多元逐步Bayes判别法在突水水源判别中的应用

本文利用潘北煤矿55个典型水样,选取Ca2+、Mg2+、Na++K+、HCO3-、Cl-、SO42-、碱度、总硬度、矿化度以及pH共10个判别指标,基于多元逐步Bayes判别分析理论,建立突水水源判别模型,并进行回判检验。结果表明:该模型的判对率高达98%,对矿井突水水源判别及防治水工作有一定的指导意义。     

基于稀土元素的软玉产地溯源研究

近年来,软玉产地溯源研究受到了国内外学者的广泛关注,其中稀土元素在开展软玉产地溯源方面潜力巨大。基于我国青海、广西、贵州、辽宁、新疆5个产地软玉的14种稀土元素,建立了软玉产地溯源判别模型,研究结果表明：Fisher判别模型、多元Logistic判别模型、MLP神经网络判别模型,回代检验判别准确率分别为89.7%、100.0%、100.0%;PCA-多项式判别模型、PCA-Fisher判别模型、PCA-多元Logistic判别模型、PCA-MLP神经网络判别模型,回代检验判别准确率分别为51.5%、42.6%、48.5%、72.1%;最优判别模型为多元Logistic判别模型和MLP神经网络判别模型。     

PCA算法在面部微生态研究中的应用

利用化学试剂法研究面膜对面部微生态的影响,存在过程繁琐、微生物种类不易确定等缺点,针对此问题,提出一种基于主成分分析(principal component analysis,PCA)的微生态分析方法。首先利用主成分分析对面部微生态数据进行降维处理,累计贡献率选取阈值为95%,确定变换空间下的特征向量以及特征维度k,然后根据特征向量与面部微生态数据的映射关系,此处阈值同样选取95%,确定面部微生态数据中对皮肤状态影响贡献率较大的属性,即改善面部皮肤状态的微生物种类。实验结果表明,该方法有效地克服了传统化学试剂法存在的弊端,能够快速、准确地确定面膜改善皮肤状态的微生物种类,同时也能挖掘不同面膜引起皮肤变化的差异,可为化妆品行业制造对面部皮肤更有益的面膜提供建设性意见。     

基于SPSS的主成分分析在复杂碎屑岩油水层识别中的应用——以准噶尔盆地腹部中1区为例

研究区位于准噶尔盆地腹部的昌吉凹陷,地质条件复杂,储层非均质性强,以低孔低渗储层为主,油水层识别困难,普通的油水层识别图版不能取得理想的效果;在分析了油水识别困难的成因机理的基础上,引入主成分分析方法,以SPSS软件为平台,充分利用已有钻井、完井、试油等资料,选取能反映含油性的深、中感应电阻率;反映储层物性的声波、补偿中子和反映泥质参数的自然电位、自然伽马等测井曲线,建立油水层判别分析模型进行测井解释,与试油结果比较,效果较好。     

基于XRF技术的fisher判别法在火山岩岩性识别中的应用

在松辽盆地和准噶尔盆地的火山岩亿吨级大型油气发现已经预示着火山岩油气藏为今后油气发展的重要领域。对于勘探开发中现场火山岩岩性的识别难度较大,常规的方法的准确性和时效性并不能达到现场工作要求,现场录井岩屑肉眼及显微镜直观反馈的信息量较少,为了满足现场通过岩屑分析来快速识别火山岩岩性的要求,本研究以XRF技术为背景,利用录井岩屑元素进行大数据分析,判断火山岩岩性识别的特征元素,获取其特征元素含量与岩性的空间关系,应用统计分析中Fisher判别法进行判别分析,最终获得火山岩岩性识别的判别函数。通过对研究区共计350个火山岩样品的分析结果表明,此方法在火山岩岩性判别效果良好,符合率达到90%以上。应用效果表明基于XRF技术的fisher判别法在识别火山岩岩性中有着较好的应用效果,具有一定的推广价值。     

基于KPLS模型的间歇过程产品质量控制

针对间歇过程所具有的非线性特性,提出了一种基于核偏最小二乘(KPLS)模型的最终产品质量控制策略。利用初始条件、批次展开后的过程数据以及最终产品质量建立了间歇过程的KPLS模型;采用基于主成分分析(PCA)映射的预估方法对未知的过程数据进行补充,实现了最终产品质量的在线预测。为了解决最终产品质量的控制,利用T2统计量确定KPLS模型的适用范围,并作为约束引入产品质量控制问题,提高控制策略的可行性;采用粒子群优化(PSO)算法实现了优化问题的高效求解。仿真结果表明,与基于偏最小二乘(PLS)模型的控制策略相比,所提出的方法具有更高的预测精度,且能有效解决产品质量控制中出现的各种问题。     

基于主成分回归模型的建筑人工单价预测研究

定额人工单价的主要影响因素与某一时期的劳动力市场供求关系、社会经济发展水平、物价增速、人口结构及就业偏好等因素有关。通过对定额人工单价影响因素的识别,确定影响建筑劳务单价的特征指标变量。结合特征指标变量标准化、适用性检验、提取主成分、主成分因子的计算等主成分分析法的实施,采用SPSS软件对选取的指标数据进行初步回归分析及多重共线性诊断,建立市场人工单价主成分回归预测模型并对2021年前三季度的市场人工单价进行预测。结果表明,预测值与实际值相对误差<3%,模型精度满足要求,该主成分回归预测模型可用于建筑行业市场劳务单价的预测工作。     

基于主成分分析和随机森林的DDoS攻击检测模型研究

提出基于主成分分析（PCA）和随机森林（Random Forest）的分布式拒绝服务（DDoS）攻击检测模型PCA-RF。对数据进行预处理操作后进行PCA降维,以保留数据的最大特征分量,然后将降维处理的数据放入随机森林模型进行训练得到分类结果。与其他5类机器学习算法对比的结果显示,所提出的PCARF算法的识别准确率达到了99.92%,训练时间在对比实验中也是最短的。     

基于聚类的多模型软测量建模及其应用

实际生产中往往存在对产品质量影响重大、但又难以在线测量的一些参数(只能离线测量与分析)。本文提出一种基于聚类的多模型建模方法对这些难以在线测量的参数实现软测量,将相关性分析、主元分析(PCA)、聚类和多模型建模应用于软测量建模中,构建一种实现重要参数软测量的基本框架:首先,基于相关度分析进行辅助变量的选择,然后用主元分析进行数据的进一步降维,再用k-means聚类与多模型建模思想相结合。最后将提出的思想和方法应用于某精馏塔组分的软测量中,仿真结果表明,测量精度有了较大的提高。     

基于TOPSIS灰色关联的汽车双色开关面板的工艺参数优化

基于Moldflow软件对汽车双色开关面板进行仿真研究,选定外壳体积收缩率为单目标优化,内壳体积收缩率和整体翘曲变形量为多目标优化,结合主成分分析、灰色关联度和优劣解距离法(TOPSIS)来确定灰色相对贴近度,得出最优工艺参数组合和各因素影响程度。综合得出优化后的外壳体积收缩率为9.95%,内壳体积收缩率为2.827%,整体翘曲变形量为2.279 mm,为实际双色注塑成型提供了重要依据且达到了优化目的。     

基于RSEI模型的金沙江干热河谷区小镇生态环境质量评价

为了探究金沙江干热河谷区生态环境治理工作的实施效果,以生态环境较差但种植了耐旱植物的红格镇和生态环境较好但未种植耐旱植物的大田镇作为研究对象,选取了2000年、2009年、2015年、2018年、2021年5期遥感影像,利用绿度指标、湿度指标、热度指标和干度指标,通过主成分分析计算得到遥感生态指数I_RSE,进而对两镇生态环境质量进行评价,结果表明：红格镇生态环境质量呈现自西部到东部逐渐变好的趋势,大田镇生态环境质量呈现由中心城区向四周逐渐变好的趋势;红格镇生态环境质量以“较差”和“一般”为主,占总面积的60%左右;大田镇生态环境质量以“一般”和“良”为主,占总面积的55%左右;红格镇各年份I_RSE标准化均值分别为0.471 3、0.447 2、0.510 5、0.491 7、0.551 5,呈波动上升趋势;大田镇各年份I_RSE标准化均值分别为0.569 8、0.581 7、0.550 7、0.561 8、0.546 1,总体呈略微降低趋势。     

基于复杂网络的化工过程层次符号有向图模型建立及关键节点识别

针对定性符号有向图（signed directed graph,SDG）在化工过程系统中建模复杂度高、故障分辨率低、容易忽略部分变量等问题,提出一种基于复杂网络理论构建层次SDG网络模型并识别关键节点的方法。首先利用层次分析法对化工过程系统划分递阶层次结构,建立基于子系统的系统SDG网络模型,选取度中心性、接近中心性等多个节点重要性评价指标,采用主成分分析法确定各指标权重并利用逼近理想排序法（technique for order preference by similarity to an ideal solution,TOPSIS）多属性决策方法得到节点重要性的综合评价值,初步识别关键节点所在的子系统;然后建立子系统的SDG模型并细化为有向网络,采用LeaderRank算法对节点重要性进行排序,进而在子系统网络模型中确定关键节点的位置。案例计算结果表明该方法可以有效地降低建模的复杂性,提高关键节点识别的全面性和准确性,从而改善化工过程系统的安全稳定性。     

基于主成分物元可拓模型的岩爆倾向性预测

岩爆会对井下工作人员和设备造成严重的伤害和破坏,开展岩爆倾向性预测研究具有重要的现实意义。以岩爆倾向性预测为目标,综合考虑岩爆的影响因素,从岩性、应力、围岩3个角度选取12个影响因素作为评价指标,采用主成分分析法和物元可拓模型建立新的预测模型即主成分物元可拓模型,选取国内7个典型工程实例,运用主成分物元可拓模型进行岩爆倾向性等级预测,将预测结果与实际情况进行对比,发现预测结果与实际情况基本吻合,准确率达到了85.71%。以白鹤滩水电站地下厂房为工程实例,对该预测模型的精度作进一步检验,结果表明,该水电站地下厂房的岩爆倾向性等级为Ⅱ级,属于弱岩爆,预测结果与实际情况吻合。     

基于HMM算法的矿山水灾害链复杂演化网络模型构建及应用

矿山水灾害可视为由各种相互联系的因素构成的复杂系统,通过研究矿山水灾害链中节点事件对演化过程的影响,可为矿山断链减灾提供依据。采用灾害链理论结合复杂演化网络模型,提出了灾害节点演化性子模型、灾害节点影响度子模型、灾害节点重要度子模型、灾害综合中心性模型4个子模型,利用HMM算法对子模型进行优化,构建了基于HMM算法的矿山水灾害链演化网络模型;参照前人的案例分析结果,对比分析矿山水灾害链演化网络模型的可靠性,结果表明：该模型能更有效地分析出各节点事件对整体灾害链演化的影响程度,推算出最有可能发生的矿山水灾害演化链,从而为矿山灾害链的风险分析以及断链减灾提出更合理的建议。     

基于LTSA和MICA与PCA联合指标的过程监控方法及应用

独立成分分析(ICA)方法主要被用来对线性非高斯过程进行监控,为了提高对非高斯过程的监控效果,则利用过程数据信息对ICA的监控指标进行了改进,提出了一种改进的独立成分分析(MICA)方法。许多实际工业过程数据都具有非线性、非高斯与高斯混合分布的特点,为此提出了一种基于LTSA和MICA与PCA联合指标的过程监控的方法。首先采用局部切空间排列(LTSA)算法对样本数据进行非线性降维,然后分别用MICA和PCA方法得到非高斯与高斯统计量,对其进行加权得到新的统计量,并被用于过程监控。最后将该方法应用在田纳西-伊斯曼(TE)过程和乙烯裂解炉的过程监控中,证明了该方法的有效性。     

基于多向核熵成分分析的微生物发酵过程多阶段划分及故障监测

针对多向核主元分析法(MKPCA)在监控动态非线性和多模态间歇生产过程故障的不足,提出一种基于物理信息熵的多阶段多向核熵成分分析(multiple sub-stage multi-way kernel entropy component analysis,MSMKECA)的新方法用于故障监控。该方法首先通过核映射将数据从低维空间映射到高维特征空间;其次在高维特征空间依据熵结构信息计算每个时刻数据矩阵的相似度指标进行阶段划分,将间歇过程划分为各稳定阶段和各过渡阶段,并在过渡阶段用时变的协方差代替固定协方差;最后在划分的阶段里分别建立模型进行间歇过程监测解决间歇过程的动态非线性和多阶段特性;将所提出的算法应用于青霉素发酵仿真系统的在线监测,验证了该方法的有效性。     

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。     

基于主元独立性分析与混合核RVM的复杂过程区间预测方法研究及应用

近年来,随着化工过程日趋复杂,对过程监控及关键变量预测提出了更高的要求。传统意义上的点预测已不能满足化工过程上的实际需求,且点预测无法描述过程上的不确定性问题,因此不能很好地把握预测变量的趋势。由此,提出了一种基于主元独立性分析（principal component independent analysis,PCIA）与混合核相关向量机（RVM）的区间预测方法。首先,结合核主元成分分析（KPCA）和独立元分析（ICA）对复杂过程原始变量进行主元成分提取和独立性分析,形成独立主元;其次,将高斯核函数与多项式核函数相结合形成混合核,与RVM结合对得到的独立主元进行回归建模预测,并运用T分布对预测值进行区间估计;然后,构造区间评价综合函数对区间估计结果进行优劣分析,在分析预测区间覆盖率（PICP）及预测区间宽度（NMPIW）的基础上,引入累积偏差（AD）提高区间评判的合理性。最后,将所提方法应用到TE仿真过程进行区间预测分析,仿真结果表明,提出的区间预测方法对实际生产过程具有较高的预测精度和区间估计质量,可以有效地预测关键变量的趋势。     

基于MnO2纳米片电化学传感器的制备及对水样H2O2的检测

构建MnO2基纳米材料的高灵敏的H2O2电化学传感器;以MnSO4·H2O和KMnO4为原料,采用水热反应法制备MnO2纳米片,并用其修饰裸玻碳电极(GCE)构筑电化学传感器(MnO2/GCE);该传感器对H2O2表现出极好地电化学响应特性,具有很强的抗干扰能力,H2O2测定的线性范围宽达0.05～3.82 mm,检测...