技術(shù)預(yù)測模型分析研究
【學(xué)位單位】:華北電力大學(xué)(北京)
【學(xué)位級別】:碩士
【學(xué)位年份】:2009
【中圖分類】:F224;G301
【部分圖文】:
序序號號年份份北京市專利申請授權(quán)量(件)))移動平均(n=3)))1111119988838000000222221999995829999933333200000590555554444420011162466651788855555200222634555599333666662003338248886165557777720044490055569466688888200555101000078666699999200666112388891188811100020077714954441011444根據(jù)表4一3繪制移動平均趨勢曲線圖。
誤差訓(xùn)練次數(shù)/105圖4一2誤差隨訓(xùn)練次數(shù)變化趨勢圖圖4一3神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果如圖4一3所示,用神經(jīng)網(wǎng)絡(luò)預(yù)測法預(yù)測北京市2007年專利申請授權(quán)量為17292件。實際北京市2007年專利申請授權(quán)量為 14954件,誤差為2338件。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測,網(wǎng)絡(luò)模型的建立是以大量樣本資料為基礎(chǔ)的。網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練過程實際上就是存儲樣本所包含的信息,存儲的信息越多,識別、判斷越好。當(dāng)樣本資料較少或代表性較差時,網(wǎng)絡(luò)的判斷能力差,預(yù)測效果便會降低。在本例中,數(shù)據(jù),即樣本資料非常少,因此神經(jīng)網(wǎng)絡(luò)模型擬合效果不夠理想,預(yù)測結(jié)果偏離了實際。
圖5一1各地區(qū)1998年一2006年人員投入依據(jù)1998年到2006年的R&D統(tǒng)計數(shù)據(jù),部分省市R&D人員投入情況見圖5一1。圖5一1中,X軸代表年份,Y軸為R&D人員投入比值,人員投入比值表示各省試驗發(fā)展的R&D人員折合全時當(dāng)量與其均值之比值,Z軸代表北京、河北、黑龍江、浙江、山東、廣東、四川、貴州、陜西、新疆十個省市地區(qū)。圖5一1中的各條線表示各省市1998年到2006年R&D人員投入情況數(shù)據(jù)按個體連線。由圖5一1可以直觀地看出,北京地區(qū)的各年度人員投入比值都遠(yuǎn)遠(yuǎn)超出其他地區(qū),并且隨著時間的推移有下降的趨勢。 5.1.2北京市R&O經(jīng)費投入與其他省市的比較圖5一2各地區(qū)1998年一2006年經(jīng)費投入
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 J.G.Wissema;丁鴻富;虞富洋;;技術(shù)預(yù)測的前景[J];世界科學(xué);1982年11期
2 張云昌;;美國定性預(yù)測應(yīng)用考察[J];預(yù)測;1986年01期
3 楊省貴;;技術(shù)預(yù)測分析與技術(shù)戰(zhàn)略管理[J];科技管理研究;2008年02期
4 李補(bǔ)蓮;10項重點發(fā)展技術(shù)預(yù)測[J];國防技術(shù)基礎(chǔ);2004年03期
5 孟曉華,崔志明;高新技術(shù)及其產(chǎn)業(yè)技術(shù)預(yù)測研究——第一輪“德爾菲”調(diào)查[J];科學(xué)管理研究;2004年05期
6 鄭士貴;論專利文獻(xiàn)計量對技術(shù)預(yù)測的影響[J];管理科學(xué)文摘;1998年09期
7 朱興龍;;黑龍江省技術(shù)預(yù)見的必要性與可行性分析[J];黑龍江對外經(jīng)貿(mào);2006年06期
8 蔣沁;;技術(shù)預(yù)測中參數(shù)的選擇[J];預(yù)測;1987年01期
9 肖利;技術(shù)預(yù)測計劃對英國科學(xué)技術(shù)發(fā)展的作用[J];科學(xué)學(xué)研究;1998年03期
10 馬慶國;;論預(yù)測的標(biāo)準(zhǔn)[J];預(yù)測;1987年02期
相關(guān)會議論文 前10條
1 蔡e
本文編號:2826755
本文鏈接:http://sikaile.net/guanlilunwen/keyanlw/2826755.html