基于时间序列模型的福建省高考录取率预测

高中毕业生数和普通高等教育招生数是影响高考录取率的2个重要因素。分析福建省小学、初中、高中各阶段的毕业率和升学率以及普通高等教育招生数,用时间序列方法分别建立合适的数学模型,进而预测高中毕业生人数和普通高等教育招生人数,推测出高考录取率的短期发展趋势。预测结果表明,2014—2015年福建省高考录取率可能逼近100%。     

基于ARCGIS的塌陷塘水质特征研究及评价——以淮南矿业集团谢桥矿为例

为了解矿区塌陷水体的水质污染特征及规律,结合物理、化学和生物指标,运用营养状态综合指数法及基于ARCGIS的空间差值分析法对淮南矿业集团谢桥矿塌陷塘水质进行了分析与评价。矿区塌陷塘水质pH值呈弱碱性,透明度较低,BOD5、CODMn指标含量较高;用营养状态综合指数法对塌陷塘水质富营养化进行了评价,其污染级别为轻度富营养;运用ARCGIS的空间分析模块,利用总磷、总氮、BOD5、CODMn4个因子的空间插值栅格图建立多因子综合污染模型进行综合评价,得出水体综合水质标准处于地表水Ⅲ类到Ⅳ类之间,水质有待改善。本研究结果为塌陷塘水体水质监管及管理提供科学依据。     

基于能量有限元方法的声腔内部噪声预测

为了预测声腔内部噪声,基于能量有限元方法(EFEA)建立了声腔-平板-声腔的EFEA耦合模型,对声腔内部噪声进行了数值计算。建立了声腔-平板-声腔的统计能量分析(SEA)模型,并将EFEA模型的预测结果与SEA模型的预测结果进行了对比。结果表明,二者具有较好的一致性。建立了声腔-前风挡玻璃-声腔的EFEA耦合模型和SEA耦合模型,分别对EFEA和SEA模型的外侧声腔响应进行了仿真分析,并与试验结果进行了对比。结果表明,EFEA预测结果与SEA预测结果以及试验结果均吻合良好,充分显示了本文所建立的声腔-前风挡玻璃-声腔EFEA模型对声腔内部噪声预测的准确性。     

基于区间层次分析法的数控机床可靠性预计

针对将传统相似比较法用于数控机床可靠性预计时,评价对象和相似产品之间可靠性水平的差异程度很难准确评定的问题,提出了一种引入区间层次分析的数控机床可靠性预计方法。首先分析了整机和子系统的可靠性关系,建立了整机的可靠性预计模型。在子系统可靠性预计过程中,充分利用了相似产品的可靠性数据。全面分析了评价对象和相似产品之间的差异,建立了可靠性修正因子评估模型。使用区间层次分析法求出了可靠性修正因子,实现了确定性信息和模糊信息的互补。结合实例进行了数控机床的可靠性预计,验证了该方法的可行性。     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

基于GEP滑动窗口模型的变压器油中溶解气体含量预测

为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,GEP)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、终结点集、函数集等GEP运行参数后由适应度函数驱动进行遗传操作,演化出各气体的预测模型。结合变压器运行实例,给出了7种主要气体的预测结果以及H2含量的预测公式,并与MGM(1,7)模型进行比较。对比结果表明,该方法能有效地提高预测精度。     

基于MWGANN模型的旋转机械趋势预测

为保证旋转机械注水泵机组安全、稳定运行,应采用合适的预测模型对其状态评定参数进行预测。提出基于均值函数新息加权的遗传算法优化神经网络预测模型(MWGANN模型),用此模型能够优化神经网络结构参数,并可利用时间序列数据新旧程度的不同提高预测的精度和实时性。工业现场采集大型旋转注水泵机组振动烈度时间序列数据,应用MWGANN模型和基于人工经验设定神经网络结构参数的模型分别对其进行预测并比较,结果表明MWGANN模型在预测精度、预测实时性方面取得了较好的效果。     

基于灰色理论的事故伤亡预测分析

利用灰色系统预测理论,根据某化工企业的职工伤亡事故统计数据建立了动态的GM（1,1）模型。对2011年和2012年的千人负伤率进行灰色预测,并对预测精度进行了验证。结果表明拟合程度较高,对企业的安全生产具有一定的指导意义。     

基于路径预测的机器人足球路径规划

针对常用的机器人路径规划算法过于复杂并且在每个运动周期都计算路径的问题,提出了一种结合路径预测的路径最优算法.充分利用预测结果减少每周期的路径规划时间;用微量调整动态控制机器人左右轮速度,并充分利用折线路径的短距离优势,为避障机器人创建一条最短路径;以基于周期性预测在同个时间轴上的相交作为碰撞信号,来减少每个周期的重复性计算时间.实验结果表明,该方法能大大提高机器人路径规划的速度,降低不同周期上路径规划结果不一致导致的运动震荡.     

无标度网络中的链路预测问题研究

研究无标度网络中的链路预测问题。针对人造网络和实际社会网络,分别介绍静态和动态2种链路预测的实现过程,探究利用相似性进行链路预测的可行性,并验证多种相似度计算方法的准确性。对预测结果进行有效性分析,同时根据不同网络特性给出相应的预测算法。