昆明市煤气管网震害预测研究

分析总结了昆明市地质，场地，地震活动性，历史震害及煤管网的基本情况，建立了煤气管网震害预测方法，研究讨论了昆明市煤气管网在预测分析模型及参数取值，编制了相应的计算机软件，通过计算得到昆明市煤气管网在七度和八度下的震害预测结果，并提出了相应的建议。     

基于BP神经网络的激光加工模拟参数预测

研究了BP人工神经网络在激光加工模拟物理参数预测中的应用方法 ;依其规律将所用参数划分为两大类型 ,并设计了相应的BP神经网络模型和软件 ;通过与实验法、回归分析法和函数插值法的对比检验 ,证明BP神经网络适用于对激光加工模拟用物理参数预测 ,其准确性优于回归分析法和函数插值法 ;可利用已知数据由本软件对所欠缺数据进行较准确的有效地预测补充     

抽油机井最佳检泵时机预测分析研究

本文采用数理统计分析方法,结合油田现行的成本核算方法,以谋求最大经济效益为出发点,通过对数十口油井的分析研究,总结出了一套分析油井产量下降规律、预测经济效益和寻求最佳检泵时机的方法,并编制了相应的计算机软件。该软件操作简单、使用方便,可以对四个方面的内容进行预测分析,预测最佳检泵时机、预测产量下降到某一程度时的各项效益指标、预测某一日期的产量和各项效益指标、预测产量和各项效益指标的变化规律。对油田生产具有指导意义,通过在实际生产井上的应用,收到了较好的效果。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线速推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

基于ARIMA模型的我国一次能源生产量时间序列分析

采用ARIMA模型对我国1950～2008年的一次能源生产量数据进行分析。利用Eviews软件建立了相应数学模型,并用该模型对当前值与未来值做了预测。结果表明,预测效果较好,可以用于对未来进行短期预测。     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线递推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

组合导航系统软件可靠性的神经网络静态预测

在组合导航系统大规模软件开发中，为了控制软件的质量，必须对软件模块的缺陷数进行预测，根据软件模块测试报告及软件复杂度，用神经网络方法预测了软件模块的缺陷数，结果表明：神经网络预测软件缺陷数化传统的线性回归方法具有更好的质量拟合度和估测能力。     

一种软件缺陷排除成本预测方法

基于缺陷分析来预测缺陷排除成本,有利于分析软件过程质量、平衡软件成本和控制开发进度。传统上,一般采用单个缺陷排除成本的平均值乘以缺陷数的方法,来预测缺陷排除总成本,这种方法忽略了不同类型的缺陷排除成本差异,导致较大的成本预测偏差。论文提供了另外一种成本预测方法:基于项目历史数据,拟制软件开发阶段不同缺陷类型的排除成本矩阵,来预测项目的缺陷排除成本。改进的成本预测方法能够较好地弥补传统方法的不足,可得到较为准确的缺陷预测数据。     

一种基于PCA和相关向量机的锂电池在线寿命预测方法研究

针对已有基于相关向量机对锂离子电池进行在线寿命预测因考虑因素单一而导致预测精度不理想这一问题,提出了一种基于主元分析（PCA）的特征因素变量加权建构的方法。该方法首先将多种特征因素变量作为研究对象,找到其线性变换后的得分向量所构矩阵;分析其不同得分向量对原变量数据矩阵特征覆盖程度,进一步加权构建融合得到相应特征向量。将所得向量作为输入,经相关向量机建立预测模型并进行锂离子电池寿命在线预测,最终得到预测结果。采用国际公用电池数据作为研究对象,通过MATLAB软件验证了有多变量预测电池寿命的可行性,结果表明预测效果较好。     

城市配电网络电力负荷预测方法分析

讨论了城市配电网络电力负荷预测方法,分析了CNP20软件包所采用的确定性预测方法的不足,介绍了上海市区供电负荷预测所采用的模糊预测、灰色预测、人工神经网络等不确定性方法,及其应用的有效性．     

基于窥孔结构LSTM的电力系统跳闸故障诊断

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而，这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用窥孔长短时记忆网络（LSTM）提取多源数据的时间特征，缓解了循环神经网络（RNN）在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力；使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响；引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明，与现有的数据挖掘方法相比，所提方法具有分类准确性高的优点.最后，对实际应用进行讨论，证明了所提方法在实际场景中的可行性.     

基于支持向量机的光伏发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了基于支持向量机的光伏系统发电功率预测模型.该模型以结构风险最小化原则取代了传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.用某一天的数据作为训练样本集,首先对数据进行去噪和归一化,然后用支持向量机方法对样本集进行训练和发电功率预测.仿真结果表明,基于支持向量机的预测模型具有较高的精度,可用于光伏发电系统的预测.     

蒸汽动力装置模拟器冷凝器系统的建模与数值计算

研制蒸汽动力装置模拟器,需要对其组成系统进行热工水力的计算,在此基础上进行建模,主要应用于系统仿真软件的开发。冷凝器系统是蒸汽动力装置的主要组成部分。在冷凝器系统中运用质量守恒、能量守恒等基本的物理守恒方程和状态方程,对冷凝器系统的各个部位分别列出动量方程,通过计算其主要参数如压力、流量、温度等,运用热动力学的建模思想进行建模和数值分析计算,得出计算结果。蒸汽动力装置冷凝器系统的建模与数值方法也可用于其它相关系统的建模与数值计算,对蒸汽动力装置仿真软件的开发具有重要的参考价值。     

基于主成分分析和LightGBM算法的风电场发电功率超短期预测

风力发电场发电功率的超短期预测越精确,越有利于电力系统的稳定运行和优化调度。为提高风电场发电功率超短期预测的准确率,提出了一种基于主成分分析和GBM算法的风电场发电功率超短期预测方法。该方法首先进行PCA主成分分析将与风电功率相关程度低的维度剔除,降低数据的冗余性,然后利用GBM算法建模实现风电场发电功率的超短期预测。实验结果表明基于GBM算法的风电场发电功率超短期预测效果良好,优于传统机器学习方法在风电场超短期的功率预测上的精度。     

大型注水系统的运行、计算和控制

提出了大型注水系统的一套完整的建模和计算方法,用系统辨识、多层曲线拟合和机理分析相结合的方法建立了大型注水系统的模型。为了解这种巨型多源多汇系统,提出了注水系统压力分布中的压力谷的新概念,并按压力谷分布将整个注水系统分解为一系列子系统,然后应用大系统理论中的关联平衡法进行迭代,由于压力谷之间耦合较弱,我们给出了一种非常简单的迭代算法,这种算法收敛速度快,计算精度高,上述算法已编成软件,可以按配注方案计算备注水站启泵台数及运行压力,能显著减少配注误差和注水能耗。     

大型注水系统的运行、计算和控制

提出了大型注水系统的一套完整的建模和计算方法,用系统辨识、多层曲线拟合和机理分析相结合的方法建立了大型注水系统的模型。为了解这种巨型多源多汇系统,提出了注水系统压力分布中的压力谷的新概念,并按压力谷分布将整个注水系统分解为一系列子系统,然后应用大系统理论中的关联平衡法进行迭代,由于压力谷之间耦合较弱,我们给出了一种非常简单的迭代算法,这种算法收敛速度快,计算精度高,上述算法已编成软件,可以按配注方案计算备注水站启泵台数及运行压力,能显著减少配注误差和注水能耗。     

基于BAGGING算法和BP神经网络的电力系统负荷预测

电力系统负荷预测关系到电力系统的控制和运行计划,精确的负荷预测有助于提高系统的安全性和稳定性,从而可以提高电力系统的经济效益。电力系统负荷预测问题具有的数据量大、影响因素多等特点,使用单个BP神经网络进行负荷预测时,预测结果随机性大、精度低。本文把BAGGING算法思想与BP神经网络相结合起来,通过生成一组BP神经网络模型,挑选最好的网络模型最为最终的预测模型,进行负荷预测,以提高负荷预测能力。     

乘积季节模型在软件老化评估中的应用研究

在需要长期运行的系统中,软件老化是一种常见的现象,现有基于时序分析的软件老化评估方法,大多基于简单的自回归或ARMA模型,没有充分考虑软件老化关键指标的非平稳性、季节性等特征。该文提出一种基于乘积季节ARIMA模型的软件老化评估方法。并通过实验表明,该方法能够较好地拟合季节性负载系统的软件老化趋势,并能做出准确的预测以支撑软件再生。     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

基于最小二乘支持向量机的军用软件开发成本测算研究

利用最小二乘支持向量机（least squares support vector ma-chines,LS-SVM）适用于小样本预测的优势,将该方法运用到军用软件开发成本测算领域,建立了基于LS-SVM的军用软件开发成本测算模型并进行了实例分析。结果表明：在同样的样本数据条件下,该模型有效提高了测算精度,为军用软件早期开发的成本测算提供了新的有效方法。