基于改进遗传算法的电网投资组合预测方法

提出了一种通过改进遗传算法并综合利用灰色预测GM(1, N)模型、BP神经网络模型、多元回归模型建立的电网投资组合预测模型。基于传统遗传算法对组合预测约束条件进行了优化并改进了遗传算法中交叉算子和变异算子,从而使算法具有更强的全局搜索能力和收敛能力。利用所提出的组合预测模型对某地区电网投资进行预测的结果表明,相比于单一预测模型和其他两种组合预测模型,所提组合预测模型能充分利用原始数据的信息,具有更高的预测精度。     

西藏如美水电站坝址区地应力场特征研究

地应力场是一个受多种因素相互作用与影响的复杂系统.这个系统包含相互联系的不同组成部分,如自重,构造运动作用,地形、地势等地貌情况,断层、裂隙等地质构造,地质力学参数等.地应力作为引起变形和破坏的基本作用力,不仅是引起岩体变形和破坏的力源之一,也是影响岩体力学行为的主要控制因素,是进行岩体工程问题分析、设计计算和稳定性预测评价的初始条件之一,因而在高地应力地区进行初始地应力场的特征分析是非常必要的.尽管可以通过现场实测地应力来直接准确地为地应力场提供数据,但由于现场实测地应力的测试费用昂贵、测试所需时间长和现场试验条件艰苦等原因,不可能进行大量的测量,因而利用有限的数据和科学的方法对研究区进行地应力场的反演分析十分重要,为实际工程活动提供可靠依据.     

煤系烃源岩有机碳含量测井响应特征与定量预测模型

煤系地层富含有机岩石,导致测井响应特征复杂。以实测TOC含量数据为基础,分析了煤系烃源岩中煤岩、炭质泥岩和泥岩有机碳含量的测井响应特征,发现电阻率、声波时差、自然伽马、密度和中子孔隙度等测井参数与有机碳含量相关性较高,并基于此建立了针对不同岩性煤系烃源岩有机碳含量计算模型,即多元回归模型和Δlog R模型。结合研究层段,分别建立了一元、二元、五元线性回归模型及重叠法模型,进行TOC含量计算并做了误差分析。结果表明：五元回归模型的计算误差最小,但在没有实测TOC含量数据层段计算误差较大;重叠法计算误差最大,但其整个层段的TOC含量预测值更符合岩性特征。煤系地层有机碳预测研究旨在为后续煤系烃源岩综合评价提供参考。     

基于多元回归随机抽样一致性算法的圆柱拟合

现实中的三维激光点云数据中存在大量圆柱几何体,在实际操作中,由于测量环境的干扰性和实验仪器的局限性,使圆柱体测量数据的拟合精度受到影响。本文在随机抽样一致性算法的基础上研究一种基于多元回归随机抽样一致性算法的圆柱拟合方法,利用MATLAB编程实现对圆柱的轴线方向向量和半径拟合求解,通过设置仿真数据和实测数据实验与最小二乘及整体最小二乘拟合结果进行比较,结果表明本文算法对于圆柱拟合过程中的参数解算具有较好的鲁棒性。     

基于荧光法和多元回归分析的混合海藻识别方法研究

钱对单一海藻和混合海藻进行荧光激发光谱的二阶导数分析,发现它们的峰值点和谷点有很强的相似性.因此,用二阶导数荧光发射光谱的谷点和峰值点为特征点,取特征点对应的荧光发射光谱的相对强度的归一化数据为特征参数,进行混合海藻的线性多元回归分析,得到分配系数矩阵.去掉分配矩阵中的负分配系数和相对很小的分配系数,重新进行多元线性回归分析,直到达到目标模型为止,这样可以根据剩余的分配系数得到混合海藻中的单一海藻类目.     

新安煤矿初始地应力场反演模拟与特征分析

初始地应力场是煤矿开采工程设计和安全性分析的重要依据,通常工程区实测地应力点较少,必须在有限的地应力资料基础上,采用反演分析方法获得整个工程区地应力场。基于现场地应力实测资料,结合新安煤矿地形地貌条件和地质结构特征,研究了新安煤矿地应力场分布特征;在此基础上采用有限差分数学模型多元回归方法,进行了新安煤矿六七采区地应力场三维反演分析研究,获得了该区域地应力分布规律和影响因素的认识。结果表明,新安煤矿地应力场分布受构造应力和地质构造的综合影响,褶曲、断层等构造因素影响显著。     

变截面涡旋盘齿面粗糙度的双预测模型

目的精确预测三段基圆变截面涡旋盘齿面粗糙度,确定合理的铣削参数,提高变截面涡旋盘齿面的加工质量。方法首先在正交试验的铣削参数条件下,用XK714数控铣床对毛坯件进行铣削加工,获得三段基圆变截面涡旋盘,用SJ-210表面粗糙度测量仪测量已加工涡旋齿侧面的粗糙度值。然后利用铣削参数和测量的粗糙度值,建立齿面粗糙度的多元回归预测模型和改进的BP神经网络预测模型及双预测模型,并验证该三种模型的精确度。最后对单一因素条件下的粗糙度进行预测、分析。结果经过计算可得,齿面粗糙度的多元回归预测模型的平均误差为1.43%,最大误差为3.09%。改进的BP神经网络预测模型的平均误差为1.33%,最大误差为3.22%。两种模型的预测平均值作为双预测模型时,预测平均误差为0.627%,最大误差为1.51%。结论齿面粗糙度的双预测模型的平均误差明显降低,同时可以避免单一预测模型产生主观预测误差。各铣削因素对粗糙度的影响程度不同,进给量fz吃刀深度ap刀具转速n侧吃刀量ae。随着进给量、吃刀深度、侧吃刀量的增加,齿面粗糙度值增加;随着刀具转速升高,齿面粗糙度值降低。     

上市公司的公司并购整合机理实证研究

公司并购整合是公司并购的关键性阶段,决定着整个公司并购的成败。公司并购整合绩效受到多种因素的影响,需要在并购规划阶段进行详细阐释。基于沪深股市上市公司的公司并购数据,借助于多元回归分析模型,经验性的研究发现,企业性质、目标公司员工素质、生产有效性、经营有效性对并购整合绩效存在着显著的影响,而品牌影响力、市场潜力和发展前景对并购整合绩效不存在影响,说明了我国上市公司的并购规划存在着功能缺失,从而为公司并购的整体改进提供了理论借鉴。     

基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号，具备三维成像能力，单次航过即可实现观测区域的三维点云获取。受限于阵元数目和基线长度，高程向分辨率较低，同时建筑物区域存在叠掩，在三维重建过程中提取建筑物目标特征效率较低。针对这个问题，该文提出了一种基于机器学习的建筑物目标识别和提取算法，通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建，进行建筑物立面、顶面和地面的提取，能够得到较好的立面与地面相交的脚印信息，大大提高了特征提取效率。通过国内首次机载阵列层析SAR实验数据处理结果，验证了该方法的有效性。      

烟气排放系统中通风量多元回归分析

本文在南京市计量监督检测院烟气排放项目的基础上,提出了基于通风量多元回归的数学模型。采集对通风量影响较大的瓦斯浓度,温度,湿度和粉尘浓度四个参数,建立了线性回归数学模型。实验证明该模型能够正确的预测出烟气排放中通风量与其它参数之间的数学关系,为企业的烟气排放提供了科学的依据。