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.     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

干湿联合冷却塔冷却节水分析软件开发及应用

为实现对干湿联合冷却塔冷却特性、节水特性的综合分析，编制干湿联合冷却塔校核计算流程，基于Visual Studio开发平台，本文开发了干湿联合冷却塔冷却节水特性分析优化软件。通过对某在运干湿联合冷却塔进行冷却节水特性计算，验证了所开发软件计算结果的准确性；在消雾节水计算结果基础上，对标干湿联合消雾冷却塔验收测试规程，生成其成雾频率曲线、耗水量曲线、塔雾指数、冷却特性曲线，综合分析其消雾特性、节水特性及冷却特性，从而确定了干湿联合冷却塔的最佳运行工况。同时运用所开发软件对比分析了某冷却塔设计干段散热面积对其消雾特性、节水特性及冷却特性的耦合影响，并分析了百叶窗开度对干湿联合冷却塔性能的影响，为干湿联合冷却塔的运行优化和设计优化提供了工具性软件支持。     

Evolving an Accurate Decision Tree-Based Model for Predicting Carbon Dioxide Solubility in Polymers

Solubility is one of the most indispensable physicochemical properties determining the compatibility of components of a blending system. Research has been focused on the solubility of carbon dioxide in polymers as a significant application of green chemistry. To replace costly and time-consuming experiments, a novel solubility prediction model based on a decision tree, called the stochastic gradient boosting algorithm, was proposed to predict CO₂ solubility in 13 different polymers, based on 515 published experimental data lines. The results indicate that the proposed ensemble model is an effective method for predicting the CO₂ solubility in various polymers, with highly satisfactory performance and high efficiency. It produces more accurate outputs than other methods such as machine learning schemes and an equation of state approach.