基于投影寻踪赋权的TOPSIS法在煤炭种类识别中的应用

针对煤炭分类是一个多属性、多目标的数据处理问题,提出一种逼近理想点(TOPSIS)的煤炭分类模式决策方法。利用投影寻踪(PP)计算各指标的权重,有效地克服了指标权重设置上的主观性和随机性,使决策结果更符合实际。实例分析表明用基于投影寻踪赋权的TOPSIS模型进行煤炭种类识别是可行的,有效的。     

基于灰色关联分析的极限学习机在混凝土抗压强度预测分析中的应用*

利用灰色关联分析法筛选出表征混凝土抗压强度的重要因素指标,并以选取的因素指标为输入变量、以抗压强度为输出变量,创建极限学习机(ELM)模型,克服了冗余因素对模型精度的影响。实例分析表明经指标优化选择的ELM模型具有较高的精度,对抗压强度的预测效果明显优于未经指标筛选的ELM模型,也远好于支持向量机的预测效果,为混凝土抗压强度预测提供了一种新思路。     

基于小波预处理的动态灰色模型在矿井涌水量预测中的应用

针对含噪声的矿井涌水量时间序列,传统静态灰色GM(1,1)预测模型容易受到随机干扰影响致使预测精度不高的问题,建立了基于小波消噪技术的动态等维灰色理论预测模型,并以新信息优先设置模型初始值,克服了传统静态灰色理论模型在预测过程中不考虑未来因素对系统影响的缺陷。实例分析表明,文章建立的消噪动态灰色模型预测效果远优于传统静态灰色模型,有借鉴价值。     

基于三角模糊数的瓦斯浓度预测分析

煤矿工作面瓦斯浓度时间序列预测是一个非线性、模糊数据处理问题。为了避免因具体预测值的不准确性所导致的错误判断,提出了基于时间的模糊多项式预测方法,该方法的预测结果是一个区间,而不是具体数值,有效地扩大了相关量的适用范围,使预测结果趋于合理、科学和便于操作。在建模过程中先将原始数据模糊化,再将模型模糊系数转化成线性规划求解。通过对比分析,所建模型优于其他一些预测模型,有借鉴意义。     

投影寻踪在瓦斯涌出量预测中的应用

针对瓦斯涌出量预测时常用的瓦斯监测数据降维方法会不同程度地造成数据信息丢失、导致预测精度降低的问题,利用投影寻踪原理并结合差分进化算法将高维样本数据转化成1维投影数据,运用Matlab曲线拟合工具箱建立了一种正弦和函数瓦斯涌出量预测模型。实验结果表明,该模型具有较高的预测精度和可操作性。     

基于弱化缓冲算子的加权灰色线性回归组合模型及应用

针对传统灰色GM(1,1)模型预测路基沉降存在的不足,引入了弱化缓冲算子对监测数据进行弱化处理,以此建立了加权灰色线性回归组合模型。以兰州南山路路基沉降为例,验证该模型的有效性。该模型为高速公路和高速铁路路基沉降预测提供了一种新方法。     

多项型指数曲线模型在路基沉降预测分析中的应用

针对指数曲线模型在表述路基沉降规律方面存在的不足,提出一种多项型指数曲线模型。对不同的沉降-时间数据列只需调整指数曲线模型项数便可取得理想拟合预测效果。先采用非线性最小二乘法估算模型的参数范围,再用遗传算法求最优值。工程实例表明:多项型指数曲线模型具有较高的预测精度;优于传统指数模型、双曲线模型、星野模型及灰色理论模型等;具有借鉴意义。     

基于混合粒子群算法的线性预测PID控制

针对传统PID控制对大时滞过程控制效果不佳的问题,提出了一种基于线性预测的PID控制算法,用系统过去的几个输出值预测系统未来的输出值,用此预测值与期望设定值所得的偏差作为PID控制输入,再依PID控制律来设定控制器的输出,从而使被延迟了的被控量超前反映到控制器,使控制器提前动作,实现事先调节,从而减少超调量和调节时间,消除时滞对系统稳定性影响。利用混合粒子群算法对模型系数和系统参数进行了优化和在线调整。实例仿真结果表明,将线性预测与传统PID控制相结合并经混合粒子群算法优化的控制方法远好于单一的PID控制方法,而且具有操作简单、容易程序实现等特点,有效地提高了系统的控制品质。     

基于模糊非线性回归的煤炭发热量预测研究

针对经典线性回归模型无法反映变量间的非线性关系,不适宜预测有模糊数的煤炭发热量的问题,提出了一种基于三角模糊数的多元非线性回归的煤炭发热量预测模型。以我国新疆伊犁地区煤炭工业分析为建模数据和模型检验数据,将计算模糊中心值和模糊幅度值的问题转化为约束非线性优化问题,采用MATLAB优化工具箱求解。最后对比分析了模糊非线性回归、经典线性回归、BP(Back Propagation)神经网络及支持向量机回归4种模型对测试煤样发热量的预测结果。结果表明,模糊非线性回归模型的线性拟合优度值为0.9997,调整后的非线性拟合优度值为0.9838,均方误差为0.4473;测试煤样的平均相对误差为0.0203,80%的测试煤样模糊隶属度大于0.5。模糊非线性回归模型具有很高的精确度和可靠性,可用来预测预报煤炭发热量。