钼酸盐中微量铁的光度分析

含铁的钼酸铵样品用氨水溶解,以酒石酸掩蔽钼,在pH4.5时以邻菲啰啉和Fe~(2 )离子形成稳定的橙红色络合物,溶液中微量的Fe~(3 )离子以抗坏血酸还原。铁标准溶液,经显色操作后,用72光度计于510nm波长处以3cm比色皿测量吸光值。运用PC-1500微电脑作直线回归分析,得置信度、误差范围,测试样品时将吸光值数据代入公式,即可计算微量铁的含量。     

NVE36船板钢连续冷却转变行为及动力学回归模型

采用热膨胀仪对船板钢NVE36进行了连续冷却转变曲线(CCT曲线)的测定,并用显微镜观察其室温组织,用维氏硬度仪测定了组织硬度.利用Matlab软件平台对实验数据进行处理,建立了相变点温度-冷却速率关系模型及动力学回归模型,回归计算得到该钢种的最优模型系数.最后对比了NVE36钢在连续冷却过程中实验和回归模拟的动力学行为.结果表明计算值与实验值吻合很好,证明所建立模型的合理性及数据处理方法的可行性.     

抑制代理成本提升公司价值了吗?——来自沪、深两市非金融类A股上市公司的经验证据

以沪、深两市非金融类A股上市公司2005～2009年的混合数据为研究对象,运用双变量回归(bivariate regression)、复回归(multiple regression)及协方差回归(ANAC()VA)等计量方法,实证考察权益代理成本与公司价值间的关联性,研究结果表明,当权益代理成本降低时,我国上市公司的市场价值(托宾Q值)和财务业绩(ROA)均得到显著提高;且在引入内外部监督机制、管理层激励机制及股权结构特征三重约束后,二者的反向关联性仍维持稳定.此结论为代理成本理论增添了新的经验证据,即提升上市公司自身价值,保障投资者权益的有效途径之一就是降低代理成本.     

中厚板轧制过程智能化温度预报模型

 采用有限元(FEM)程序模拟计算了中厚板轧制过程中的温度变化,得到与实测温度符合甚好的模拟结果。以模拟计算结果为基础,建立了BP神经网络和回归温度预报模型。采用两种模型对中厚板热轧过程中轧件表面温度变化情况进行了预报。结果表明,神经元网络模型的预报值较回归模型更接近FEM模拟计算值和实测值,可将神经元网络模型应用于中厚板轧制过程中轧件表面温度变化的在线预报。     

多元线性回归分析在内蒙古查干布拉根矿区矿石体重计算中的应用

位于内蒙古的查干布拉根矿床是一处受构造控制的脉状铅锌银矿床,本文通过多元线性回归分析法对其小体重计算得出的数据进行了校正,并且通过F统计量对回归方程的显著性进行检验,通过t-stat(t检验值)与P-value(P值)两个统计量对于每个回归系数显著性进行了检验。     

中国黄金期货市场套期保值功能实证研究

通过对上海期货交易所黄金期货合约上市以来2008年1月至2009年12月共82个期货价格和现货价格的周数据、60个旬数据、41个双周数据和20个四周数据的实证研究,运用传统回归模型(OLS)、双变量向量自回归模型(B- VAR)、误差修正套期保值模型(ECHM)、误差修正GARCH模型(EC-GARCH)对样本数据进行...     

低合金钢海水腐蚀监测中的双率数据处理与建模

随着物联网技术的发展,前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实,从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题,提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先,通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优;然后,建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据,能够更多地保留原始数据信息;最后,给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR),并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明:相比于均值方法处理双率腐蚀数据,所提方法将建模样本数量由196提升到了1834;相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法,所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963,在各项指标上均优于对比算法,说明所提模型不仅减少了信息损失还提高了建模精度,对于双率海水腐蚀数据建模具有一定现实意义。      

钢板水冷过程换热系数建模的一种实用方法

为求解换热系数模型,以大量现场数据与热传递机制为基础,建立换热系数回归模型并使用ANSYS有限元软件对钢板冷却过程进行模拟,获取淬火过程中间数据。通过非线性回归算法对模型参数进行回归计算,最终取得整个淬火过程的换热系数公式。解决了现场无法测量淬火过程温度值,难以求解换热系数的难题。     

基于改进PLS方法的便携LIBS废钢成分定量分析

为增加工业中废钢资源的转化利用效率，需依据其元素含量鉴别废钢类型。采用激光诱导击穿光谱(LIBS)技术结合基于主成分分析的偏最小二乘回归(PLSR)的机器学习算法，对26组钢铁标准样品的元素含量进行了定量分析和研究。通过自主研发的便携LIBS废钢成分检测仪采集光谱数据，对其进行基线校正，筛选对应元素特征谱线数据和归一化的光谱数据作为模型输入，将光谱数据划分为训练集和测试集进行建模分析，并采用留一交叉验证法(Leave-One-Out Cross Validation)确定模型最优潜变量指标。C、Cu、Mn、Mo、Cr、Ni、Si、V、Al、Ti元素模型在测试集上的相关决定系数(R²)、均方根误差(RMSE)、残差平方和(PRESS)和平均绝对误差(MAE)平均为97.86%、0.030 6、0.284、0.036 5。结果表明，以偏最小二乘回归算法结合LIBS技术建立的废钢元素含量预测模型具有较好的泛化能力与分类性能，拥有更好的预测准确性和鲁棒性，能够满足在钢铁冶炼工程中废钢成分的快速稳定分析和检测要求。     

我国进口铜精矿有害元素统计分析

对我国近年361批次、28个进口国(地区)的进口铜精矿中汞、镉、砷、铅、氟等5个有害元素含量进行了总体统计分析,使用Q-Q图进行数据正态性验证,采用自举法对原始数据样本值重复取样以获得稳健的有害元素含量代表值估计及标准偏差,同时,也对有害元素含量数据的国别分布和频率分布进行统计分析,给出了初步的风险分析建议。     

钛合金相变点预测模型的构建和评估

基于西北有色金属研究院实际生产中统计的321组钛合金铸锭化学成分与相变点数据,构建了预测钛合金(α+β)/β相变点的人工神经网络模型和多元线性回归模型,并对模型的准确性进行了评价分析。结果显示,多元线性回归模型的训练值及预测值与(α+β)/β相变点实际值的相关性系数分别为0.761 05和0.809 93,而人工神经网络模型的相关性系数分别为0.927 21和0.818 51,具有更好的相关性。人工神经网络模型的平均绝对误差为4.02℃,相比多元线性回归模型(平均绝对误差为5.11℃)具有更高的精度,可以更好地描述合金元素与钛合金(α+β)/β相变点之间的非线性关系。     

转炉终渣成分和溅渣时间数据驱动预测模型开发

基于260 t转炉实际生产数据，通过机器学习算法XGBoost(eXtreme Gradient Boosting,极限梯度提升树)、弹性回归、线性回归、AdaBoost(Adaptive Boosting,自适应提升树)四种算法建立了终渣主要成分CaO、SiO₂、TFe和MgO的预测模型。通过优化调参，XGBoost终渣成分预测模型的决定系数R²均在0.8以上。溅渣时间模型采用SVR(Support Vector Regression,支持向量机回归)、LGBM (Light Gradient Boosting Machine,轻量梯度提升机回归)、GBDT(Gradient Boosting Decision Tree,梯度提升树回归)、RF(Random Forest,随机森林)和XGBoost五种算法进行建模。通过探究，将SVR、XGBoost、GBDT算法使用集成方法得到Stacking集成溅渣时间预测模型，Stacking集成溅渣时间预测模型提升了单个模型的预测效果，偏差为±20 s的预测命中率达89.95%。     

灰色理论在边坡预测中的应用研究

传统的GM(1,1)灰色理论模型,一般适用于等时距数据序列的模拟预测。本文针对数据序列本身要满足灰指数规律,当灰数据发生跨越增长的时候,采用传统的GM(1,1)模型预测精度比较差,而且从GM(1,1)模型的建模基础考虑,预测精度受初始值和背景值影响很大,由于客观条件的影响,边坡数据序列的获得有的时候不可能达到严格的等时距的数据序列,从而建立起适合边坡变形值预测的GM(1,1)模型。     

基于GP模型和无监督SVM算法的冷水机组的故障检测与诊断

介绍了一种基于机器学习的故障检测算法,该算法利用非线性回归器估计被测组件对外部变量的响应,并将其应用于暖通空调冷水机组的故障检测。基于参数先验和观测值的条件似然,采用高斯过程(GP)回归算法建立可预测的概率模型。然后,预测误差与估计方差作为支持向量机(SVM)异常检测器的输入,该检测器能够以无监督的方式检测冷水机组的故障,从而实现在线故障诊断。从实验中可以看出,该算法改进了标准异常检测。     

金红石型颜料钛白消色力与盐处理煅烧影响因素回归关系

以低浓度工业钛液所制偏钛酸为原料,采用四元二次回归正交组合设计考察盐处理剂加量(锌盐、钾盐、磷盐)和煅烧段最高温度的正交交互作用影响,对偏钛酸进行粒度、XRD表征分析,并测试样品消色力指标,建立有效回归模型,预测钛白质量。最佳盐处理煅烧条件为:ZnO 0.36%,K_2O 0.70%,P_2O_50.20%,高温段煅烧温度850℃,试验值与预测值吻合度较好。     

爆炸冲击合成法制备氮化碳粉末的研究

以黑索今炸药(RDX)为高温、高压源,以双氰胺(C2H4N4)为主要前驱体,采用爆炸冲击合成法制备了含C-N的氮化碳粉末。采用扫描电子显微镜(SEM)、X射线衍射(XRD)、傅里叶红外光谱(FTIR)和X射线能谱(EDS)分析了样品的形貌、成分和结构。研究结果表明:XRD测试数据与理论计算值吻合得很好,样品中同时含有α-C3N4、β-C3N4以及晶间相;样品中C、N元素质量比为1∶2.98,两种元素主要以C—N的形式成键。     

LiBr-[BMIM]Cl/H2O新型三元工质对的密度、黏度、比热容及比焓

在前期研究的基础上, 对LiBr-[BMIM]Cl/H₂O三元工质对的其他重要热力学数据进行了系统地测定, 包括密度、黏度、比热容和比焓.采用最小二乘法对测定的热力学数据进行回归, 得到了物性方程; 实验值与物性方程计算值的平均绝对相对偏差(average absolute relative deviation, AARD)分别为0.03%、1.10%、0.29%和0.01%.除了结晶温度和腐蚀性, 黏度是影响工质对实际应用的另外一个重要因素, LiBr-[BMIM]Cl/H₂O三元工质对的运动黏度小于25 mm2·s-1, 满足实际应用要求, 且很好地改善了离子液体的高黏度问题.      

里氏硬度值与布氏硬度值、洛氏硬度值的关系

利用回归法推测里氏硬度值与洛氏、布氏硬度值的关系,并验证里氏硬度计在生产和现场检验中,可以利用里氏硬度计代替其他硬度计测定诸如洛氏、布氏硬度值,数据精度较可靠。     

生物氧化预处理ORP实时动态精准预测研究

提出基于相空间重构理论和学习型狼群算法优化最小二乘支持向量回归机(LSSVR)的氧化还原电位(ORP)实时动态精准预测方法。以生物氧化预处理过程中采集到的ORP数据为研究对象,采用小波分析滤除ORP数据中的噪声,以相空间重构的ORP时间序列训练LSSVR预测模型。为了提高模型的泛化能力,提出学习型狼群算法优化LSSVR模型参数,并用时间窗口平移化方法和反馈校正法分别对模型和预测输出进行更新和修正。试验结果对比表明所提方法可行有效。     

基于卡尔曼滤波与机器学习的激光诱导击穿光谱钢铁多元素定量分析探究

针对钢铁冶炼过程中微量元素定量分析问题，对钢样中的Mn、P、S和C元素进行离线定量分析，并为熔融状态下钢水成分在线检测进行前期离线预研工作。通过激光诱导击穿光谱(LIBS)技术研究钢铁的光谱特性，提出使用卡尔曼滤波(KF)对光谱进行降噪处理，并将其与偏最小二乘回归(PLSR)、支持向量回归(SVR)、随机森林(RF)机器学习模型结合，建立各元素的定量分析模型，采用K折交叉验证和网格搜索法对模型的结构参数进行调优，在LIBS技术基础上实现钢铁元素的定量分析。结果显示，KF-SVR预测模型对Mn和C元素的预测性能最优，其测试集的决定系数(R²)均高达0.999 9,均方根误差(RMSE)分别为0.020 8%、0.021 3%;KF-PLSR预测模型对P和S元素的预测性能最优，其测试集的R²值分别为0.999 8、0.999 9,RMSE分别为0.006 0%、0.002 8%;结合KF后3种机器学习模型的R²值均高于0.996。研究结果表明，将KF用于LIBS光谱数据的预处理可有效提高光谱的信噪比，改善光谱质量，并将其与机...