基于灰色BP神经网络的水泥强度预测模型研究

水泥强度的预测具有多变量、非线性和大时滞特性,因此传统线性回归方法的结果不准确。除此之外,传统的神经网络预测可能对少量样本不够精确。本文建立灰色BP模型,以此来预测水泥的强度。建立一个多因素灰色模型GM(1,N)用于水泥化学成分的样本数据进行预处理,得到新的数据来作为建立预测模型的样本数据,通过BP神经网络建立预测模型。最终通过建立的灰色BP神经网络预测模型来预测28天水泥强度。仿真结果表明:灰色BP预测模型的效果比BP预测的要准确。     

基于多传感器技术的原油含水率预测模型研究

通过多传感器技术对原油含水率测量有影响的多个参量进行测定,提出基于多元非线性回归和神经网络融合处理两种方法建立原油含水率预测模型,并采用分段建模的方法分别进行改进.评价结果表明:神经网络模型预测效果优于多元非线性回归模型,原油含水率分段预测模型效果优于统一模型.尤其是改进的神经网络分段预测模型具有网络结构简化、收敛速度快,泛化能力强的特点,取得很好的拟合精度和预测效果.     

灰色系统在固井中的应用

为实现固井质量预测，建立了一种基于灰色系统的固井质量预测模型。该模型采用灰色系统对影响固井质量的众多因素做关联分析找出主要因素和次要因素，依据主要因素建立G（1，N）灰色预测模型对固井质量进行了多因素影响下的系统预测。     

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。     

灰色系统理论在用水指标预测中的应用

根据灰色系统理论,针对用水量指标建立了灰色预测模型GM(1,1),给出GM(1,1)模型的求解方法,并以实际用水量指标验证了该模型的预测结果优于传统的预测方法,具有一定的实用价值,也为今后水务统计管理提供了新的思路和理论支撑。     

徐深气田CO_2腐蚀速率预测方法研究

通过室内CO2腐蚀模拟实验获得实验数据,利用灰色理论对CO2腐蚀参数进行分析确定CO2腐蚀的主要影响因素,建立BP神经网络腐蚀速率预测模型,利用主要影响因素进行网络训练。利用此模型预测徐深气田某井的腐蚀剖面,预测结果表明：BP神经网络预测结果与气井实验结果接近,体现了BP神经网络在处理非线性数据方面的优越性。灰色理论、神经网络预测模型的研究对于徐深气田CO2腐蚀研究有一定的指导意义。     

基于R/S分析法的矿井涌水量时间序列分析及定量预测

基于R/S分析法对矿井涌水量时间序列进行了分形刻画,结合灰色预测理论对某矿井涌水量进行了定量预测,结果表明:2011-2017年季度涌水量时间序列的Hurst指数估计值与1极为接近,说明时间序列具有长程相关性,且持续性极强;Hurst指数有效性验证结果显示,研究区原始的矿井涌水量时间序列存在记忆性,为有偏布朗运动,涌水量时间序列的平均循环周期为5个季度;基于2011-2017年季度涌水量数据建立的灰色预测模型、R/S灰色预测模型的建模精度分别为81.35%、97.56%,对2018年季度涌水量时间序列的预测精度分别为81.76%、89.06%;R/S灰色预测模型兼具灰色预测及R/S分析的特点,相比R/S分析能实现定量预测,相比灰色预测能提高预测精度,在水文地质条件不明或研究程度较低的情况下具有较大的应用潜力。     

活性炭吸附甲基橙模拟废水预测模型研究

分别采用BP人工神经网络算法及多元线性回归法,以实验所得的36组数据为样本,建立了以吸附时间、活性炭投加量及甲基橙废水浓度为输入变量,以活性炭吸附处理后甲基橙溶液的吸光度为输出变量的吸附预测模型,并进行了两模型预测效果的对比。结果表明,BP神经网络模型获得了比多元线性回归更好的拟合预测效果。使用BP神经网络模型可以实现同时考虑三个操作因素条件下活性炭吸附特性的预测,而且预测结果与实验数据吻合度较高,其预测样本最大和最小相对偏差分别为2.92%和0.029%,残差绝对值小于0.050 5。     

煤炭发热量的二次回归方程预测分析

以灰分、全水分为煤样指标建模了煤炭发热量的非线性二次回归预测模型,通过测试及对比,该模型具有较高的预测精度,预测结果能够满足工程需要,预测效果优于线性回归模型及神经网络模型等。另外,该预测模型还具有容易程序实现、操作简便等特点     

基于非等间距GM_GRNN组合模型的转炉应用

建立以终点碳和温度为间距的氧气用量非等间距灰色数列预测模型,并利用广义回归神经网络对灰模预测结果进行非线性组合优化,得到氧气质量的综合预测值.通过采集到的某钢厂实际生产数据,建立氧气质量的组合预测模型,得到平均相对精度达到97.39％的一步预测值.验证结果表明该组合模型是准确而有效的.     

水驱开发油田高含水期综合含水率灰色理论预测

水驱开发油田进入高含水生产阶段,综合含水率的预测对于油田开发动态分析以及注水开发方案调整就显得尤为重要。灰色预测理论实质上是一种动态趋势预测的定量化,用于油田综合含水率变化的宏观预测所需的样本（数据、项目）数较少而可靠性较高。本文从灰色理论的基本原理入手,阐述了综合含水率变化的灰色预测模型的建立过程,并以尕斯库勒油田深层油藏为例建立了灰色预测模型。     

蓝藻生长时变系统非线性动力学分析及水华预测方法

为解决现有蓝藻生长动力学模型难以有效描述实际水体中蓝藻生长时变系统的非线性动力学特性,导致水华预测准确性不高的问题,构建蓝藻摄食和营养盐循环模型,并考虑水温、光照等主要影响因素随时间变化对蓝藻生长的影响,进一步建立蓝藻生长时变系统非线性动力学模型,对其常值参数采用遗传算法与数值算法结合的方法进行优化率定,对其时变参数采用多元时序方法进行建模预测,根据分岔理论及时变系统理论分析水华暴发行为的非线性动力学机理,实现对蓝藻生长时变系统的水华预测。通过太湖流域监测实例表明,与现有研究相比,引入时变参数的蓝藻生长动力学模型更能反映蓝藻生长时变系统下水华暴发行为的非线性动力学特性,其水华预测结果更为准确。     

惠民生物质电厂给排水设计及节水措施

鉴于生物质电厂给排水的特点,以国能惠民电厂为例,探讨生物质电厂给排水的典型设计,对电厂各类用水进行了全面规划,采取了多种节水措施,建立合理的水量平衡系统,做到了一水多用,废水回用,努力降低全厂各用水系统的用、排水量.     

基于灰色GM(1,1)模型的瓷砖出口量的模拟与预测

以原始时间序列数据为基础,建立瓷砖出口量的模拟和预测改进的GM(1,1)模型,通过实例证明了本文提出的改进模型的精度比常规模型的精度要高,预测结果能为我国建筑陶瓷行业制定经营决策和出口政策提供参考。     

Nonlinear Factor-Augmented Predictive Regression Models with Functional Coefficients

This article introduces a new class of functional-coefficient predictive regression models, where the regressors consist of auto-regressors and latent factor regressors, and the coefficients vary with certain index variable. The unobservable factor regressors are estimated through imposing an approximate factor model on high dimensional exogenous variables and subsequently implementing the classical principal component analysis. With the estimated factor regressors, a local linear smoothing method is used to estimate the coefficient functions (with appropriate rotation) and obtain a one-step ahead nonlinear forecast of the response variable, and then a wild bootstrap procedure is introduced to construct the prediction interval. Under regularity conditions, the asymptotic properties of the proposed methods are derived, showing that the local linear estimator and the nonlinear forecast using the estimated factor regressors are asymptotically equivalent to those using the true latent factor regressors. The developed model and methodology are further generalized to the factor-augmented vector predictive regression with functional coefficients. Finally, some extensive simulation studies and an empirical application to forecast the UK inflation are given to examine the finite-sample performance of the proposed model and methodology.     

化工厂配套小型供热式火力发电厂给水排水系统节水设计探讨

在研究分析某化工厂配套小型供热式火力发电厂用水排水系统设计的基础上,总结出该厂设计用水、排水及节水经验,并在此经验基础上进一步提出用水、排水及节水方案措施,为公司及同行业类似火力发电厂在以后的给水排水系统设计中提供宝贵的经验以供参考。     

Multivariate time delay analysis based local KPCA fault prognosis approach for nonlinear processes☆

Currently, some fault prognosis technology occasionally has relatively unsatisfied performance especially for in-cipient faults in nonlinear processes duo to their large time delay and complex internal connection. To overcome this deficiency, multivariate time delay analysis is incorporated into the high sensitive local kernel principal com-ponent analysis. In this approach, mutual information estimation and Bayesian information criterion (BIC) are separately used to acquire the correlation degree and time delay of the process variables. Moreover, in order to achieve prediction, time series prediction by back propagation (BP) network is applied whose input is multivar-iate correlated time series other than the original time series. Then the multivariate time delayed series and future values obtained by time series prediction are combined to construct the input of local kernel principal component analysis (LKPCA) model for incipient fault prognosis. The new method has been exemplified in a sim-ple nonlinear process and the complicated Tennessee Eastman (TE) benchmark process. The results indicate that the new method has superiority in the fault prognosis sensitivity over other traditional fault prognosis methods. ? 2016 The Chemical Industry and Engineering Society of China, and Chemical Industry Press. Al rights reserved.     

LSTM模型在海绵城市建设中的应用

针对海绵城市给排水规划设计中排水性路面建设难、流体管网充满度预测不准确等问题,提出了一种渗透性路面来解决城市内涝问题,并对其建设方式和使用材料进行了说明,同时为了对规划流体管网的排水能力进行预测,将LSTM神经网络和卷积神经网络结合,提出一种改进的LSTM模型对流体管网充满度进行预测。最后,对文中的透水性路面性能和流体管网充满度预测算法进行试验。试验结果表明,渗透性路面的排水能力和降噪能力效果显著,改进后的LSTM模型预测结果准确度提高了2%。预测时间缩短了3倍,大大提高了预测效率。     

Profit Loop在循环流化床锅炉水位控制中的应用

为了获得更高品质的水位调节效果,提高电厂的生产经济效益,采用了一种新型的单输入单输出模型预测控制器Profit Loop对锅炉汽包水位进行控制,并设计了汽包水位控制系统的方案及其组态设计过程。经过现场验证:采用Profit Loop控制汽包水位系统能够取得很好的控制效果。