文中以隐式广义预测控制[1]的原理为基础，建立了以受控自回归积分滑动平均模型（即CARIMA）为基础的LNG气化储备站出口压力控制的隐式广义预测控制。
利用MATLAB对此控制系统进行了仿真，同时介绍了常规PID控制，也对常规PID控制系统进行了仿真，由仿真结果可以看出隐式广义预测控制比PID控制具有响应时间短，控制精度高等优点并能取得良好的可行性、鲁棒性、优越性。
利用MATLAB对此控制系统进行了仿真，同时介绍了常规PID控制，也对常规PID控制系统进行了仿真，由仿真结果可以看出隐式广义预测控制比PID控制具有响应时间短，控制精度高等优点并能取得良好的可行性、鲁棒性、优越性。
2024/3/12 18:04:08
748KB
1
前向回归法，求解特征选择matlab源程序。
本来是lasso模型用lars算法求解的，lars写不出来，只能用前向回归替代
本来是lasso模型用lars算法求解的，lars写不出来，只能用前向回归替代
2024/3/8 7:48:30
1KB
1
针对神经网络算法在当前PM2．5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题，引入RFR（randomforestregression，随机森林回归）算法，分析气象条件、大气污染物浓度和季节所包含的22项特征因素，通过调整参数的最优组合，设计出一种新的PM2．5浓度预测模型——RFRP模型。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。
2024/3/5 9:44:07
1.18MB
1
InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（多元回归法）RadialBasisFunction（径向基函数法）TriangulationwithLinearInterpolation（线性插值三角网法）MovingAverage（移动平均法）LocalPolynomial（局部多项式法）"＞InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（?[更多]
2024/3/3 17:18:33
30KB
1
该代码包包括各种数学建模资源，其中有线性规划、整数规划、动态规划。
还包括方差分析，回归分析、插值与拟合、差分方程、时间序列以及层次分析法等等代码
还包括方差分析，回归分析、插值与拟合、差分方程、时间序列以及层次分析法等等代码
2024/2/28 20:04:53
2.1MB
1
多元线性回归模型在社会、经济、技术以及众多自然科学研究领域中巳被广泛使用,某个地区需水量应与该地区多种因素有关故选取浙江省地区的GDP、水库蓄水总量、人均可支配收入、城市绿地面积和工业用水量等5个因素,借助MATLAB软件阐明了多元线性回归模型在东北地区需水量分析中的应用.并通过皮尔森相关性检验、拟合优度检验、F检验、t检验和残差分析的方法对模型进行优化,得到了准确可靠的多元线性回归模型,此楔型具有拟合程度高、简易、直观等优势,为多元线性回归模型在需水量分析中的应用提供了有力参考
2024/2/24 6:48:46
1.44MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB