阀厅连接金具温升模糊预测策略

针对阀厅连接金具的温升问题,提出基于模糊系统的温升预测策略,并用此方法对连接金具的温升进行预测。通过阀厅连接金具温升试验得到训练与测试数据。利用训练数据通过梯度下降算法训练模糊系统,建立相应温升模型,然后用测试数据进行测试,检验模型可靠性,相对误差平均值为8.04%,测试结果合理。用回归分析对阀厅连接金具的温升进行预测,并与模糊系统进行比较,模糊系统预测的相对误差平均值比回归分析降低了5.56%。预测与比较结果说明,模糊系统在阀厅连接金具温升预测方面具有优势。     

基于模糊系统的温升计算新方法

针对传统温升计算方法的缺陷,提出了结合模糊系统的温升计算新方法,运用新方法对阀厅金具温升进行计算.通过阀厅金具温升试验得到足量数据,将所有数据分成训练数据与测试数据,要求训练数据代表样本空间的主要特征.将基本粒子群算法与梯度下降算法结合,得到改进粒子群算法.利用训练数据训练模糊系统,所用算法依次为基本粒子群算法、梯度法、改进算法,改进算法的收敛效果最好.运用回归分析对相应温升进行计算.通过测试检测各模型可靠性,结果说明通过改进粒子群算法训练模糊系统计算温升是可行的.     

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。     

基于模糊系统的接触电阻预测算法研究

运用模糊系统对接触电阻进行预测,通过试验得到试验数据,将试验数据分成训练数据与测试数据,训练数据用于训练模糊系统,测试数据用于测试模糊系统。将梯度下降算法与禁忌搜索算法混合得到改进禁忌搜索算法,训练模糊系统,所用算法依次为梯度下降算法、禁忌搜索算法、所得改进算法,并建立相应的接触电阻回归模型。对所得模型进行测试,结果表明,由改进算法训练模糊系统所得接触电阻模型的测试结果优于其他模型,并且该方法预测接触电阻精确可靠。     

最小二乘优化模糊系统的接触电阻计算方法

根据接触电阻的特点,运用模糊系统对其进行计算。设计试验得到训练数据与测试数据,通过训练数据训练模糊系统,建立相应模型,训练算法为递推最小二乘结合禁忌搜索算法。通过回归分析建立相应模型。通过测试数据测试所建立的两种模型,并比较,接触电阻的模糊系统模型的测试结果优于回归分析,比较结果表明模糊系统适用于接触电阻的计算。     

接触电阻建模新方法

根据接触电阻的特点与以往接触电阻计算方法存在的不足,运用结合模糊逻辑的智能计算方法对接触电阻进行计算.根据接触电阻与影响因素之间的关系进行试验,得到大量试验数据,将试验数据分成训练数据与测试数据两部分,训练数据用于训练模糊系统,测试数据用来测试模糊系统,检验其可靠性.通过训练数据运用梯度下降结合模拟退火算法训练模糊系统,建立接触电阻模型,运用回归分析对接触电阻进行计算.通过测试数据测试两种模型,基于模糊系统的模型优于回归分析,说明用梯度下降结合模拟退火算法训练模糊系统建立的接触电阻模型精确可靠.     

基于支持向量机的拉脱法测强预测模型研究

利用支持向量机智能模型对拉脱法检测混凝土强度进行建模分析,确定试验数据中拉脱强度值为输入量,混凝土强度值为输出量,进行训练预测,结果表明该方法精度要优于传统回归方法,可以作为拉脱法测强数据处理的一种新方法。     

P300信号分类的多样本融合支持向量机算法

脑电信号是大脑受到自发或诱发刺激所产生的一种变化的脑电活动,利用结合了多样本融合思想的支持向量机（SVM）算法,在不同受试者的多样本数据上对诱发脑电信号中的P300信号进行了分类识别。首先对实验数据进行预处理和特征提取,然后利用SVM算法训练分类模型,最后通过融合多个样本的预测结果对测试数据的P300信号进行识别。结果表明,相比单样本SVM算法该方法对检测数据有较高的分类准确率,能够成为P300脑电信号预测的较好方法,具有应用前景。     

全矢支持向量回归频谱预测方法

为了对机械设备进行故障类型和故障部位的准确预测,提出了全矢支持向量回归的频谱预测新方法.该方法使用全矢谱信息融合技术对同源双通道信号进行信息融合,采用支持向量回归对全矢谱特征参数进行预测,保证了训练数据信息的全面性以及预测结果的准确性.该方法对振动信号的频谱结构分布情况进行准确预测,从而为对机组的故障类型和故障部位预测奠定技术基础.通过对某1 000MW汽轮机轴振进行频谱预测验证结果表明,该方法在对振动信号频谱结构特征进行预测方面具有较高的预测准确性.     

基于LSTM网络预测的水轮机机组运行状态检测

利用长短期记忆(long short-term memory, LSTM)网络对水轮机机组的运行状态进行预测。对水轮机机组的流式监测数据进行标准化处理,并利用滑动窗口技术将数据转换为LSTM网络训练所需的训练数据集与测试数据集;给出LSTM预测模型结构,并通过调节网络层数、隐层神经元数目等参数对模型进行优化,建立水轮机机组的时间序列数据预测模型。经试验分析验证,与其它模型相比,基于多测点的多元长短期记忆网络预测模型具备更高的预测精度,并基于改进的雷达图分析法计算健康偏离度,成功地检测出某水电厂5号水轮机机组5月末的数据出现异常,验证了模型的有效性。     

基于LSTM网络预测的水轮机机组运行状态检测

利用长短期记忆(long short-term memory, LSTM)网络对水轮机机组的运行状态进行预测。对水轮机机组的流式监测数据进行标准化处理,并利用滑动窗口技术将数据转换为LSTM网络训练所需的训练数据集与测试数据集;给出LSTM预测模型结构,并通过调节网络层数、隐层神经元数目等参数对模型进行优化,建立水轮机机组的时间序列数据预测模型。经试验分析验证,与其它模型相比,基于多测点的多元长短期记忆网络预测模型具备更高的预测精度,并基于改进的雷达图分析法计算健康偏离度,成功地检测出某水电厂5号水轮机机组5月末的数据出现异常,验证了模型的有效性。     

一种基于改进万有引力和支持向量机的数据校正方法

针对在线数据校正效果差的问题,提出了一种基于改进万有引力和支持向量机的数据校正方法.首先为了减小计算量,对万有引力算法中的适应度函数进行改进,利用改进的万有引力算法对影响支持向量机性能的重要参数进行优化.然后利用少数准确的离线试验数据对支持向量机回归模型进行训练,当在线监测的历史或实时数据不在回归模型允许偏差范围内时,通过回归模型对异常数据进行校正.最后通过实际数据对提出的方法进行验证,结果证明了该方法的可行性和有效性.     

预测混合生物质灰熔点的CV-GA-SVM模型

为了更加快速、精确地对混合生物质灰熔点进行预测,利用交叉验证(cross validation,CV)方法进一步优化了前人提出的经遗传算法(genetic algorithm,GA)优化的支持向量机(support vector machine,SVM)回归模型。以灰成分作为输入量,灰熔点为输出量,以单生物质数据训练该模型,对混合生物质灰熔点进行了预测;并与仅经GA优化模型的预测结果进行了比较。研究结果表明:经GA与CV优化的SVM模型对混合生物质灰熔点进行预测,平均绝对误差为25。0℃,平均相对误差为2。7％,比仅经GA优化的SVM模型预测结果更为精确;适当地设置相关参数可以节省程序运行时间。     

基于EMD的多尺度混合模型及在气象数据中的应用

利用经验模态分解(Empirical Mode Decomposition,EMD)对气象数据进行多尺度分析,探究气象数据的复杂性特征。将EMD和支持向量回归(Support Vector Regression,SVR)相结合建立多尺度混合模型对气温数据进行建模预测,并将建立的模型与现有非平稳数据的建模方法进行比较。实证分析表明,基于EMD的多尺度混合模型在预测结果的均方误差和平均绝对误差方面,比SVR方法提高了0.694和0.237,比ARIMA方法提高了0.439和0.159,因此更适合气象数据的建模与预测。     

模型树和支持向量回归在高光谱遥感中的应用

利用连续植被辐射传输模型（SAIL模型）模拟生成小麦冠层反射率数据，比较了数据挖掘中的新方法模型树、支持向量回归与传统的逐步回归用于高光谱数据定量预测的效果．结果表明：支持向量回归和模型树的预测精度都要远远高于逐步回归，在训练样本数量减少时，它们的优势更加明显；支持向量回归在高维空间中有很好的泛化能力，其预测精度随维数的增加呈持续上升的趋势；模型树的预测精度在低维条件下和支持向量回归相仿，但在高维条件下则比支持向量回归差很多，通过逐步回归的特征选择预处理，可以提高模型树的预测精度，缩小其与支持向量回归之间的差距．     

人工神经网络和灰色预测客运量方法的比较

根据灰色理论、数据序列作累加运算后得到的新数据序列的规律性好于前者,数据曲线变得比以前光滑。因此将以往客流量数据先作累加,然后根据新生成的数据序列,利用人工神经网络方法对未来的客运量进行预测。算例表明,将人工神经网络与灰色模型的运算结果进行比较,可知尽管人工神经网络所需训练数据比灰色模型多,但是其对数据的适应能力和精确性强于灰色模型。最后通过比较几种神经网络模型和传递函数,可知使用BP神经网络和双曲型正切函数,可以较好地用于客运量的短期预测。     

人口预测的一种综合分析方法

用江苏人口统计数据求得本省的Ｌｏｇｉｓｔｉｃ 模型， Ｌｅｓｌｉｅ 模型， 线性回归模型， 比较了各自优缺点， 发现用Ｌｅｓｌｉｅ 模型在中长期预测中较好， 尤其在人口转折时期， 而用线性回归模型在短期预测较好， 因此将Ｌｅｓｌｉｅ 模型与线性回归模型相结合进行人口预测比单独使用更好， 并用数据进行了预测分析， 将预测结果与实际值比较， 发现与实际符合更好。     

SSA-SARIMA组合模型的桥梁健康状态预测

为了预测桥梁未来状态,考虑奇异谱分析（SSA）和季节性差分自回归滑动平均（SARIMA）模型的特点,提出将二者结合以实现优势互补。利用SSA提取数据中的趋势项、季节项及高频项;采用SSA和SARIMA模型对每项分别进行预测,以选出最优方案重组并验证该方法的有效性;最后,将该方法与SSA和SARIMA模型进行比较,结果表明SSA-SARIMA的组合模型对预测结果的精度有明显的提高。用该方法对实桥数据进行了处理分析,取得了较好的效果。     

Lasso-BP组合模型在鲤鱼价格预测中的应用研究

为了对水产品市场中的水产品价格进行预测,本文以北京地区的鲤鱼市场为例,基于Lasso回归和BP神经网络组合模型,对鲤鱼价格和影响因素进行预测研究。通过Lasso回归对影响因素进行筛选,将筛选出的影响因素输入到BP神经网络中进行训练,并将影响因素数据输入训练后的模型中,即可输出预测价格。同时,选取2017年10月1日至2018年6月17日数据作为测试样本,对测试样本进行归一化处理,并采用本文提出的模型进行实验。实验结果表明,Lasso-BP模型预测值与真实值整体平均误差为2.59%,在价格波动趋势方面,预测数据准确率达96.53%,在价格波动幅度方面,预测结果的波动幅度与真实数据基本相同,平均误差为2.51%,说明模型预测精度较高,预测效果良好,该文模型满足实际生产工作需要,证明Lasso-BP模型能够对鲤鱼价格进行准确预测。该研究具有一定的理论意义和实际意义。     

基于组合优化算法的短期风电功率预测

针对风电功率的长记忆、大波动性特点,提出了一种短期风电功率组合预测算法。利用集合经验模式分解算法在风电功率序列分解过程中添加成对的正负噪声分量,得到的不同复杂度的子序列,提高信号重构精度和分解速度。风电功率子序列的线性分量应用自回归分数积分移动平均模型进行预测,风电功率子序列的非线性分量利用自回归分数积分移动平均模型的残差序列训练优化后的支持向量机模型来进行预测,最后组合得到风电功率预测结果。通过对国内某风电场风电功率数据进行验证,表明该组合预测模型的预测精度更高,且模型具有更好的适应性。