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。     

考虑平均应变的低周疲劳寿命本征损伤耗散预测方法

金属构件疲劳破坏是工业中常见的破坏形式。为了提高构件疲劳寿命的预测精度，针对低周疲劳载荷下平均应变对疲劳寿命的影响，基于连续介质损伤力学及其不可逆热力学框架，并引入Ramberg-Osgood循环本构模型，以等本征损伤耗散功作为等寿命条件，建立了一种考虑平均应变的低周疲劳寿命预测模型。为对比验证新建模型的有效性和先进性，采用新建模型、修正的Ohji模型、Sandor模型和Wei-Wong模型分别对叠加平均应变的45钢和2124-T851铝合金的低周疲劳寿命进行了预测，并与对应的试验结果进行对比。结果表明：新建模型的预测结果与试验结果吻合较好，其预测效果优于现有模型。基于本征损伤耗散理论的疲劳寿命预测方法为金属材料疲劳寿命的预测提供了新思路。     

人口增长率的时间序列分析

本文分别利用ARIMA模型和残差自回归模型对1952年以来山东省的人口发展趋势建立了模型，并对这两种模型的拟合效果作出评价，得出ARIMA模型拟合精度较高，并预测了未来几年山东省人口的发展趋势，为人口政策调整提供了依据。     

爆破优化的神经网络模型

文章在简要阐述了前馈多层神经网络及其反传算法一般原理的基础上，建立了露天矿爆破效果预测的人工神经网络模型，进而提出了基于神经网络的爆破参数分段优化模型。     

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。     

隔震结构基于灰色预测的振动最优控制

提出对隔震结构实施灰色预测即时控制，采用GM（1，1）模型，推导结构状态向量的灰色预测方程，结合线性二次型最优控制理论（LQR），设计了隔震结构的即时预测控制方案，并研究了其振动控制性能。研究结果表明：对隔震结构再实施主动控制具有控制力小且控制效果好；采用灰色预测控制能有效减小结构振动控制的时滞影响。     

基于相似度特征融合和CNN的滚动轴承剩余寿命预测

滚动轴承作为机械系统中非常重要的部件之一，其剩余使用寿命的精确预测对系统保障具有重大意义。针对单个特征参量对滚动轴承性能退化过程表征的片面性与局限性，提出一种基于相似度特征融合、卷积神经网络的滚动轴承剩余使用寿命预测方法。通过计算时域和频域特征的时间序列与对应时间矢量的皮尔逊相关系数，构造相似度特征，再基于单调性和趋势性对特征进行敏感特征筛选，采用主成分分析法对筛选所得特征进行融合，构建健康指标，将其输入一维卷积神经网络退化模型进行训练，实现对轴承剩余寿命的预测。实例验证，与传统模型相比，该方法有更低的预测误差，对轴承的剩余寿命预测效果较好。     

燕麦生鲜湿面贮藏品质变化及货架期预测模型研究

目的 构建一种新的径向基函数神经网络货架期预测模型。方法 研究不同贮藏温度下燕麦生鲜湿面的微生物、理化等指标的变化情况，通过Pearson相关性分析，筛选影响燕麦生鲜湿面货架期的主要因素，利用微生物生长动力学模型和径向基函数神经网络模型对燕麦生鲜湿面的剩余货架期进行预测。结果 微生物生长动力学模型不能很好地拟合燕麦生鲜湿面菌落总数的变化情况，预测精度较差，径向基函数神经网络预测模型的预测值与实际值的相对误差为2.66%。结论 径向基函数神经网络预测模型的效果较好，为以后食品货架期的预测提供了一定的参考依据。     

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。     

基于KS-GS-SVR的峰值爆破振速预测

为了保证爆破作业时周围建筑物的稳定，需要提高对峰值爆破振动速度预测的准确性。运用Kennard-Stone算法优化训练样本，采用网络搜索算法获得支持向量回归机的最优惩罚系数和核函数参数，构建KS-GS-SVR的峰值爆破振速预测模型。结合湖北铜录山现场露天台阶爆破的振速实测数据，选取影响爆破振动速度的8个主要因素作为模型的输入变量，运用KS-GS-SVR模型进行峰值振速预测，并将KS-GS-SVR模型预测结果分别与GS-SVR、KS-GA-BP、KS-萨氏公式模型预测结果对比分析。结果表明，相比于GS-SVR的预测结果，KS-GS-SVR模型预测结果的平均相对误差降低了4.31%,说明Kennard-Stone算法通过优化训练样本提高了预测精度。KS-GS-SVR模型预测结果的平均相对误差为12.17%,明显低于其他模型，说明KS-GS-SVR模型学习和泛化能力更强，预测精度更高。所构建的预测模型可供类似工程爆破振速峰值预测借鉴。     

基于HJPSO-BP神经网络的广义预测控制在火电厂单元机组协调控制中的研究

随着火力发电的不断发展，大型火电单元机组的控制对象具有复杂、非线性、模型难以建立等特点，因此用传统的控制方法难以得到最佳的运行效果。针对单元机组被控对象的特点，本文将HJPSO算法引入BP神经网络中并建立优化的BP网络模型，克服了标准BP网络在实际应用预测中易陷入局部极小点、收敛速度慢的缺点，结合多变量广义预测控制策略，经过在线滚动优化和反馈校正，实现预测控制，具有适用范围广，鲁棒性强等优点，可有效弥补上述不足。仿真结果表明了其有效性。     

改进GM(1,1)模型在环境噪声预测中的应用

从传统GM（1，1）预测模型构造原理出发分析其存在的理论缺陷，此模型适用于具有较强指数规律的序列。只能描述单调变化过程，而且预测数据序列中出现连续两个相等值时将使得α等于0，会使预测数列发散致使预测失效。采用平均斜率的概念计算α（k）序列，并利用MATLAB编程实现数据处理。广州市环境噪声污染数据计算表明，新方法有满意的拟合和预测效果，从而为提高建模精度提供了新的途径。     

随机有限元在球磨机结构动力响应求解中的应用

在对球磨机结构及激励力建立简化模型的基础上，计算球磨机构结构的动力位移响应，并采用结构元件声辐射理论预测球磨机结构治理前后的降噪量，结果表明，对于大型复杂结构，振动特性为宽频带振动，利用摄动随机有限元方法能准确地反映系统的实际行为，从而获得较好的预测效果。     

基于假设检验的软件可靠性模型预测精度比较

提出一种基于假设检验的软件可靠性模型预测精度比较方法，该方法将模型预测值与真实值的RE(相对误差)看作随机变量，利用假设检验思想度量模型预测精度，并给出多个模型之间预测精度的比较标准。     

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。     

喷射沉积柱状坯形状模型

通过坐标跟踪法建立了沉积坏形状预测模型。该模型不但考虑沉积坯任何表面点身自位置变化对沉积效果的影响，同时考虑了该点温度和其它表面点位置对该点沉积效果的影响，其计算过程严格按照喷射成形的实际过程执行，可实时计算并记录沉积坯的形貌，并验证了计算效果。本文模型可用于多种工艺下喷射沉积坯的形状预测。     

基于ARIMA-OSELM的火电厂SCR入口NOx浓度预测建模研究

针对火力发电厂燃烧系统运行工况复杂、迟延较大，导致选择性催化还原烟气脱硝系统(SCR)中入口NO_x质量浓度难以准确测量的问题，提出了一种基于ARIMA-OSELM神经网络组合模型的火电厂SCR入口NO_x浓度预测方法，分别从最优权重和残差优化2个组合角度进行对比研究。将该方法应用于某火力发电厂SCR入口浓度预测中，结果表明：基于ARIMA-OSELM残差优化的组合模型预测精度最高，其效果优于ARIMA-OSELM最优权重的组合预测模型以及单一ARIMA和OSELM神经网络预测模型，评价指标F_MAPE、M_RMSE和R²分别为0.190、1.364和0.978。     

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。