- Years
- 2024（1）
- 2022（1）
- 2014（1）
- 2012（1）
- 2008（1）
- 2005（1）
- 2003（1）
- More...
- Indexed by
- 中国科技论文与引文数据库(CSTPCD)（5）
- 北京大学中文核心期刊目录(北大核心)（5）
- 中国科学引文数据库(CSCD)（4）
- 中文社会科学引文索引(CSSCI)（1）
- More...
- Journals
- 中国石油大学学报（自然科学版）（1）
- 中国舰船研究（1）
- 水力发电（1）
- 电子科技大学学报（1）
- 系统工程理论方法应用（1）
- 系统管理学报（1）
- 计算机工程与应用（1）
- More...
- Affiliations
- 四川大学（1）
- Languages
- 汉语（7）
- Keywords
- 数据分组处理方法（7）
- 自组织数据挖掘（2）
- 上证指数（1）
- 人工水母搜索算法（1）
- 仿真测试（1）
- 健康指标（1）
- 制丝工艺（1）
- 卷烟（1）
- 工艺参数（1）
- 数据自组织挖掘（1）
- More...
- Authors
- 俞海（2）
- 何继锐（1）
- 何跃（1）
- 刘庆伟（1）
- 唐云岚（1）
- 孙广西（1）
- 崔东文（1）
- 张子威（1）
- 张来斌（1）
- 曹辉（1）
- More...
Relevance
- Email: napstic@istic.ac.cn
- Publication time
10 per page
- 10 per page
- 20 per page
- 30 items are displayed on each page
7 Articles
- 基于自组织算法的股市预测北大核心CSCD
- 基于GMDH的卷烟工艺参数-指标关系模型研究北大核心CSCDCSTPCD
- AC算法的EMD分解GMDH组合的预测模型及应用CSSCICSTPCD
- 自组织模式识别与经济预测北大核心CSCDCSTPCD
- 基于数据自组织挖掘的机械设备状态退化预警方法北大核心CSCDCSTPCDAbstract：在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法.采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型.案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中.结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1％.新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警…More>>
- 基于小波包分解的AJS-GMDH月径流时间序列预测研究
- 基于GA-GMDH算法的离心泵退化识别北大核心CSTPCD