基于软测量的化工精馏过程推断控制策略

针对化工精馏过程产品成分无法在线检测及其用温度间接控制产品成分的常规控制策略存在着控制精度低的问题,提出基于软测量的精馏过程成分非线性串级推断控制策略。该控制策略首先提出核岭回归的实时软测量方法,即利用满足Mercer条件的核函数改进线性岭回归算法,实现精馏过程产品成分的在线检测;然后在此基础上,提出一种新的非线性串级推断控制策略,即副环采用常规的温度间接控制,主环采用基于核岭回归软测量的推断控制策略。通过Mejedell等建立的精馏塔动态模型分别对单端和双端成分非线性串级推断控制策略性能进行分析,仿真结果表明,与传统控制方案比较,新控制策略的控制质量有了较大提高,控制结构简单,易于实施。     

A hybrid stock selection model using genetic algorithms and support vector regression

In the areas of investment research and applications, feasible quantitative models include methodologies stemming from soft computing for prediction of financial time series, multi-objective optimization of investment return and risk reduction, as well as selection of investment instruments for portfolio management based on asset ranking using a variety of input variables and historical data, etc. Among all these, stock selection has long been identified as a challenging and important task. This line of research is highly contingent upon reliable stock ranking for successful portfolio construction. Recent advances in machine learning and data mining are leading to significant opportunities to solve these problems more effectively. In this study, we aim at developing a methodology for effective stock selection using support vector regression (SVR) as well as genetic algorithms (GAs). We first employ the SVR method to generate surrogates for actual stock returns that in turn serve to provide reliable rankings of stocks. Top-ranked stocks can thus be selected to form a portfolio. On top of this model, the GA is employed for the optimization of model parameters, and feature selection to acquire optimal subsets of input variables to the SVR model. We will show that the investment returns provided by our proposed methodology significantly outperform the benchmark. Based upon these promising results, we expect this hybrid GA-SVR methodology to advance the research in soft computing for finance and provide an effective solution to stock selection in practice.     

基于支持向量机的图书馆借阅量预测

为了准确预测图书馆借阅量,本文提出基于支持向量机的图书馆借阅量时序预测方法,支持向量机能有效解决非线性、高维、小样本等问题,并采用遗传算法选取合适的支持向量机训练参数,以此增加支持向量机的泛化能力。首先提出了支持向量机预测模型,并进行实例分析,将华北科技学院图书馆流通部1997-2007年度借阅量作为本文的实验数据。实验结果表明支持向量机的图书馆借阅量预测效果优于径向基(Radial Basis Function,RBF)神经网络。     

基于广义回归神经网络的蛋白质二级结构预测

在生化实验中,关于优化蛋白质预测问题,由于采集的信息、参数、选取和设置等优化处理存在随机性,限制了蛋白质二级结构预测精确度。为解决上述问题,针对广义回归神经网络学习速率快、网络稳健的特点,提出基于广义回归神经网络预测蛋白质二级结构的方法。鉴于编码方式对预测精度有重要影响,首先基于5位编码和不同的滑动窗口构建多个广义回归神经网络预测器对蛋白质二级结构进行预测,取得了较好的结果。并采用富含生物进化信息的序列谱(Profile)编码构建输入向量、并针对不同大小的滑动窗口设置多个spread值重新创建广义回归神经网络预测器,大大提高了预测精确度,仿真结果证明了预测模型的有效性和可行性,为预测提供了有效方法。     

基于非参数乘法回归模型的农业景观步甲空间分布模拟

农业生产引起的景观变化是导致生物多样性丧失的重要原因,为评估农业景观结构变化对物种多样性的影响,探索农业景观物种空间模拟的方法,研究应用非参数乘法回归(NPMR)模型结合田间步甲取样数据,分析了步甲群落多样性、主要物种存在/不存在与取样点周围边长为200 m景观内景观结构之间的关系,建立研究区物种-景观分布预测模型,结合地理信息系统(GIS)技术建立研究区群落/物种空间分布预测图。结果表明:在群落水平上,景观结构对步甲群落多样性的影响不显著; 在物种水平上,黄斑青步甲(Chlaenius micans)、淡鞘婪步甲(Harpalus pallidipennis)受斑块密度的影响显著(p<0.05),黄斑青步甲、后斑青步甲(Chlaenius posticalis)和单齿婪步甲(Harpalus simplicide)受半自然生境类型数的影响显著(p<0.05),单齿蝼步甲(Scarites terricola)受半自然生境比例的影响显著(p<0.05),而蠋步甲(Dolichus halensis)受景观结构的影响较为复杂。通过模型预测,输出研究区域6个主要物种的空间分布模拟图,进一步分析发现在研究区域内,对景观结构较为敏感的6个步甲物种主要分布在农田与半自然生境相接的狭长地带。因此,利用非参数乘法回归模型可以很好地模拟步甲物种对农田景观结构的响应及其在景观中的空间分布变化。200 m×200 m尺度下,尽管步甲群落多样性不受景观结构的显著影响,但是存在部分步甲物种对景观结构响应显著,但不同物种对景观结构的响应不同。增加农田地块间半自然生境,并合理改善景观配置异质性将有利于对景观结构变化敏感步甲物种的维持。     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于VMD与改进QRGRU的超短期风电功率概率预测

风电功率概率预测是分析未来风电功率不确定性的有效方法之一。为提高风电功率概率预测精度,文中提出基于变分模态分解(VMD)与改进门控循环单元分位数回归(QRGRU)的超短期风电功率概率预测方法。首先,采用VMD将原始风电功率序列分解成不同特征的模态函数;然后,对每个模态函数分别建立基于QRGRU的概率预测模型,并将变量间的网络结构约束作为目标函数的惩罚项,改进QRGRU权重在迭代修正过程中的平稳性;最后,在不同分位数条件下叠加各个模态函数预测值,并采用非参数核密度估计方法得到未来风电功率的概率密度函数。结合某风电场实测数据开展具体算例分析,结果表明所提方法能够兼顾区间覆盖率,减少区间宽度,在不同预测步长中均能表现较好的预测效果。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

汽轮机叶片用1Cr12Mo钢成分与热处理工艺对冲击韧度的影响

1Cr12Mo钢属于马氏体不锈钢，被广泛用于汽轮机亚临界机组的低压叶片。该钢在生产过程中由于冶炼方法的不同其化学成分会在一定范围内变化。对大量生产和试验数据进行分析的结果表明，成分的波动和热处理工艺参数的变化对钢的冲击韧度都有重要的影响。     

EFFECT OF ALLOY ELEMENTS ON QUASIEQUILIBRIUM MICROSTRUCTURE IN Fe-Mn-Ni-Cr STEELS

The microstructures of Fe-Mn-Ni-Cr steels with medium carbon and the effect of alloy ele-ments on them have been investigated by means of X-ray diffraction quantitative phase ana-lyses,metallography and hardness tests.The volume fraction of martensite in steels quenchedat 1100℃ can be expressed as:f_M~(1100)=162.643-15.482Mn-7.36Ni-4.286(Cr+Mo+V)Based on this expression,the quasi-equilibrium microstructure diagram has been obtained.Itis shown that the effect of Mn on the austenite stability is greater than that of Ni.The equiva-lent [Ni]=2.104Mn+Ni and equivalent [Cr]=Cr+Mo+V.The driving force for martensite transformation at M_s point has been calculated to hedrastically decreased by element Mn.