基于深度卷积长短时神经网络的视频帧预测

针对视频帧预测中难以准确预测空间结构信息细节的问题，通过对卷积长短时记忆（LSTM）神经网络的改进，提出了一种深度卷积长短时神经网络的方法。首先，将输入序列图像输入到两个不同通道的深度卷积LSTM网络组成的编码网络中，由编码网络学习输入序列图像的位置信息变化特征和空间结构信息变化特征；然后，将学习到的变化特征输入到与编码网络通道数对应的解码网络中，由解码网络输出预测的下一张图；最后，将这张图输入回解码网络中，预测接下来的一张图，循环预先设定的次后输出全部的预测图。与卷积LSTM神经网络相比，在Moving-MNIST数据集上的实验中，相同训练步数下所提方法不仅保留了位置信息预测准确的特点，而且空间结构信息细节表征能力更强。同时，将卷积门控循环单元（GRU）神经网络的卷积层加深后，该方法在空间结构信息细节表征上也取得了提升，检验了该方法思想的通用性。     

基于改进灰色-多元回归组合预测模型的燃煤电厂智慧水务研究

以某燃煤电厂水务系统为研究对象，对机组运行参数和水量历史数据进行筛选和关联性分析，根据前期水平衡测试结果，结合响应面分析验证，发现机组负荷、蒸发损失系数、浓缩倍率和循环水温升这四个因素能够对全厂供水量产生关键性影响。基于灰色理论和多元非线性回归分析，分别建立各因素的灰色预测模型GM(1, 1)，再将灰色模型预测值作为自变量输入到多元非线性回归方程中，得到了改进灰色-多元非线性回归组合的供水量预测模型，其模型拟合度R²为0.913且与真实值的平均相对误差为6.9%左右，实现了灰色模型和回归模型优势互补，有效地预测该电厂供水量未来变化；而供水量预测是智慧水务建设的关键所在，是水务管理和智能调度的主要依据，也是实现供水管网漏损和仪表故障报警的重要途径。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于迁移学习的有机硅单体分馏过程能耗建模

有机硅单体分馏过程需分离的物质多且分离技术要求高，是有机硅单体生产过程中能耗较高的单元之一。能耗模型的建立对分馏过程的生产优化有着重要的意义。虽然分馏过程中各提纯单元的塔器设备型号、操作条件存在差异，但由于各提纯单元存在相似性，如何充分利用这些相似性进行能耗建模，从而减少建模过程中对数据量、质的要求是要解决的问题。通过引入迁移学习算法，增大源单元和目标单元数据域的相似性，实现不同数据域的知识传递，充分利用现有数据中包含的知识，建立新的能耗模型。以某有机硅企业采集的现场数据进行算法验证，结果显示，当训练样本量不足时，迁移学习可以有效提升模型性能，从而验证了该算法的有效性与实际应用价值。     

基于双应力加速寿命试验的关节轴承寿命预测与可靠性分析

自润滑关节轴承寿命主要是由衬垫的磨损性能决定的,但衬垫的磨损一般是非线性的,使得寿命难以预测。采用同时改变载荷和摆频2种应力的方法进行加速寿命试验,建立以pv值、磨损量退化数据为输入参数,寿命值为输出参数的灰色神经网络预测模型。经验证该预测模型对关节轴承寿命预测的最大误差仅为7.33%,平均误差仅为3.892%。对不同加速应力下自润滑关节轴承可靠性进行评估,结果表明,关节轴承的可靠性在L_(10)(可靠度为90%时的寿命)之前下降趋势缓慢,然后迅速下降,pv值越大可靠性下降越迅速;随着pv值的增大,关节轴承寿命近似呈指数下降,经验证可用逆幂率加速模型反映二者关系。     

考虑CEEMDAN样本熵和SVR的短期风速预测

为降低由于风速信号的非线性和非平稳性带来的风速预测难度，提高短期风速预测的准确性，提出一种考虑样本熵的组合分解模式和支持向量回归（SVR）相结合的预测模型。首先采用自适应噪声的完全集合经验模态分解（CEEMDAN）方法分解风速历史数据，并计算各模态分量的样本熵；然后采用变分模态分解（VMD）方法对样本熵最大的模态分量进行二次分解，充分削弱风速分量的非平稳性；接着对分解得到所有模态分量分别建立SVR预测模型；最后将各分量的预测值求和完成最终风速预测。实例分析表明，所提模型对比其他模型的预测误差最小，预测精度最高，可有效预测短期风速。     

国内建筑涂料市场影响因素与预测分析

中国是全球最大的建筑涂料市场，各涂料厂商在中国建筑涂料市场上进行激烈竞争，能够精准预测行业趋势对各涂料厂商精准决策和投资，提升企业经营质量具有重要意义。文章收集了近 12年建筑业总产值、房地产投资、城镇常住居民人口、 M2和 GDP等影响建筑涂料市场的数据，通过回归分析的方法得出：各影响因素与建筑涂料产量存在紧密且正相关的定量关系，并由此预测了国内建筑涂料市场在未来 3年将稳步发展。     

压裂水平井产能预测方法研究进展

水平井压裂技术在低渗透及非常规储层中得到了广泛应用,压裂后水平井的产能预测关系到油田开发方案的制定,因此,国内外学者对压后渗流模型的建立和求解方法做出了不懈的努力。本文详细回顾了国内外学者所建压裂水平井产能预测模型及求解方法,指出了不同模型和求解方法的优缺点,并展望了压裂水平井产能模型的发展方向。     

基于梯度提升决策树的车轮轮缘厚度磨耗预测

轮对在列车走行过程中起着导向、承受以及传递载荷的作用，其踏面及轮缘磨耗对地铁列车运行安全性和钢轨的寿命都将产生重要影响。根据地铁列车车轮磨耗机理，分析车轮尺寸数据特点，针对轮缘厚度这一型面参数，基于梯度提升决策树算法构建轮缘厚度磨耗预测模型。在该模型的基础上，任意选取某轮对数据进行验证分析，结果表明：基于梯度提升决策树的轮对磨耗预测模型具有较好的预测精度，可预测出1~6个月的轮缘厚度变化趋势范围，预测时间范围较长，可为地铁维保部门对轮对的维修方式由状态修转为预防修提供指导性建议。     

A signal adaptive diffusion filter for video coding: Mathematical framework and complexity reductions

In this paper we combine video compression and modern image processing methods. We construct novel iterative filter methods for prediction signals based on Partial Differential Equation (PDE) based methods. The mathematical framework of the employed diffusion filter class is given and some desirable properties are stated. In particular, two types of diffusion filters are constructed: a uniform diffusion filter using a fixed filter mask and a signal adaptive diffusion filter that incorporates the structures of the underlying prediction signal. The latter has the advantage of not attenuating existing edges while the uniform filter is less complex. The filters are embedded into a software based on HEVC with additional QTBT (Quadtree plus Binary Tree) and MTT (Multi-Type-Tree) block structure. In this setting, several measures to reduce the coding complexity of the tool are introduced, discussed and tested thoroughly. The coding complexity is reduced by up to 70% while maintaining over 80% of the gain. Overall, the diffusion filter method achieves average bitrate savings of 2.27% for Random Access having an average encoder runtime complexity of 119% and 117% decoder runtime complexity. For individual test sequences, results of 7.36% for Random Access are accomplished.