基于IPSO-RELM转炉冶炼终点锰含量预测模型

分析了影响转炉冶炼终点钢水中锰含量的因素,针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢,预测精度低等问题,提出了一种基于极限学习机(ELM)算法建模的新思路,并引入正则化以及改进粒子群优化算法(IPSO),建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM)的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证,并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明,采用IPSO-RELM方法构建的模型,锰含量预测误差在±0. 025%范围内的命中率达到94%,均方误差为2. 18×10~(-8),拟合优度R2为0. 72,上述三项指标均显著优于其他三类模型,此外,该模型还具有良好的泛化能力,对于转炉实际冶炼过程具有一定的指导意义.     

趋势面拟合法在土地勘测中的应用

在大区域土地勘测工作过程中,监测指标的监测点不可能密布整个勘测区域,为提高土地勘测定界工作的科学性及合理性,通过空间插值的方法建立区域表面拟合模型。采用链表的形式列出区域边界,使用射线法判断插值点与边界的拓扑关系,并引入权重的思想建立加权移动趋势面拟合法模型。模型拟合优度系数R2＝0.934,显著性检验结果F＝11.322,大于标准值6.26,表明加权移动趋势面拟合法模型优度较高,且符合显著性检验的要求,拟合结果可靠,可从宏观上了解整个区域监测指标的分布及变化规律。     

基坑围护结构深层水平累计位移多项式回归预测

对基坑深层水平位移最大处的累计位移进行了预测分析,通过三次和二次多项式回归拟合建立了预测模型,并应用模型进行了外推预测。试验结果表明,从建立模型的拟合优度角度看,三次和二次多项式回归拟合都非常好,整体上三次多项式回归拟合优于二次多项式回归拟合;从模型外推预测能力看,在外推预测周期较少的情况下,三次回归拟合和二次回归拟合没有明显区别,在外推周期加大的情况下,二次回归拟合明显优于三次回归拟合。     

提高96659热线服务满意率实施方案

96659热线作为山东高速特色信息热线服务,其客户群体不断壮大,促使公众对公司的服务质量期望值不断上升。为进一步提高信息服务质量,通过详细制定员工业务培训安排表,合理化设置道路信息提示及语音播报方式,分类管理"问题客户"的方法,提高了信息服务质量。     

基于加权组合预测模型的城市用水量预测

介绍了移动算术平均预测法和BP神经网络理论在城市用水量预测方面的应用,并运用组合权系数优化理论,将移动算术平均预测法模型和BP神经网络预测模型进行加权组合。经吉首市实例验证,表明加权组合预测模型较单一的移动算术平均预测法模型和BP神经网络预测模型更全面,计算结果更精确,拟合效果更好。该模型能为我国中小城市用水量预测提供参考。     

基于LSTM算法的严寒地区办公建筑过渡季室内温度预测模型构建

预测控制方法作为改善用户舒适性和降低建筑能耗的重要手段之一,其关键是室内温度预测模型的建立。由于寒地过渡季建筑的室内温度受室外温度影响较大,本文引入了长短时记忆网络(LSTM)这一算法,该算法能学习室内温度和室外温度的内在联系,预测室内温度在室外温度影响下的变化,同时可以有效处理具有滞后性、时序性的物理量关系。通过在哈尔滨某高校教学楼办公室的实测数据,建立LSTM室内温度预测模型,训练并对预测结果进行评估。结果表明,该算法具有较高的准确度,拟合优度达到了98.7%。     

基于ARIMA模型的深圳市空气质量指数时间序列预测研究

目的构建适合深圳市空气质量指数(AQI)预测的自回归移动平均模型(ARIMA),为有效地治理和控制空气污染提供科学依据。方法应用时间序列分析方法对深圳市2014年1月1日—2016年6月30日AQI逐日数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2016年7月1日—2016年7月6日AQI进行预测,并评价其预测效果。结果本研究2014年1月—2016年6月共收集了深圳市912个逐日AQI数据,空气质量级别为优、良和轻度污染的比例分别是48.6%、48.4%和3.0%。经平稳性检验,该原始序列适合进行模型拟合,经过模型拟合诊断发现ARIMA(3,0,1)模型为最优模型,赤池信息准则(AIC值)和贝叶斯信息准则(BIC值)最小,分别为7 364.51和7 393.41,Box-Ljung检验结果 Q值为17.48,P>0.05,模型残差为白噪声序列。2016年7月1日—2016年7月6日AQI预测值与实际值的平均相对误差为16.6%,实际值都在95%可信区间内,建立的ARIMA(3,0,1)模型的拟合精度和预测效果较为理想。结论 ARIMA(3,0,1)模型能较好地模拟深圳市AQI变化趋势,有良好的预测效果。     

复合酶酶解体系下大马哈鱼皮明胶酶解预测模型的建立

通过建立酶传感器-人工神经网络模型,实现对大马哈鱼皮明胶酶解进程的在线监控。采用大马哈鱼皮为原料制备明胶并用胰蛋白酶和碱性蛋白酶组成的复合酶对其进行酶解,分析不同的复合酶质量浓度和比例对水解度和水解液中游离氨基酸质量浓度的影响。以胰蛋白酶质量浓度、碱性蛋白酶质量浓度、底物质量浓度、游离谷氨酸和赖氨酸作为输入参数,水解度作为输出参数,建立酶传感器-人工神经网络预测模型。结果表明:在一定的复合酶酶解条件下,酶解液中游离谷氨酸和赖氨酸含量与其水解度具有显著的相关关系。因此,建立了复合酶酶解体系下游离谷氨酸和赖氨酸质量浓度的酶生物传感器-人工神经网络预测模型。该模型水解度样本值与拟合值的R~2值为0.998,拟合误差为0~4%,平均误差值为0.56%,对样本值拟合度很高。验证实验的相对误差为2.24%~4.66%,实现了大马哈鱼皮明胶在复合酶酶解体系下水解反应进程的预测。     

考虑覆冰厚度的输电线路覆冰增长预测

针对输电线路覆冰过程天气因素复杂、预测精度较差等问题,提出将覆冰厚度纳入特征向量,以覆冰厚度增长率为预测目标,并利用灰色综合关联分析法验证该方法的合理性;同时,将粒子群算法与最小二乘法支持向量机(LS-SVM)结合起来建立预测模型,得到覆冰厚度增长曲线。实例计算结果表明:预测方法改进后,训练集数据的拟合值与实际覆冰厚度的均方误差由0.23降至0.19,下降了17.4%;测试集数据的预测值与实际覆冰厚度的均方误差由5.10降至0.25,下降了95.1%,本预测方法的预测精度得到提高。     

三种城市日用水量预测模型对比研究

为实现科学、安全供水,建立精度高、可靠性强的城市日用水量预测模型,分别运用单指数平滑法、灰色预测方法、BP神经网络三种方法,对A市进行城市日用水量预测,并具体分析了各种方法的优缺点及适用范围.通过优化对比分析,当基础数据较完善时,BP神经网络预测模型精度较高,能较好地满足预测要求.