《采矿过程中磨料水射流性能通用预测方法》一文中研究指出极端采矿条件下的硬岩破碎可采用磨料水射流(AWJ)技术,这种技术能够在不产生粉尘的条件下有效切割难以机械加工的材料。这种技术还可用于爆破、本安和消防安全。就断裂力学而言,每一种可被破坏的材料均可被视为韧性或脆性材料。因此,需要找到一种无论使用AWJ对何种材料进行切割都能精确预测其效率的方法。该问题可通过能量守恒法加以解决,它显示了材料去除量与AWJ动能之间的比例。本文介绍了基于能量守恒法的预测方法,并提出如何达到最有效破坏水平的建议,以及关于涉及磨料流量与水流量、靶距和磨料颗粒粒径关系值的合理范围的建议。本文还提供了基于断裂力学的临时结构法确定材料破坏起始阈值条件的参数。(本文来源于《Engineering》期刊2017年06期）
雍宾宾[10]（2017）在《通用向量机优化理论及其在时间序列预测中的应用研究》一文中研究指出预测广泛存在于人类的生产活动中,并在很多领域起着至关重要的作用,因此得到了广泛研究。人工神经网络(ANN,Artificial Neural Network),尤其是基于反向传播算法(BP,Back Propagation)和经验风险最小化(ERM,Empirical Risk Minimization)策略的人工神经网络,是目前预测领域最重要的模型之一。由于具有较强的数据特征提取能力,神经网络被广泛应用到各种预测问题中,例如时间序列预测问题。但是,传统的神经网络模型通常容易引起过拟合问题,并且预测结果受初始权值、模型结构和随机性的影响比较严重。因此,许多学者对神经网络及其改进模型进行了大量的研究工作。其中,支持向量机(SVM,Support Vector Machine)模型引入了结构风险最小化(SRM,Structural Risk Minimization)策略,是一个有着坚实理论基础的预测模型,已经被证实在小样本数据集上具有良好的预测效果。但是,在缺少训练样本的情况下,支持向量机模型的预测性能可能会受到噪声支持向量的严重影响。通用向量机模型(GVM,General Vector Machine)是最近几年才被提出的基于统计学习理论(SLT,Statistical Learning Theory)的预测模型,可以看成是神经网络和支持向量机模型的混合体。该模型采用蒙特卡罗(MC,Monte Carlo)算法进行训练,在继承了神经网络的经验风险最小化策略和支持向量机的结构风险最小化策略的同时,引入了设计风险最小化(DRM,Design Risk Minimization)策略和先验知识理论,具有优秀的泛化学习能力。虽然通用向量机模型被证明有很多优点,但是仍然有诸多问题需要解决。这些问题包括基础理论的完善、训练速度的提升、模型的优化和应用领域的推广等。针对以上问题,本文进行了详细的研究并取得如下研究成果。(1)基础理论的完善。本文首先将通用向量机模型定位成支持向量机模型和神经网络模型的混合模型;然后定义了通用向量机模型的训练步长等概念并给出了步长公式;之后给出了通用向量机模型的具体实现流程以及伪代码等。(2)通过引入偏导数信息,本文提出了优化通用向量机训练速度的偏导数蒙特卡罗(DMC,Derivative based Monte Carlo)算法,并且对DMC算法的性能进行了理论探讨。DMC算法可以在保证原蒙特卡罗训练算法所需随机性的前提下,将通用向量机模型的训练速度提升数倍。本文分别以函数拟合和电力负荷预测为例验证了DMC算法对通用向量机模型的实际训练效果:DMC算法将模型的训练速度提高了7倍左右,并且由于引入了“漂移”特性而将模型的预测精度提高了约20%。(3)作为最新提出的预测模型,基于通用向量机模型的应用研究还很少。本文以电力负荷预测为背景,将通用向量机模型应用到时间序列预测领域。相关研究结果表明:通用向量机模型具有优秀的泛化学习能力,可以对时间序列做出更精确、更有价值地预测。在此基础上,本文将复制动力学思想和通用向量机模型相结合用于时间序列预测。(4)为了优化通用向量机模型的预测性能,本文提出将启发式智能算法(HA,Heuristic Algorithm)和通用向量机模型结合从而得出优化的通用向量机模型,并将之应用于电力负荷预测;同时,本文研究了通用向量机模型的组合优化方法,并且提出了基于蒙特卡罗算法的组合权值求解方法;(5)本文最后研究了通用向量机模型的多目标优化方法,并且给出了基于聚合函数和进化思想的多目标优化算法。为了验证以上优化算法和预测方法的有效性和实用性,本文以函数拟合和电力负荷预测为背景,研究了通用向量机及其优化理论在时间序列预测中的应用,并且完成了大量模拟实验。实验结果表明,这些优化方法可以显着提升通用向量机模型的性能和预测精度,且整体预测效果也优于传统预测模型。(本文来源于《兰州大学》期刊2017-10-01）
通用预测论文开题报告
（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：
针对屏幕与混合内容视频具有多样性的特点,在我国第二代数字音视频编解码技术标准的屏幕与混合内容视频编码(the second-generation Audio Video Coding Standard Screen and Mixed Content Coding,AVS2-SMCC)扩展版中,提出了由一般串模式、第一受限串模式和第二受限串模式叁种受限串模式组成的通用串预测算法(Universal String Prediction,USP)及其关键技术,其主要部分已经被AVS2-SMCC扩展版工作草案3.0稿采纳.叁种受限串模式统一采用偏移串、坐标串和不可预测像素串叁种串类型之一或其组合来实现.当编码单元采用USP算法进行编码时,用叁种受限串模式对其分别进行预编码,自适应采用叁种受限串模式中取得率失真值最小的受限串模式对其进行编码.实验结果表明,对于AVS2-SMCC通用测试序列中移动的文字和图形类别,提出的USP算法与国际上最新的(High Efficiency Video Coding,HEVC)标准SMCC扩展版(High Efficiency Video CodingScreen Content Coding,HEVC-SCC)相比,在编解码复杂度增加较少的情况下,对于有损全帧内配置Y分量、U分量、V分量平均BD-rate降低率分别可达23.2%、18.3%、19.4%,基于CPSNR的叁分量综合的平均BD-rate降低率为22.1%,编码效率已经大幅超过HEVC-SCC.
（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。
通用预测论文参考文献
[1].陈培华,聂诗良.预测电池放电终止时间的通用架构[J].传感器与微系统.2019
[2].赵利平,周开伦,林涛,郭靖.通用串预测算法及在AVS2屏幕与混合内容视频编码中的应用[J].计算机学报.2019
[3].赵利平,林涛,郭靖,周开伦.基于通用串预测算法的AVS2屏幕混合内容帧间编码优化[J].计算机学报.2019
[4].季玉洁,李祥,刘翠茹.基于主成分分析的煤元素分析通用预测模型研究[J].煤炭加工与综合利用.2019
[5].于思璇,王华伟.基于稀疏降噪自编码神经网络的通用航空风险预测[J].系统工程与电子技术.2019
[6].崔冬冬,葛琼璇,周志达,杨博,谭强.一种通用的基于预测控制的二极管钳位型变流器载波调制均压策略[J].电工电能新技术.2018
[7].杨美临,韩方虎.通用机场噪声影响预测评价问题及对策研究[J].环境科学与管理.2018
[8].王绍鹏.蛋白质修饰位点的通用计算机预测方法[D].上海大学.2018
[9].Eugene,Averin.采矿过程中磨料水射流性能通用预测方法[J].Engineering.2017
[10].雍宾宾.通用向量机优化理论及其在时间序列预测中的应用研究[D].兰州大学.2017