42、迈向数据仓库支持的政策制定

迈向数据仓库支持的政策制定

1. 信息引出

在政策制定过程中,信息引出是关键的一步。首先介绍需求引出工具的整体架构,之后探讨关键成功因素信息(CSF Information)和目标信息(Ends Information)引出这两种技术。

1.1 工具架构

所有政策都由政策层次生成器(Policy Hierarchy Maker)处理,并存储在政策库(Policy Base)中。政策层次生成器构建政策层次结构,并将其与制定政策的组织名称、组织所属领域以及政策类型关联后,以文本格式存储在政策库中。

政策库的组织基于政策类型和领域这两个维度的二维分类。政策类型维度将政策分为输入、输出、过程和结果四类。输入政策关注基础设施、材料等输入;输出政策处理输出的数量和性质;过程政策提供处理过程的属性;结果政策规定输出对组织的影响。领域维度则从医学、生命科学、工程等不同领域看待政策。

在开始新的政策制定会话之前,需求工程师必须输入政策制定的领域和组织名称。工具获取这些信息后,可访问政策库中特定领域的政策。需求工程师可以通过以下三种方式检索政策:
- 按领域检索 :检索该领域的所有政策。
- 按政策类型检索 :检索特定领域的输入、输出、过程和结果类型的政策。
- 按个别政策检索 :根据政策中的特定术语检索政策,例如搜索包含“面积”一词的所有政策信息。

1.2 引出技术

信息引出由特定模型驱动,重点是为政策的每个节点引出简单信息、聚合信息、类别、历史等。以下通过一个示例政策

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值