综合权组合预测

在组合预测中，充分考虑各单项模型长期预测效果和近期预测效果，通过实际数据与预测结果的比较，具有较高的预测精度，证明模型的可行性。     

基于SVM的船舶上层建筑舱室噪声预报方法

摘 要：为对舰船舱室噪声进行精确预测,提出了基于SVM（支持向量机）的舱室噪声预测方法。采用RBF核函数和ERBF核函数,以某集装箱船上层建筑舱室噪声为训练样本,建立了两种集装箱船上层建筑舱室噪声的非线性回归模型;并应用两种模型对母型船及另一艘集装箱船上层建筑舱室噪声进行预测,并将预测结果进行了比较分析;在此基础上,应用效果较好的模型对一艘散装货船上层建筑舱室噪声进行预测。预测结果表明：应用SVM非线性回归模型对船舶上层建筑舱室噪声的预测是可行的,预测效果较为理想。     

几种热力学模型应用于二元合金中各组元活度计算的研究

目前,大量二元系合金的活度计算模型得以广泛应用。本文以正规溶液模型,Miedema模型,MIVM,NRTL方程和Wilson方程作为研究模型,将各个模型所需参数进行统计,结果表明:NRTL方程和正规溶液模型所需参数最少,Miedema模型和MIVM所需参数较多,Wilson方程所需参数介于上述模型之间。通过计算Bi-Pb、Bi-Sn、Cd-Pb和Pb-Sn四个二元体系在全成分下的活度及相应活度的平均偏差S,得出:预测效果最好的是NRTL方程;Miedema模型的预测效果较差,其他模型的预测效果介于NRTL方程和Miedema模型之间。     

负荷预测中的组合预测方法与改进分析

组合预测方法是一种优越的组合方法,在电网负荷预测中,通常和多种预测方法结合在一起,如灰色模型、指数平滑模型等,取得很好的预测效果。随着经济快速发展,电网运行体系也不断完善,相应的负荷预测方法必须不断的改进,才能适应现阶段供电需求。本文就负荷预测中的组合预测方法与改进进行分析探讨。     

基于有限集模型预测控制BPMSMS输出性能研究

针对无轴承电机支撑的永磁同步电主轴运行时的电流响应不灵敏、转矩脉动和转子振动等问题,提出基于有限集模型预测控制算法的BPMSMS控制策略。在完整的BPMSMS电压模型基础上,考虑转矩电流和转子位移的影响,进一步推导悬浮绕组模型预测电流方程,建立完整的无轴承永磁同步电主轴模型预测控制下的电流数学模型。根据使用的代价函数分别求出转矩控制和悬浮力控制的最优开关状态量,使得实际电流与参考电流误差更小,以此获得更好的转矩控制效果和转子振动抑制效果。仿真实验结果表明：在有限集模型预测控制下,BPMSMS具有更好的电流跟踪效果,转矩脉动小;在外加负载和干扰力时也能实现转子的稳定悬浮,系统鲁棒性较好。     

基于BPNN-XGBoost组合模型的瓦楞纸板线湿部生产速度预测方法

目的 满足瓦楞纸板行业日益个性化的定制需求,减小复杂多变的生产条件对瓦楞纸生产速度的影响,帮助企业合理安排生产,提高生产线管控水平。方法 首先对瓦楞纸板生产速度进行重采样,统一订单参数和各传感器参数采样间隔,采用ButterWorth滤波器进行高通滤波,并采用四分位距统计量方法筛选稳定的湿部生产速度区间,提取B瓦和BC瓦的数据,然后根据提取的数据使用BP神经网络和XGBoost预测湿部生产速度,并采用贝叶斯优化和网格搜索分别寻优2种模型的超参数,最后使用粒子群算法组合2种模型的预测结果。结果 实验结果表明,2个模型都具有一定的预测能力,其中XGBoost的预测效果更好,组合模型的预测效果最好。结论 基于BPNN-XGBoost组合模型的方法能有效预测瓦楞纸板湿部生产速度,可指导实际生产。     

基于特征选择和违约鉴别的我国上市公司债券违约预警模型研究

为了更好地挖掘债券违约的关键指标,确定有效的违约预警时间窗,建立对不同违约状态预测精度高且精简实用的债券违约预警模型,采用SMOTE方法对非均衡样本进行处理,并基于XGBoost方法,根据违约预警精度高和指标体系规模小反推违约预警模型,并确定最优预警时间窗。研究结果表明,当违约预警时间窗为t-1期时预测效果较好,即用提前一年的指标数据能更好地预测债券是否违约;采用XGBoost的嵌入式特征选择方法建立违约预警模型,将模型训练与指标体系降维同时完成,计算更简便。通过与其他7个常用违约预测方法的计算结果对比,该模型违约预测精度高、降维效果好、计算速度快、可解释性强。     

灰色神经网络模型在电信业务预测中的应用与研究

神经网络由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而基于灰色系统模型神经网络是一种寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务量的主要因素,将神经网络与灰色系统模型有机结合起来,建立了相应的灰色系神经网络模型用于电信业务量的预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于传统的预测方法,而且具有良好的泛化性。     

蜗轮副磨损量的灰色预测法

在灰色理论的基础上,建立了无偏的GM(1,1)模型,扩展了GM(1,1)模型预测使用的范围.并将无偏GM(1,1)用于对蜗轮副磨损数据的预测,获得了满意效果.     

扁平形聚酯纤维Delany-Bazley吸声模型的优化方法

作为经典吸声系数预测模型,Delany-Bazley(DB)模型在纤维材料吸声预测方面一直有着较好的应用与口碑。但对于异形截面聚酯纤维的吸声性能预测,DB模型预测效果却不尽如人意。针对DB模型中对吸声系数预测起重要影响的八个无量纲的常数,以扁平截面聚酯纤维材料为研究对象,通过实际测量纤维材料的流阻数据对DB模型中的常数进行拟合,得到扁平截面聚酯纤维材料的优化吸声模型并开展实验验证。研究结果表明,优化后的DB模型能较精确地分别预测异形截面纤维材料的吸声系数。预测数据和实验数据的误差率由原来的36.64%降低到9.16%,精确度相对提高了75.00%左右。     

基于Stacking集成学习的急诊患者到达预测

急诊患者到达预测是医生排班的基础,是解决急诊拥堵的关键。现有预测多为单一预测算法,针对每天、每月进行,缺乏更短时间预测。构建基于堆叠法(Stacking)集成学习模型的预测方法,分别以小时、天、周为时间单位,对患者到达进行预测,探究不同时间单位的预测效果。在随机森林(RF)、梯度提升决策树(GBDT)、极端梯度提升树(XGB)、Light GBM(LGB)、支持向量回归(SVR)、K近邻学习(KNN)中选择预测效果较佳的方法作为Stacking集成的初级学习器,以线性回归作为次级学习器,进行集成预测。在上海某三甲综合医院的急诊数据集上,考虑气温、降雨、空气质量、节假日等变量预测,试验表明多项指标上,Stacking集成方法优于单模型。预测时间长度越长,预测效果越好。     

基于ARMA模型的水下爆炸冲击谱预测

针对舰船设备抗冲击设计冲击环境预测难的问题,提出了利用自回归滑动平均模型（ARMA模型）预测水下爆炸冲击响应谱的方法,并引入遗传算法优化ARMA模型阶数。理论介绍了舰船设备水下爆炸冲击谱模型及ARMA模型。建模所需样本数据通过对有限元软件仿真输出的冲击响应信号进行去趋势化和平稳化处理获得,根据该样本数据的自相关函数和偏自相关函数统计特性分析,验证了ARMA建模的可行性。在此基础上,利用遗传算法优化后的ARMA模型,对水下爆炸冲击响应信号进行预测,并通过分析预测误差特性评估预测效果。研究结果表明,基于遗传算法优化的ARMA模型可以很好的预测水下爆炸冲击响应信号,从而为舰船设备抗冲击设计提供帮助。     

修正Entropic-FV模型预测聚合物溶液活度

Entropic-FV（EFV）修正模型是对摩尔体积和自由体积线性混合规则修改而获得,模型形式基本不变,也无须增加模型参数.将该修正模型、EFV模型及原修正模型EFV-1.2用于预测25个由PDMS、PS、PVC与苯、甲苯、乙醇等组成的聚合物-溶剂体系的组分活度,并与实验数据进行比较,平均预测偏差分别为7.37%、7.96%、6.90%.结果显示,该修正模型的预测效果优于原模型、且稳定性较好。     

近红外漫反射光谱结合神经网络检测小麦蛋白质含量

为了实现对小麦蛋白质含量的快速检测,提出了基于近红外光谱结合神经网络的小麦蛋白质检测方法.以160个小麦样品为对象,采集其近红外漫反射光谱,并以国标法分析小麦样品蛋白质含量,作为参考值.样品随机分成预测样品集和定标样品集,其光谱经标准归一化、去趋势等预处理后,采用BP神经网络和偏最小二乘法分别建立蛋白质含量定标模型.BP神经网络模型的预测相关系数和预测均方根误差分别为0.98和0.270 4%.而偏最小二乘法模型的预测相关性系数和预测均方根误差分别为0.98和0.303 8%.结果表明,两种方法建立的模型都具有较好的预测相关性和预测效果,其中BP神经网络模型优于偏最小二乘法模型.用非线性BP神经网络结合相应算法建立模型检测小麦蛋白质含量的定标模型可以提高检测准确性.     

模型预测新疆乌鲁木齐地窝堡国际机场客流量的方法和效果分析

机场客流量的预测对于基础未来规划和发展具有重要意义。文章利用灰色系统理论模型和指数平滑模型对新疆乌鲁木齐地窝堡国际机场的客流量进行了预测,并对预测效果进行了总结。     

基于Wiener模型的非线性预测控制研究

针对复杂的非线性预测控制问题,提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.该方法具有良好的控制效果,算法简单且易于实现.两个仿真实例也表明了该方法的有效性.     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。     

基于神经网络方法的高速列车车外气动噪声预测

利用神经网络进行高速列车车外气动噪声预测研究。基于Lighthill声学类比理论,建立高速列车气动噪声计算模型。在此基础上采用Levenberg-Marquardt(LM)算法建立车外气动噪声的神经网络预测模型,选取车外气动噪声样本点对预测模型进行训练,用训练好的神经网络预测模型预测车外气动噪声。结果表明,建立的神经网络模型对车外噪声具有较好的预测效果,可以用来进行高速列车车外噪声预测。     

基于PLC的单值模型算法预测控制器的设计

针对典型的工业一阶生产过程,采用单值模型算法预测控制,完成基于PLC的单值模型算法预测控制器的设计,并以JWS-6/3-4型过程控制装置为对象以流量为被控变量,实现单值模型算法预测控制。实验表明系统控制精度高,抗扰性强,取得实际误差小于0.01m3/h的控制效果,运行稳定,具有一定的实用性和推广性。     

采用Norton模型预测短生命周期产品市场需求

介绍了Norton模型的原理和适用范围,结合短生命周期产品生命周期短、市场需求量波动明显的特点,讨论了Norton模型在短生命周期产品预测中的可行性;经过比较各种参数估计方法,决定采用仿真领域的模拟退火法进行参数估计;最后,以2004年到2006年的国内MP3销售为例,说明了Norton模型在多代短生命周期产品的市场需求预测中有很好的效果,并对预测结果进行了分析讨论.