第一篇：預答辯總結

碩士預答辯總結

通過三年的學習，師兄今天在XXXXXXX進行了碩士畢業(yè)預答辯。我雖然是研一，但有幸以一名答辯老師的身份參與了師兄的預答辯。此次預答辯整體分為以下幾個部分。首先是師兄對自己的課題進行答辯，接著參與答辯的老師進行提問，然后是答辯的學生對老師的提問進行一一解答。通過參與這次預答辯，我受益匪淺，學到了很多寶貴的經驗，為我以后的答辯取起到了很大的作用。

首先是答辯注意事項上：

1．帶上自己的論文、資料和筆記本。2．注意開場白、結語的禮儀。

3．坦然鎮(zhèn)定，聲音要大而準確，使在場的所有人都能聽到。

4．聽取答辯小組成員的提問，精神要高度集中，同時，將提問的問題——記在本上。

5．對提出的問題，要在短時間內迅速做出反應，以自信而流暢的語言，肯定的語氣，不慌不忙地—一回答每個問題。

6．對提出的疑問，要審慎地回答，對有把握的疑問要回答或辯解、申明理由；對拿不準的問題，可不進行辯解，而實事求是地回答，態(tài)度要謙虛。

7．回答問題要注意的幾點：

（1）正確、準確。正面回答問題，不轉換論題，更不要答非所問。（2）重點突出。抓住主題、要領，抓住關鍵詞語，言簡意賅。（3）清晰明白。開門見山，直接入題，不繞圈子。

（4）有答有辯。有堅持真理、修正錯誤的勇氣。既敢于闡發(fā)自己獨到的新觀點、真知灼見，維護自己正確觀點，反駁錯誤觀點，又敢于承認自己的不足，修正失誤。

（5）辯才技巧。講普通話，用詞準確，講究邏輯，吐詞清楚，聲音洪亮，抑揚頓挫，助以手勢說明問題；力求深刻生動；對答如流，說服力、感染力強，給教師和聽眾留下良好的印象。

接著是答辯的準備工作： 1．為什么選擇這個課題（或題目），研究、寫作它有什么學術價值或現實意義。

2．說明這個課題的歷史和現狀，即前人做過哪些研究，取得哪些成果，有哪些問題沒有解決，自己有什么新的看法，提出并解決了哪些問題。

3．文章的基本觀點和立論的基本依據。

4．學術界和社會上對某些問題的具體爭論，自己的傾向性觀點。

5．重要引文的具體出處。

6．本應涉及或解決但因力不從心而未接觸的問題；因認為與本文中心關系不大而未寫入的新見解。

7．本文提出的見解的可行性。

8．定稿交出后，自己重讀審查新發(fā)現的缺陷。

9．寫作畢業(yè)論文（作業(yè)）的體會。

10．本文的優(yōu)缺點。

總之，要作好口頭表述的準備。不是宣讀論文，也不是宣讀寫作提綱和朗讀內容提要。

內容的組織和講解：

1.PPT主要內容不需照著念，略一停留就可進入背景介紹。背景介紹盡量簡練，2-3頁為宜，但信息量要足，目的是給出研究背景（對應選題意義）、現狀，總結當前工作的不足，從而引出自己的工作。

2.全文工作思路，1-2頁。理清邏輯，讓觀眾到此明白問題輪廓和自己的工作全貌。

3.講解自己的詳細工作要突出思路和重點，不一定在語言表達上涉及太多細節(jié)，比如，用過多公式講解他人的工作步驟應避免，屬于自己的工作要在視覺和語言上進行標注和區(qū)別。實驗結果的表示要精煉，讓人容易理解；對比試驗要公平，有說服力，對比對象要新，要有對比意義，從而體現自己的工作價值（這是研究方法和論文寫作階段都有的問題，但是答辯時常被質問）。講解包含可能的額外演示。4.最后一定要有總結，突出個人工作和結果；展望和工作的不足之處不宜多，淡化處理。致謝可以寫，但要簡練，并且不要照著讀，一句話即可，如：“最后，感謝所有關心和幫助過我的每一個人，感謝各位專家和評委老師”。

5.接著聽取提問時，將問題要點記在本子上，可以對幾個問題進行統(tǒng)一回答。遇到不會的問題，第一不要沉默，第二要盡量打擦邊球進行回答。

非常感謝XXX老師能夠給我提供參與師兄預答辯的機會。通過參與此次預答辯，不僅在我以后的答辯過程中起到很好的作用，在我以后人生道路上也會起到很大的幫助。

第二篇：預答辯演講稿

1.各位老師，上午好！

2.我的論文題目是??，主要分以下幾個方面介紹。

3.我國早期風電開發(fā)主要集中在東北、西北、華北等高風速風資源區(qū)，由于這些地區(qū)用電負荷較小、遠離負荷中心，導致嚴重的棄風限電現象。由于低風速區(qū)占地面積更廣，且主要分布在東部及南部等負荷中心區(qū)域，因而，發(fā)展低風速風電對解決風電消納問題、實現風電產業(yè)可持續(xù)發(fā)展具有重要意義。

4.對于一臺給定的風力機，其風能捕獲效率會隨風速與風輪轉速之間的比值、即葉尖速比的變化而變化。只有當風力機運行在最優(yōu)葉尖速比時，風力機才以最大風能利用系數捕獲風能。這是風力機最大功率點跟蹤的基本原理。也是控制目標。

5.但是，由于風輪轉動慣量的存在，風輪轉速難以實時跟蹤風速的變換，導致風力機常運行在跟蹤最優(yōu)葉尖速比的過程中、而非最優(yōu)葉尖速比處。這意味著風力機常常以較低的風能利用系數來捕獲風能，導致跟蹤損失。

6.而且，這一跟蹤損失問題在低風速風力機上會更加嚴重。低風速區(qū)風速幅值小、湍流大、波動快的特性以及由低風速導致的風力機尺寸大幅增加，進一步加劇了風速快波動性與風力機慢動態(tài)特性之間的固有矛盾，從而給風力機的跟蹤控制及風能捕獲帶來嚴峻的挑戰(zhàn)。7.傳統(tǒng)的風力機設計大多遵循著本體（氣動外形和支撐結構）設計在前、控制器設計在后的分離、順序設計流程。其中，氣動設計重點關注風力機在?opt處的氣動效率提升；結構設計在保證風力機結構滿足強度、剛度和穩(wěn)定性要求的前提下，降低制造成本；控制器設計則關注最大功率點跟蹤的實現，使風力機保持運行在?opt。依照這樣一種分離設計的思想，前面提到的低風速風力機因跟蹤不上風速、無法保持運行在?opt而導致的跟蹤損失問題，應主要由MPPT控制器的設計優(yōu)化來解決。

8.但是，優(yōu)化控制器以解決低風速風力機跟蹤不上風速的潛力發(fā)掘基本飽和。這主要是因為：（1）僅控制器改進這一單方面的努力，不能充分發(fā)掘緩解風速快速波動與風力機慢動態(tài)特性固有矛盾的潛力，所能獲得的閉環(huán)性能提升有限。僅控制改進所能獲得的效率提升平均在1%左右。（2）由于發(fā)電機這一風速跟蹤控制的執(zhí)行機構的額定功率、額定轉矩和風力機載荷的共同約束，過于激進的風速跟蹤控制會增大風力機的疲勞載荷、降低運行壽命。這也限制了通過控制改進所能提升的效率的幅度。（3）正是意識到風力機慢動態(tài)特性與風速快速波動之間的固有矛盾，部分文獻采取犧牲局部效率換取整體性能的思路，而這也體現出僅控制器優(yōu)化已很難大幅提高MPPT性能。

9.依照氣動與控制分離設計的思想，除了主要通過控制器的優(yōu)化改進外，還可通過氣動設計優(yōu)化來提升風能捕獲效率。但是，沿用傳統(tǒng)氣動設計目標有可能進一步加劇低風速風機的跟蹤損失。這是因為，由于氣動與控制的分離設計，氣動設計師在氣動設計過程中往往隱含假設MPPT控制可以保證風力機始終運行于?opt，進而以?opt處的氣動性能最佳為設計目標。這種僅追求單一工況點氣動性能提升的優(yōu)化方法，會導致優(yōu)化葉片對應的CP-λ曲線頂端較陡。由于低風速風力機所處的運行風況特點及自身結構特性導致其更長時間運行在非最優(yōu)葉尖速比，尖而窄的CP-λ曲線將進一步加劇其跟蹤損失、大幅降低風能捕獲效率。已經有氣動設計開始考慮風力機的轉速控制性能。例如，針對定速風力機，以不同風速下風力機輸出功率的加權和為目標函數的氣動設計方法；針對風力機翼型，以多個攻角下翼型升阻比的加權和為目標函數的多攻角設計方法。本質上，風力機氣動設計將目標函數從傳統(tǒng)的單一工況轉變到多工況氣動性能的做法，本身已經隱含了氣動設計對控制動態(tài)的考慮。

10.可見，沿用分離設計思想在許多方面不利于進一步解決低風速風力機的跟蹤損失問題。由于風力機的某些本體參數能夠影響控制性能，而且受到考慮風力機控制的氣動設計的啟發(fā)，利用風力機本體參數與MPPT控制之間的協(xié)同效應，開展風力機本體參數與跟蹤控制的一體化設計，應是進一步有效提升低風速風力機風能捕獲效率的一條可行途徑。

11.但是，在一體化設計過程中，風力機本體參數的調整必須滿足所在學科領域的工程要求，且在實際的設計/制造標準中的可調自由度不大。同時，多考慮一個本體參數，將增加一體化設計中優(yōu)化分析與計算的復雜度。如果將所有本體參數都與控制器進行一體化設計。即使這樣的一體化設計在理論上是可行的，但僅為效率提升而全面改動風力機本體設計的代價也是難以接受的。因此，尋找敏感影響風速跟蹤控制性能的本體參數不僅十分必要，而且使得基于敏感本體參數的一體化設計更具潛力和工程意義。這里的敏感本體參數是指那些經過小幅調整就可以換取閉環(huán)性能明顯提升的參數。

12.下面就風力機一體化設計方面的研究進展，從以下四個方面展開敘述。

13.首先，已經有研究指出平緩的CP-λ曲線更有利于風力機實現MPPT；頂端較陡的CP-λ曲線會加劇跟蹤損失問題，甚至導致風輪失去跟蹤能力，從而嚴重影響風力機的效率。另外，大量研究表明，風力機結構參數——風輪轉動慣量的提升不利于風力機的MPPT控制。這些氣動、結構參數對MPPT控制性能的影響也表明了風力機一體化設計的必要性。14.涵蓋控制的風力機一體化設計還很少見，現有做法主要是通過構建同時包含氣動、結構、具體控制器參數的優(yōu)化模型，將一般處于設計末尾的控制器設計提升至與氣動、結構設計等同對待，進而依賴優(yōu)化算法實現各子系統(tǒng)之間的協(xié)調配合。

15.還有一種考慮控制性能的風力機本體設計。與參數聯(lián)合優(yōu)化不同，它們以從控制視角對本體設計提出具體要求的方式參與風力機本體設計。以風力機多工況氣動設計為例，MPPT控制性能的提升希望平緩的CP-λ曲線，那么在氣動設計過程中主動將目標函數修改為多個工況點的平均氣動性能。這樣，在延續(xù)了經典的“先對象設計、再控制設計”分離設計原則的同時可進一步提升系統(tǒng)的閉環(huán)性能，因此，其本質仍是一體化設計。而且，這種一體化設計方式因為不依賴于具體控制策略而使得設計結果更具一般性。

16.總結現有的風力機一體化設計，發(fā)現當前的風力機一體化設計，大多是將氣動、結構與控制多學科模型構架在一起，依靠智能算法進行本體參數與控制器參數的聯(lián)合數值尋優(yōu)。許多聯(lián)合優(yōu)化的機理問題，如哪些本體參數會影響控制性能、本體參數改變控制性能的機理、有利于控制性能提高的風力機本體參數的調節(jié)機制等尚待深入探討。正是由于聯(lián)合優(yōu)化的機理不明確，導致當前的風力機一體化設計在本體參數選擇過程中存在一些問題，例如，可能選擇對閉環(huán)系統(tǒng)控制性能無影響的參數參與到一體化設計，這樣只能無謂地增加優(yōu)化計算的復雜度；選擇的本體參數可能對控制性能影響不敏感，控制性能的優(yōu)化可能導致這類不敏感參數的大幅調整，這種為了性能的提升而去大幅修改本體設計的做法在工程上也是難以推進的。

17.與參數聯(lián)合優(yōu)化不同，考慮控制性能的風力機氣動設計以從控制視角對本體設計提出具體要求的方式間接參與風力機本體設計。這種一體化設計方式不依賴于處于末端的具體控制器，而且在延續(xù)了經典的分離設計原則的同時提升了系統(tǒng)的閉環(huán)性能。但該方法目前仍未成熟，亟待探索。因此，解決上述問題的關鍵在于：在掌握風力機本體參數對控制效果的影響機理的基礎上，尋找對控制性能影響效應敏感的本體參數，探索考慮敏感本體參數對控制性能影響的風力機一體化設計方法。這樣，較小的本體參數調整不僅能明顯提升控制性能，且更容易滿足風力機本體設計的固有約束。

18.本文工作正是圍繞上述科學問題展開，主要研究內容包括以下三個方面：首先探索風力機本體參數對MPPT控制性能的影響機理和作用規(guī)律，并從中提取能夠顯著影響MPPT性能的敏感參數。然后，深入探索敏感氣動參數對MPPT的影響機理和作用規(guī)律，并嘗試定量描述這一影響，從而為完成考慮敏感本體參數對MPPT影響的本體設計奠定基礎。最后，在借鑒已有的考慮控制性能的風力機本體設計的基礎上，根據敏感氣動參數對MPPT的影響及其描述，調整當前風力機氣動設計的目標函數或約束條件，構建不含具體控制器參數、但能考慮敏感氣動參數對MPPT控制影響的風力機氣動設計模型，以形成更具總體工程可行性的風力機一體化設計方法。下面重點介紹風力機本體參數對MPPT的影響分析及敏感參數提取的相關內容，對于考慮控制的本體設計方法簡要演示一下優(yōu)化結果。

19-20-21-22.從風力機閉環(huán)系統(tǒng)（翻到PPT20頁）的視角出發(fā)，將影響MPPT控制效果的因素按科學劃分為風況參數、氣動參數與結構參數（翻到21頁），并結合本體設計模型，將本體參數劃分為集總參數與分布參數（翻到22頁）；以風力機的閉環(huán)性能指標（包括運行葉尖速比概率分布與平均風能捕獲效率）來量化描述各參數對MPPT性能的影響。

23.在分析各影響因素對MPPT性能的影響時，采用只改變單一關注因素而固定其他因素的方法，并通過仿真比較因素改變前后閉環(huán)性能指標的變化規(guī)律?？紤]到分布參數的種類和數量較多、加之其不同排列組合又會產生新的葉片外形，因此，為縮小搜索范圍以盡快找到影響MPPT性能的敏感參數，采用從集總參數到分布參數的搜索路線。具體地，首先從風力機本體參數中的集總參數入手，待從中搜索到敏感參數后，再深入到該敏感參數所在學科的具體分布參數，從中搜索敏感參數。

24.通過閉環(huán)系統(tǒng)的動態(tài)仿真，可歸納出：風力機動態(tài)性能的提高或MPPT跟蹤要求的降低，都會促使運行葉尖速比更加集中地分布于最優(yōu)葉尖速比附近、提升平均風能捕獲效率；反之，則導致運行葉尖速比分布更分散、平均風能捕獲效率越低。

25.靈敏度系數的計算結果如表所示?？梢?，相比結構參數（風輪轉動慣量），氣動參數對MPPT性能的影響更敏感；而且，相比最大風能利用系數，氣動參數中的最優(yōu)葉尖速比、葉片半徑對MPPT的影響更為顯著。

26.需要說明的是，因為無法用單值指標刻畫CP-λ曲線的平緩度，導致CP-λ曲線的平緩度對應的靈敏度系數難以計算。以平均風能捕獲效率這一閉環(huán)性能指標對比分析了CP-λ曲線的平緩度與CP, max對MPPT的影響。研究發(fā)現，即使CP, max小幅降低，頂部較平緩的CP-λ曲線仍可提升平均風能捕獲效率。由此可推測，相比最大風能利用系數，CP-λ曲線的平緩度對MPPT的影響更為顯著。

27.由于氣動集總參數對MPPT性能的影響更為顯著，深入到葉片氣動分布參數（翼型、弦長、扭角），通過遍歷弦長和扭角、搜索相似翼型，以湍流風速下葉素的平均風能捕獲效率為指標，仿真比較各分布參數對MPPT控制性能的影響。28.結果發(fā)現，翼型形狀的細微調整能夠帶來更大幅的性能提升。

29.綜上可知，相比結構參數（轉動慣量），風力機的氣動參數，尤其是最優(yōu)葉尖速比、CP-λ曲線平緩度、翼型外形可以更加顯著地改變MPPT控制性能。因此，開展這些氣動參數與MPPT控制的一體化設計不僅易于達到協(xié)調目標、有效提升風能捕獲效率，而且在滿足風力機本體設計的固有約束和工程可行性方面具有十分重要的現實意義。

30.然后分別選擇不同的氣動敏感參數，主要通過修改現有的氣動設計模型中的目標函數，考慮它們對MPPT控制性能的影響，完成了風輪氣動參數與MPPT控制一體化設計。

第三篇：預答辯演講稿

研究背景

近年來，我國的會展旅游發(fā)展迅猛，尤其在一些會展業(yè)發(fā)達的地區(qū)，會展業(yè)對經濟的帶動作用達到1:9的水平。據不完全統(tǒng)計，九十年代以來我國會展旅游業(yè)每年增長達20%左右，遠遠超過我國其他領域經濟總量的增長。會展業(yè)已經成為我國經濟的新亮點。并開始逐步走向國際化、規(guī)?；I(yè)化和品牌化。會展旅游不僅能提高一個國家和城市的知名度，對一個國家或地區(qū)的經濟社會發(fā)展也具有很強的推動作用，中國會展業(yè)具有光明的發(fā)展前景。

會展經濟的發(fā)展已經越來越多的引起政府和相關部門的高度重視，相關政策和措施陸續(xù)出臺?！秶摇笆濉币?guī)劃》再次對我國會展業(yè)的發(fā)展做出戰(zhàn)略性的規(guī)劃，“十二五”時期，中國會展業(yè)進入了發(fā)展的快車道。2015年，中國會展業(yè)產值規(guī)模已達到3000億元。面臨的問題

在會展業(yè)發(fā)展如火如荼的時候，我國會展業(yè)的管理仍然處在初級階段，會展舉辦期間，在舉辦地短時間內聚集了大量的人流，人群密度大，人群聚集可能導致會展擁堵踩踏事件發(fā)生，群體性恐慌 擁擠、踩踏

會展活動風險事故管理面臨嚴峻考驗

以下表1-1是我國2001年至2013年間統(tǒng)計的因為會展活動引發(fā)的人員傷亡事故。

人員傷亡事故多達144起，死亡人數多至93人。

可見，在會展期間維持正常的參觀秩序，保證人員安全就顯得尤為重要。這就要求有關政府部分盡快完善會展相關的管理方式，讓會展行業(yè)有序的發(fā)展，盡快實現會展業(yè)的智能化管理。研究意義

如何更為有效保障會展高峰時期參觀者的安全，維持正常的參觀秩序，并實現大量人流的管理與疏導，是會展管理部門重點關注的問題，其中，會展入口人流量控制和疏導是重要方面。如果能及時準確預知未來時刻會展入口的人流量，就能讓管理者提前做好防范措施，比如：人流量少時，開放部分入口閘門，節(jié)省人力、物力；人流量多時，增加入口閘門開放數或者減少/停止售票等等。這樣有利于合理利用會展資源，同時實現會展入口人流量的控制與疏導，減少擁堵與踩踏事件發(fā)生，提高了旅游者的參觀質量，對實現會展旅游的智能化管理具有十分重要的意義。

會展入口短時人流量的特性分析 第二章，首先分析了會展入口短時人流量的特性，通過分析發(fā)現具有：不確定性、時變性、隨機性、周期性、混沌性等特性 預測模型建立的原則

接著對會展入口短時人流量預測模型的原則進行了分析，模型應該具有：實時性原則、準確性原則、抗噪聲能力、可移植性原則、歷史數據少等特點 預測模型的選擇

接著整理總結了目前所有預測模型的優(yōu)缺點，發(fā)現單一模型總是存在這樣那樣的不足，而融合模型取長補短，在短時流量預測中既可以提高預測精度又可以保證預測誤差的穩(wěn)定性。

基于對會展入口短時人流特征的分析以及己有預測模型的綜合比較，發(fā)現融入模型中的小波神經網絡模型既具有小波良好的時—頻局部特性和變焦能力，又有神經網絡極強的非線性、自學習能力和相對較高的預測精度，對非線性變化的數據序列不用建立精確模型就能進行預測，這一特征恰好符合入口短時人流數據的隨機性和難以建立精確模型這一特性。實驗預處理

第三章主要講數據預處理（1月26至2月1，每天14:00-22:00的入口人流量數據，每15分鐘取1個數據，7天共231個數據），在確定了會展入口短時人流量預測模型的基礎上，對實驗數據進行了預處理，因為在人流量數據的采集、傳輸過程中，由于設備故障、傳輸錯誤、噪聲干擾等原因會使采集到的數據無法按照一定時間間隔上傳或者上傳錯誤，最終導致數據采集錯誤現象的發(fā)生，而采集的數據質量直接影響到預測的精度，所以必須對數據進行處理，一般分為修復和去噪兩步。這是修復后與修復前數據對比圖。接著對修復后數據進行小波去噪。這是數據小波分解，隨機噪聲主要集中在d1層，加大d1層的閾值，這是降噪后與原始信號對比圖。

數據歸一化處理

接著對數據進行歸一化處理，主要是為了加快網絡的訓練速度，將實驗數據歸一化在[-1,1]之間。這是歸一化代碼。表3-5是部分自貢燈會入口人流量數據歸一化結果。

小波神經網絡各層節(jié)點的選擇

在第四章簡要介紹了小波神經網絡的原理及學習算法推導過程，重點分析了小波神經網絡各層節(jié)點及參數的選擇，小波神經網絡往往選取三層結構，輸入層和輸出層可以根據實際應用要求確定，本次實驗選取輸入個數為4，輸出個數為1，而隱含層的神經元個數選取則是一個難點，一般根據經驗公式選擇，根據輸入4，輸出1，根據公式可算出隱含層個數在4~12之間 實驗對比驗證

這是在輸入層為4，輸出層為1，模型其他參數都一致，而輸入層不同的情況下，進行50此仿真取平均值，表示預測模型優(yōu)劣評價指標結果，由表可以看出，在隱含層節(jié)點數為10時，各評價指標最優(yōu)。所以確定預測模型結構為4-10-1 4-10-1 模型下不同學習率

在確定模型結構后，有對模型參數學習率進行實驗驗證對比，同樣是仿真50次取平均值，由表看出在學習率為0.01和0.001情況下預測誤差最小。小波神經網絡模型（4-10-1，0.01，0.001）這是在小波神經網絡確定了結構和學習率情況下，以自貢燈會入口人流量為實驗對象的仿真圖，發(fā)現預測效果較理想，高峰期（1400人）最大誤差為350人左右，大多數都在100人以內浮動 評價指標

這是小波神經網絡模型預測自貢燈會入口短時人流量的各評價指標值，由表可以看出，平均絕對誤差是64人左右，均方誤差為11.79，均方百分比誤差約為4.5%左右，當EC?0.85時，說明預測效果較好，越接近1說明預測結果的可靠性越高，本文預測精確度達92%，訓練加預測時間為5.4秒左右，體現出了實時性。根據評價指標可以看出訓練還是比較理想的。誤差分析

針對小波神經網絡預測結果的誤差，從四個方面進行了誤差分析：實驗數據的采集、實驗數據預處理、實驗影響因素、小波神經網絡。

如：本文實驗對象自貢燈會在數據采集時在高峰期時，很多都沒掃描票，見到票就直接進場，還有在數據修復時，不能完全恢復原始信息，只是一個預估計值，另外小波去噪會損失原有數據中本有的高頻細節(jié)。還有其他外在因素的影響，如票價、天氣、節(jié)假日等都會對實驗結果造成一定誤差，但通過分析發(fā)現除了實驗數據造成的誤差外，小波神經網絡自身的不足是造成誤差的重要原因，小波神經網絡模型的不足

如圖是網絡迭代次數與誤差百分比之間的關系，當迭代到350次時陷入局部極小值，這會使預測結果產生較大的誤差，而且小波神經網絡的收斂速度也較慢，學習效率低，對參數選擇較為敏感，針對這些不足，提出用遺傳算法進行優(yōu)化。遺傳算法優(yōu)化

這是優(yōu)化后的預測自貢燈會入口短時人流量的效果圖，發(fā)現模型的擬合程度更高，預測效果更好，最大誤差為240人左右，相對小波神經網絡有了明顯的改善。

預測平均誤差提高了8%，預測精度提高了4%，效果理想 迭代曲線對比圖

這是小波神經網絡與優(yōu)化后網絡在相同條件下的迭代曲線圖，可以發(fā)現算法優(yōu)化后模型在迭代100次時，基本收斂于目標條件，曲線趨于平穩(wěn)狀態(tài)；而傳統(tǒng)小波神經網絡模型要迭代400次左右才能收斂于目標條件?？梢泽w現出優(yōu)化后網絡在收斂速度上得到了較明顯的提高。

仿真實驗表明：采用遺傳算法優(yōu)化小波神經網絡模型，達到了提高訓練精度和收斂速度的目的，這說明WGANN算法具有更高的魯棒性和更高的預測精度，遺傳算法優(yōu)化了小波算法收斂慢和容易陷入局部極小值的不足。

方案

第六章主要是綜合分析全文，針對類似于自貢燈會入口短時人流量預測的會展情況，總結出預測流程的方案

應用—2016年自貢燈會實驗驗證

最后將方案應用于2016年自貢燈會入口短時人流量的預測上，這是應用界面圖，這是2016年2月24日燈會入口短時人流量預測結果的誤差圖，在高峰期時預測誤差最大為200人左右，大多數在50人以內浮動，可見實際應用效果還是比較理想的?？偨Y及展望

本章對前六章的工作內容作了簡要總結與分析，指出論文中存在的不足并簡要闡述了今后研究工作的展望。

第四篇：機械系畢業(yè)設計預答辯

2014機械系畢業(yè)設計預答辯

一、時間

6月6日上午 8點30分開始。

二、預答辯時每位同學需攜帶的資料（自帶電腦）

1、畢業(yè)設說明書；

2、計算機繪制答辯裝配圖和零件圖；

3、手工繪制結構圖的同學帶上圖紙到指定地點等待檢查。

三、指導老師所帶學生分組名單及檢查地點

第一組老師檢查第二組老師指導的學生（即第二組老師指導的學生到第一組老師所在教室接受檢查），依次類推，第七組老師檢查第一組老師指導的學生。

35人（9-1001）第一組：關玉明7魏 智11張建輝11張換高6 35人（9-1001）第二組：王 濤14張建軍6江屏9劉偉6 36人（9-1003）第三組：曲云霞15曹東興8 許紅靜4 邱 瑛9 35人（9-1003）第四組：高鐵紅8郭蘭申15劉宇紅4姚濤8 34人（9-1005）第五組：富大偉14谷美林11侯書軍4曹國忠5 35人（9-1005）第六組：孫立新4李春書11王 陽11朱東彬9 34人（9-1005）第七組：李為民15管嘯天5張建華14

說明：預答辯成績滿分10分，占畢設總成績的10%；

在外地做畢業(yè)設計的同學，要到學校參加預答辯；

不能按時參加檢查的學生，請自己聯(lián)系所在組老師。

機械系2014年6月4日

正式答辯時間為6月11日，地點另行通知

第五篇：預答辯

計算機學院2012屆預答辯通知

為了進一步提高畢業(yè)設計質量。特組織2012屆畢業(yè)生預答辯。具體安排如下：

一、時間

4月18日上午8：00開始。預答辯分組情況在學院網站公布。

二、要求

每人在預答辯時必須提交前8周的紙本畢業(yè)設計進展記錄（每兩周一份），若不能按時提交的同學，將不得參加預答辯。沒有參加預答辯的同學不可以參加正式的畢業(yè)答辯。

預答辯時每人把自己的研究論文或畢業(yè)設計成果軟件運行情況屏幕截圖，做成PPT，自己講述3分鐘，講述以下主要內容：

①自己已開展的工作；

②存在問題；

③后續(xù)工作計劃。

每個學生要認真記錄預答辯時老師給出的評價，并向自己的導師匯報該評價，請導師對自己的設計或論文進行指導。

答辯時請同學自己準備答辯用的微機或筆記本電腦（一組相鄰的同學可以合用一臺）。

三、預答辯初步評價

學生的預答辯成績分為以下等級：較好、一般、較差、很差。

由于預答辯的時間距離正式答辯的時間已經很短（約一個月），評價為較好的同學，要努力爭取優(yōu)秀成績，直至參加省級優(yōu)秀畢業(yè)設計（論文）評選；評價為一般的同學，要努力做畢業(yè)設計，不要放松對自己的要求，以防在正式答辯時進入質疑行列；評價為較差的同學，相當于給予黃牌警告，更要加大對畢業(yè)設計（論文）工作的投入，否則，極有可能在正式答辯時不合格；對于畢業(yè)設計（論文）很差的同學，幾乎可以斷定該生的畢業(yè)答辯已經不可能及格，相當于給予紅牌罰下處理，建議該生申請延緩畢業(yè)。

四、說明

符合以下條件的可以暫時不回來：

1.已經簽訂了就業(yè)協(xié)議，用人單位工作上不能讓學生離開的；協(xié)議必須已經在學院或在預答辯前將協(xié)議交給學院；如果協(xié)議正在簽訂過程中，則必須由用人單位出具書面說明并且說明協(xié)定協(xié)議的具體時間。

2.參加研究生復試、公務員考試或面試等，必須有復試、考試通知；

以上條件由朱兆靜老師和指導教師聯(lián)合掌握。對于暫時不回來的學生，學生必須親自給指導老師電話說明自己的畢業(yè)設計進展情況和存在的問題，請指導老師給以指導。

計算機學院2012.4.10