导读:本文包含了智能决策支持系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:人工智能,支持系统,维度,智能,肿瘤,地质,轨道。
智能决策支持系统论文文献综述
李惠钰[1]（2019）在《精准辅助治疗局部晚期鼻咽癌患者》一文中研究指出鼻咽癌，一种生长在鼻咽部的恶性肿瘤，是我国华南地区的高发癌种之一，发病率超过全球的一半，医学界又称其为“广东癌”。在我国，新确诊的70%鼻咽癌患者都已经属于局部晚期。对于局部晚期鼻咽癌患者，美国NCCN指南推荐进行同期放化疗（CCRT），或者在C(本文来源于《中国科学报》期刊2019-11-25）
詹金武,李涛,李超[2]（2019）在《基于人工智能的TBM选型适应性评价决策支持系统》一文中研究指出随着我国西部的大开发和"一带一路"的建设,迫切需要大力发展交通、矿山、水利等重大"生命线"工程,而深埋长大隧道往往是这些生命线工程的关键控制性工程。限于地质、地形和自然环境条件,从施工工期、造价和技术进步3个方面考虑,TBM(Tunnel Boring Machine)工法是深长隧道开挖的优先选择。深长隧道TBM的适应性受到众多因素的影响,难以进行有效和定量的评价。主要影响因素为不良地质,如突涌水、软岩大变形、断层破碎带、岩爆等;此外,隧道的设计、隧址地质条件等对TBM的选型也有重要影响。人工智能方法具有能够分析复杂因素影响和处理复杂问题的突出特点,可用于TBM选型适应性的有效评价。首先,基于层次分析法和模糊综合评判方法,通过TBM选型评价知识的获取,选取能够充分反映不同机型地质适应性差异、具有代表性和区分度高的7个评价指标,构建了TBM选型适应性评价指标体系及模糊综合评价模型,确定了各个评价指标的模糊隶属函数。其次,通过编写权重辅助计算程序,确定了3种TBM机型选型适应性评价指标的权重;其中,为了避免单指标决策的局限性和主观臆断的缺陷,采用智能设计理论和决策理论相结合的方法,完成了多指标智能决策的定量化选型。将评价模型与知识获取相结合,以规则的形式表示知识,构建了TBM选型适应性评价知识库。最后,基于智能评价决策支持系统平台IDSDP,开发了TBM选型适应性智能评价决策支持系统,为深长隧道TBM选型提供了一种新的量化评价方法。利用该系统对高黎贡山铁路隧道TBM的选型进行了适应性评价,评价结果与实际情况相吻合。(本文来源于《煤炭学报》期刊2019年10期）
从雨璐[3]（2019）在《基于电力变压器全维度智能决策支持系统研究》一文中研究指出随着改革开放的不断深入,我国经济发展与国民生活水平都在稳步提高,这也是我国供发电企业及电网规模不断扩大的强大动力。电力变压器在供发电过程中扮演着电压转换与电力传输的角色,在实际运行中,其可靠性直接决定整个发电厂及电网的运行稳定性能,因而不难看出电力变压器在电网组成中的重要作用。因此,通过加强变压器在工作中的安全性能,可以很大程度上提高工业生产与居民生活用电的稳定性。笔者对变压器全维度智能决策系统做出简单分析,以期在实际生产运行中起到积极功效[1]。(本文来源于《电声技术》期刊2019年09期）
罗红波,李俊桥,李雨成[4]（2019）在《矿井通风智能决策支持系统研究》一文中研究指出为构建合理通风系统,降低事故发生的可能性,基于AutoCAD二次开发研发了通风智能决策支持系统,以基于节点压能的网络分风算法及风量反演风阻算法为核心,论述了算法的先进性及可行性,给出了算法原理。软件的主要功能模块包括拓扑分析模块、数据检查模块、网络解算模块、数据分析模块、掘进通风模块,能够满足技术人员对通风系统模拟及优化的需求,能够为通风问题的解决提供技术支持。(本文来源于《现代矿业》期刊2019年07期）
张珂斐,郭江,陈红坤[5]（2019）在《基于全维度的电力变压器智能决策支持系统研究》一文中研究指出在对现有变压器信息系统的研究分析基础上,提出了变压器全维度决策体系,实现了变压器多源异构数据的接入、整合和高级分析的功能,涉及变压器的状态评价、故障诊断、风险评估、寿命预测和检修决策分析模块,能够为变压器全寿期内工作开展提供必要的理论指导,并通过分布式物理架构和智能代理技术对系统进行了设计与实现,构建了变压器全维度智能决策支持系统。通过实例验证表明,该系统的模型分析结果与现场实际相符,分析结果具有合理性和准确性,具备辅助用户进行检修决策的能力,是变压器状态检修工作开展的有力支撑。(本文来源于《电测与仪表》期刊2019年13期）
董天悦[6]（2019）在《智能订单决策支持系统研究》一文中研究指出制造企业的智能订单决策支持系统是实现智能制造不可或缺的组成部分,它的发展与推广对提高企业决策效率、减少决策成本与减少错误决策等方面有着重要意义。智能订单决策支持系统是企业解决由人们个性化需求所导致面向订单生产(MTO)模式下订单接受问题唯一途径。尽管订单决策支持系统经过多年的发展,但其仍然存在效率低下与无法很好的适应较多数据量的情况的问题,其决策效率仍然有着提升空间。本文采用网络爬虫技术、LSTM技术、案例推理技术(CBR)、BP神经网络技术构建了智能订单决策支持系统,主要工作如下:(1)基于CBR-BP估测模型构建。在当前数据及历史数据构建的订单成本及其价格估测属性模型、Scrapy数据抓取模型的基础上,联合CBR技术与BP神经网络技术,构建了基于CBR-BP订单成本及其价格估测模型,并对其进行了实例验证分析,充分验证估测模型的可行性,且估测误差在5%以内。(2)基于LSTM估测模型构建。基于订单成本及其价格估测属性模型、Scrapy数据抓取模型,构建了基于LSTM订单成本及其价格估测模型,且进行了实例验证分析,证明了此估测模型的可行性,及在较大数据量的前提下具有较高的效率,估测误差在3%以内。(3)基于网络爬虫Scrapy模型构建。在网络爬虫技术设计基础上,构建了基于Scrapy的网页爬取与数据存储模型,爬取订单中原材料价格数据及计算生产者物价指数(PPI)所需的数据,通过PPI修正由时间变化带来的价格波动。(4)订单成本及其价格未来趋势预测模型构建。采用二次指数平滑预测法,根据LSTM估测模型,构建了订单成本及其价格未来趋势预测模型。(5)智能订单决策支持系统实现。采用估测效果更好的LSTM估测模型构建决策支持系统,利用Matlab App Designer实现了对智能订单决策支持系统的主要界面搭建及对网络爬虫、LSTM估测模型的集成显示界面,完成了数据库、方法库、模型库管理功能界面的搭建,通过调用深度学习算法(LSTM)实现了企业对新到来的订单是否接收的决策功能。(本文来源于《西安理工大学》期刊2019-06-30）
徐婧,刘伊生,李欣桐[7]（2019）在《基于大数据的重大工程智能群体决策支持系统研究》一文中研究指出随着工程建设行业的规模化及国际化发展趋势,重大工程逐渐成为国家发展的重要标志.重大工程的复杂性往往导致决策不确定性并引发管理中的诸多难题.为高效解决重大工程决策主体多元化所带来的信息不对称、决策方案冲突等问题,将智能决策方法融入重大工程群体决策过程中,构建了基于大数据的重大工程智能群体决策支持系统(BD-IGDSS),并通过将BD-IGDSS应用于中泰铁路工程及港珠澳大桥工程,分析该系统在重大工程决策管理中的优势.(本文来源于《河南科学》期刊2019年06期）
詹金武[8]（2019）在《基于人工智能的TBM选型及掘进适应性评价方法与决策支持系统》一文中研究指出限于环境、地形和地质条件,从工期、造价和技术进步叁个方面考虑,TBM(Tunnel Boring Machine)工法是深埋长大隧道施工的首要选择。在复杂地质条件下,突涌水、软岩大变形、断层破碎带、岩爆等不良地质会影响TBM工法的适用性,因此TBM工法能否适用需要对TBM的适应性进行评价。由于目前TBM的选型及掘进适应性评价还缺乏系统理论和量化分析方法,因此开展复杂地质条件下TBM选型及掘进适应性评价研究,已成为TBM工法应用中亟待解决的重大课题。本文在国内外相关研究的基础上,综合采用模糊数学、数理统计、人工智能、计算机编程等方法对复杂地质条件下TBM的选型及掘进适应性评价开展系统和深入的研究,主要工作和研究成果如下:(1)基于模糊数学理论,给出了 TBM系统适应度(含综合适应度)的定义和确定方法,建议了TBM适应性评价的分级标准;将模糊数学理论和智能决策设计理论相结合,提出了基于模糊多智能体与案例推理的TBM选型及掘进适应性评价分析方法;将基于模糊多智能体和案例推理的TBM选型及掘进适应性评价方法相结合,构建了基于人工智能的TBM选型及掘进适应性评价决策支持系统IEDSS-TBMSAT(Integrated evaluation decision support system-TBM selection and tunneling)的体系框架及结构。(2)选取了影响TBM选型及掘进适应性的主要因素,基于模糊数学分析方法,构建了TBM选型及掘进适应性评价指标及体系,确定了各个评价指标的隶属函数。采用所编写的权重辅助计算程序,确定了叁种TBM机型选型及掘进适应性评价指标的权重。基于所获取的TBM选型及掘进知识,构建了TBM适应性评价的决策知识库和评价指标知识推理树。(3)基于案例推理CBR(Case-Based Reasoning)方法,提出了IEDSS-TBMSAT中案例推理模块(CBR模块)的结构、功能设计及评价决策流程,开发了相应的分析与计算程序。(4)根据TBM适应性评价的功能需求和评价决策的目标要求,确定了IEDSS-TBMSAT的总体构架及各组成模块的功能,设计了 IEDSS-TBMSAT的评价决策流程、决策支持系统模型及相关的知识库、数据库和案例库,采用Java语言编程开发了IEDSS-TBMSAT。(5)采用实际TBM工程案例对本文开发的IEDSS-TBMSAT进行了验证,所推荐的TBM机型合理、掘进适应性评价结果与工程实际相符,表明了IEDSS-TBMSAT的可行性和有效性。另外,适应性评价目标案例与源案例的评价结果与相似度呈正相关关系,说明IEDSS-TBMSAT具备了初步的自学习能力。综上所述,IEDSS-TBMSAT可用于复杂地质条件下TBM的选型及掘进适应性的量化评价,具有较好的工程实用价值。(本文来源于《北京交通大学》期刊2019-06-02）
张奇[9]（2019）在《基于专家系统的铁路轨道维修智能决策支持系统研究》一文中研究指出铁路是近年来中国经济得以快速发展的大动脉。铁路轨道是铁路线路的重要组成部分。伴随着我国铁路路网规模的不断扩大,铁路行车的高速化和重载化,铁路运输对铁路轨道的稳定性状态提出了更高的要求。铁路轨道的组成结构复杂,轨道状态影响因素及病害种类都具有多样性特点。工务部门缺乏对轨道状态准确判断的工具,维修方式粗放,信息化水平低,致使工务维修过程中容易产生“过度修”和“欠维修”。因此,研究铁路轨道维修决策支持问题,为工务部门提供高效的铁路轨道维修决策支持工具是非常必要的。本文针对有砟轨道,研究构建基于专家系统的铁路轨道维修智能决策支持系统,实现对铁路轨道维修的辅助决策支持。主要研究工作如下:(1)完成了铁路轨道维修智能决策支持系统的需求分析。包括业务需求分析、功能需求分析和数据需求分析。(2)研究了铁路轨道维修智能决策支持系统的知识库设计方案。将获取的轨道维修知识从空间维和设备维进行整理,归纳了轨道网格或各设备部件的状态评定项目及相关参数。采用“框架+产生式”表示方法对轨道维修知识进行表示,并基于CLIPS规范进行编码实现。最后研究建立了系统知识库的组成结构。(3)研究了铁路轨道维修智能决策支持系统的推理机实现方案。首先采用了基于权值、阈值和可信度的规则表示方法来对铁路轨道维修规则进行表示。其次采用了不确定性推理算法进行系统推理机的推理算法设计,用以支持系统的推理计算。最后研究了系统推理机的控制策略,主要包括推理方式,冲突消解策略等。(4)完成了铁路轨道维修智能决策支持系统的原型系统设计、实现及系统验证。完成了原型系统的设计与实现,包括原型系统的总体设计、详细功能设计、数据库设计以及系统的开发实现,并采用兰州铁路局的工务安全生产数据进行了系统验证。(本文来源于《北京交通大学》期刊2019-06-01）
张庆华[10]（2019）在《财务决策支持系统中人工智能的应用》一文中研究指出信息技术不断升级,企业如果依然采用传统的财务决策方式,就很难提升自身的竞争力。本文的研究中,基于新技术发展中财务决策的特征,分析传统财务决策支持不适应企业智能化发展需要,提出人工智能应用将提高财务决策精准度、自动化程度以及及时性。企业财务决策支持系统应用人工智能技术,财务决策水平得以提高。本文针对财务决策支持系统中人工智能的应用展开研究。(本文来源于《全国流通经济》期刊2019年08期）
智能决策支持系统论文开题报告
（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：
随着我国西部的大开发和"一带一路"的建设,迫切需要大力发展交通、矿山、水利等重大"生命线"工程,而深埋长大隧道往往是这些生命线工程的关键控制性工程。限于地质、地形和自然环境条件,从施工工期、造价和技术进步3个方面考虑,TBM(Tunnel Boring Machine)工法是深长隧道开挖的优先选择。深长隧道TBM的适应性受到众多因素的影响,难以进行有效和定量的评价。主要影响因素为不良地质,如突涌水、软岩大变形、断层破碎带、岩爆等;此外,隧道的设计、隧址地质条件等对TBM的选型也有重要影响。人工智能方法具有能够分析复杂因素影响和处理复杂问题的突出特点,可用于TBM选型适应性的有效评价。首先,基于层次分析法和模糊综合评判方法,通过TBM选型评价知识的获取,选取能够充分反映不同机型地质适应性差异、具有代表性和区分度高的7个评价指标,构建了TBM选型适应性评价指标体系及模糊综合评价模型,确定了各个评价指标的模糊隶属函数。其次,通过编写权重辅助计算程序,确定了3种TBM机型选型适应性评价指标的权重;其中,为了避免单指标决策的局限性和主观臆断的缺陷,采用智能设计理论和决策理论相结合的方法,完成了多指标智能决策的定量化选型。将评价模型与知识获取相结合,以规则的形式表示知识,构建了TBM选型适应性评价知识库。最后,基于智能评价决策支持系统平台IDSDP,开发了TBM选型适应性智能评价决策支持系统,为深长隧道TBM选型提供了一种新的量化评价方法。利用该系统对高黎贡山铁路隧道TBM的选型进行了适应性评价,评价结果与实际情况相吻合。
（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。
智能决策支持系统论文参考文献
[1].李惠钰.精准辅助治疗局部晚期鼻咽癌患者[N].中国科学报.2019
[2].詹金武,李涛,李超.基于人工智能的TBM选型适应性评价决策支持系统[J].煤炭学报.2019
[3].从雨璐.基于电力变压器全维度智能决策支持系统研究[J].电声技术.2019
[4].罗红波,李俊桥,李雨成.矿井通风智能决策支持系统研究[J].现代矿业.2019
[5].张珂斐,郭江,陈红坤.基于全维度的电力变压器智能决策支持系统研究[J].电测与仪表.2019
[6].董天悦.智能订单决策支持系统研究[D].西安理工大学.2019
[7].徐婧,刘伊生,李欣桐.基于大数据的重大工程智能群体决策支持系统研究[J].河南科学.2019
[8].詹金武.基于人工智能的TBM选型及掘进适应性评价方法与决策支持系统[D].北京交通大学.2019
[9].张奇.基于专家系统的铁路轨道维修智能决策支持系统研究[D].北京交通大学.2019
[10].张庆华.财务决策支持系统中人工智能的应用[J].全国流通经济.2019
论文知识图
