基于多元非线性回归模拟的加油量预测

根据重庆江北国际机场1996-2011年年加油量,结合国内外主流加油量预测方法,对江北机场往年加油量分别进行一次线性回归、二次线性回归、三次线性回归和四次线性回归。最终通过对四者拟合数据误差分析和预测量误差分析,比较出二次方线性回归加油量预测结果误差值最小,其相对误差为1%,更适合于加油量预测模型。四次方线性回归拟合数据误差小,但预测量误差为3.57%。     

煤炭发热量的二次回归方程预测分析

以灰分、全水分为煤样指标建模了煤炭发热量的非线性二次回归预测模型,通过测试及对比,该模型具有较高的预测精度,预测结果能够满足工程需要,预测效果优于线性回归模型及神经网络模型等。另外,该预测模型还具有容易程序实现、操作简便等特点     

焦炭质量预测模型的研究

随着高炉大型化、富氧喷吹技术的发展，焦炭在高炉中的骨架作用尤为重要，钢铁企业迫切要求提高焦炭质量，为此需建立一组准确的焦炭质量预测模型，以更好地指导炼焦生产．在对国内外已有的焦炭质量预测模型进行比较、分析的基础上，运用线性加修正、一元线性回归、多元线性回归和逐次回归的方法建立了配合煤性质、焦炭化学组成、焦炭机械强度（M40，M10）、焦炭热性质（CRI，CSR）的预测模型，在很大程度上提高了预测的精确度和适用性．     

基于多元线性回归的碳配额价格预测模型研究

借助SPSS软件工具研究多元线性回归的广东碳配额价格预测模型,进行皮尔森相关性分析,多重共线性检验以及回归检验,建立了三元线性回归碳配额价格预测模型。模型回归碳价分析和预测精度评价结果表明,回归碳价与碳配额成交价整体吻合度较好,平均绝对百分误差小于10%,验证了碳配额预测模型的有效性和准确性,可为碳配额价格预测提供借鉴和参考。     

基于图片特征提取的水泵能耗分析及预测

为了提高水泵能耗影响因素分析的准确性及预测模型的精度,文章提出了一种基于图片特征提取的水泵能耗多元线性回归预测模型。研究以上海某个住宅小区配置的二次供水水泵系统作为研究对象。首先,对采集到的水泵系统历史运行数据进行预处理并将一维时间序列转换为二维的格拉姆角场(gramian angular field,GAF)图像。随后,利用时间序列及图片相关性判定方法,对14个参数进行筛选,得到相应的能耗特征。最后,结合特征筛选结果,基于多元线性回归预测模型,研究了不同相关性判定方法下的最优预测模型问题。结果表明,相较于两种时间序列特征筛选方法,基于图片的特征筛选方法表现出了更佳的适应性,输入特征数量为4的情况下,其预测模型在测试集上的决定系数(R²)分别提升了0.87%、3.36%,均方误差(mean square error,MSE)分别降低了10.38%、28.26%,平均绝对误差(mean absolute error,MAE)分别降低了6.11%、24.57%。研究结论为后续水泵系统能耗特征的筛选提供了新的思路,并为上海地区水泵系统的能耗分析及预测提供理论参考。     

热激发煤矸石火山灰活性的预测

采用线性回归分析的方法对热激发煤矸石的化学成分与其火山灰活性指数（PAI）之间的相关性进行了分析,在此基础上建立了利用热激发煤矸石的化学成分来预测其火山灰活性的预测模型,并对模型的显著性、误差及适用范围进行了检验和分析。     

焦炭质量预测模型

结合焦炭质量的影响因素,通过MATLAB环境中regress、robustfit等函数对炼焦配合煤各指标如灰分(A d)、挥发分(V daf)、黏结性指数(G)和胶质层厚度(Y),催化指数(MCI Y)等进行回归分析、比较和总结;用多元线性回归方法建立了配合煤煤质指标预测焦炭质量的预测模型,模型的预测精度符合要求。     

微通道内气液两相流中气化率的预测研究

建立了三维微通道模型,利用Fluent对模型进行求解不同工况下流质的气化率,在VOF模型中,假设液态酒精、气态酒精、液态水、气态水的入口体积分数恒定,设计了2种操作条件,即不同的入口流速和不同的加热量.将气化率作为输出,2种操作条件作为输入,通过非线性回归设计,建立了2输入单输出的预测模型.结果表明,同线性回归预测模型...     

基于神经网络的定量结构-性质相关性研究预测有机物燃烧特性

介绍了神经网络及定量结构-性质相关性(QSPR)研究基本原理,综述了两者相结合在闪点、自燃点、爆炸极限等化学物质燃烧特性预测中的应用和进展.分别对各性质不同预测模型的优缺点及适用范围进行了评述.在此基础上对神经网络与线性回归方法的比较、神经网络技术的发展等进行了探讨,对实验样本设计、分子描述符选择及模型验证等的研究现状和发展趋势进行了讨论.展望了QSPR在安全研究领域的应用前景.     

陆地及海洋油气田钻井投资指数预测方法研究

钻井投资是油气田开发中的一项重要投资,是石油企业经济效益的重要指标,对钻井投资成本进行准确预测,有利于企业管理者和投资者进行科学的决策与评估。基于中国石油某公司提供的投资指数,建立了海洋钻井投资指数、陆地钻井投资指数随油价、全球钢材、物料价格的数学预测模型。其中基于灰色模型和线性回归法建立了单因素预测模型;基于蒙特卡洛和BP神经网络法建立了多元素预测模型。     

中国碱生产量及其能源需求和CO2排放的情景分析

应用NICE模型,通过情景分析对中国的碱生产量及能源需求和CO2排放量进行预测。选取玻璃、纸、肥皂、布作为碱需求量的主要相关因子,通过SPSS15.0拟合得到:未来烧碱的需求量与玻璃和纸的需求量有较强的线性关系;纯碱的需求量与玻璃和肥皂的需求量有较强的线性关系。预测结果表明,到2010年以后中国的碱生产量将逐渐减少,能源需求和CO排放量也将逐渐减少。     

Glass production in russia — analysis and forecast

The general state of the glass industry in Russia at the present stage is analyzed. It is shown that on the basis of the production volume of sheet glass and glass containerware the glass industry is one of the largest industrial sectors in Russia. An intermediate-term forecast of the demand for the main resources—gas, electricity, sand, dolomite, soda, and cullet—is constructed on the basis of a determination of the trends in the further growth of glass production in Russia.     

机械行业废气污染的预测

文章研究了机械废气污染源的扩散方式,并建立废气预测模型,再此基础上,根据时间序列预测的基本理论,将趋势外推法融入于时间序列的马尔科夫链中,对受污染的机械废气对大气进行了全面的预测。通过实例分析,得到的结果与真实结果较为一致,为大气污染治理提供理论依据。     

输气管道水合物预测模型及防治研究现状

石油天然气工业中普遍存在天然气水合物,油气企业为此付出的代价十分巨大,因此研究成熟的水合物的预测与防治技术迫在眉睫。总结了现今国际上的水合物热力学预测模型并评价其精准度;详细阐述了动力学预测模型的原理和类型,提出今后应结合热力学和动力学来综合建模才能准确预测,最后介绍了水合物防治措施的发展与不足。并对未来研究重点提出建议。     

基于数据挖掘的铜转炉渣产出量预报

为实现铜转炉渣产出量的及时准确预报,提出应用数据挖掘技术从现场积累的大量生产数据中发掘相关规律.首先应用线性回归技术建立了仅考虑主要影响因素(铜锍含铁量)的粗略预报模型,而后,应用神经网络技术建立了考虑到多个次要影响因素的误差补偿模型,从而改进预报效果.利用实际生产数据对模型进行了仿真测试,仿真结果表明,模型预报效果良好.     

基于灰色GM(1,1)模型的瓷砖出口量的模拟与预测

以原始时间序列数据为基础,建立瓷砖出口量的模拟和预测改进的GM(1,1)模型,通过实例证明了本文提出的改进模型的精度比常规模型的精度要高,预测结果能为我国建筑陶瓷行业制定经营决策和出口政策提供参考。     

Optimal procurement contract selection with price optimization under uncertainty for process networks

In this work, we propose extending the production planning decisions of a chemical process network to include optimal contract selection under uncertainty with suppliers and product selling price optimization. We use three quantity-based contract models: discount after a certain purchased amount, bulk discount, and fixed duration contracts. We propose the use of general regression models to describe the relationship between selling price, demand, and possibly other predictors, such as economic indicators. For illustration purposes, we consider three demand-response models (i.e., selling price as a function of demand) that are typically encountered in the literature: linear, constant-elasticity, and logit. We develop a mixed-integer nonlinear two-stage stochastic programming that accounts for uncertainty in both supply (e.g., raw material spot market price) and demand (random nature of the residuals of the regression models) for the planning of the process network. The proposed method is illustrated with two numerical examples of chemical process networks.     

利用逐步多元回归分析的孔隙度预测

孔隙度是描述储层品质的一个重要参数,对生产开发和储量估计具有重要的意义。针对常规测井计算孔隙度准确率不高的情况,本文提出了利用逐步回归分析预测孔隙度,建立了一元回归与多元回归孔隙度预测模型,分析认为利用声波和密度建立的孔隙度预测模型为最佳的预测模型。结果表明,在川西地区岩性变化快、砂岩储层非均质性强、孔隙度值变化大的地质条件下,该模型获得了最佳的预测效果,与实际的地质情况吻合率较高〔1〕。     

European GRP industry records ‘slight improvement’

THE FEARED return of a slump in European glass reinforced plastic (GRP) production in 2002 failed to materialise, reported Dr. Uwe Bültjer, managing director of German association AVK-TV at the 6th International AVK-TV Confer-ence on 7-8 October in Baden-Baden. In fact, an increase of 0.8% was seen overall — mainly a result of high demand for GRP pipes and a slight increase in sheet moulding compound (SMC) production.This is a short news story only. Visit www.reinforcedplastics.com for the latest plastics industry news.     

Artificial and Hybrid Fuzzy Linear Neural Network‐Based Estimation of Seed Oil Content of Safflower

Inexpensive and rapid methods for measurement of seed oil content by near infrared reflectance spectroscopy (NIRS) are useful for developing new oil seed cultivars. Adopting default multiple linear regression (MLR), the predictions of safflower oil content were made by 20–140 samples using a Perten Inframatic 8620 NIR spectrometer. Although the obtained interpolation results of MLR had desired accuracy, the extrapolation was extremely poor. The extrapolation determination coefficient (R²) and standard error (SE) of cross validation for MLR models were 0.63–0.78 and 3.71–4.44, respectively. In order to overcome the accuracy limitation of linear MLR models, a common suggestion is to use a nonlinear artificial neural network (ANN); however, it needs a large number of data to yield significant accurate results. We developed a novel robust hybrid fuzzy linear neural (HFLN) network to capture simultaneously linear and nonlinear patterns of data with a limited number of safflower samples. Empirical extrapolation results showed that the HFLN had higher R² (=0.85) and lower SE (=1.83) compared to those obtained by MLR and ANN models. It is concluded that hybrid methodologies could be used to construct efficient and appropriate models for estimation of seed oil content set up on NIR system.