基于XGBoost算法的基础设施项目投资预测模型——以变电站工程为例

实现基础设施项目投资额的准确预测,对于在有限资金约束下实现基础设施高效益投资意义重大。为实现基础设施项目投资的精准预测,本文构建了基于XGBoost算法的基础设施项目投资预测模型。在确定基础设施项目投资预测指标体系的基础上,构建基础设施项目投资数据训练集和测试集,基于XGBoost算法和训练集建立投资预测模型,并采用交叉验证对模型参数进行优化。最后用训练好的模型对测试集进行投资预测。为验证模型的有效性,以国网某省公司的变电站工程数据为样本,对本文模型进行验证,并将模型预测结果与传统线性回归模型和神经网络模型进行对比,预测结果表明,基于XGBoost算法的基础设施项目投资预测模型能够有效地对基础设施项目的投资进行预测,且预测精度明显高于线性回归模型和神经网络模型,预测效果更佳。     

超短期太阳辐照度多模型预测

为了提高太阳辐射预测精度,提出了1种超短期混合预测模型。该模型用非线性方法集成多个子模型,从而克服了单一模型的局限性,提高了整体预测性能。预测时,首先将历史太阳辐射值转换为晴空系数,消除太阳位置对辐射值的影响;然后根据相关性分析,将转换的晴空系数输入各子模型,并将子模型的预测结果非线性集成。最后,将预测的晴空系数转换为目标水平总辐照度。实验结果表明:所提出的混合模型性能优于单一预测模型,非线性集成方法优于传统的平值加权集成方法,且整体预测均方差相对持续模型提高了约60%。     

基于Box-Cox变换与Johnson变换非正态过程能力分析

研究基于Box-Cox变换与Johnson变换方法计算PCIs的有效性,比较Box-Cox变换与Johnson变换计算PCIs的性能优劣,仿真结果显示,Box-Cox变换与Johnson变换均能将常见概率分布转换为正态分布,成功率超过97%,而Johnson变换的转换能力更强,成功率超过99.5%。在计算PCIs的有效性方面,Box-Cox变换与Johnson变换的性能差异不大,利用PCIs估计的产品不合率与理论不合格率相比,相对误差均在2%以内。     

基于随机森林的混凝土早期碳化预测

碳化会降低混凝土结构的耐久性,减少混凝土结构的使用寿命,因此快速准确预测混凝土碳化对于混凝土的质量评估具有重要意义。本文基于随机森林算法,以松原至通榆段高速公路项目为研究背景,建立随机森林(RF)算法预测模型。构建混凝土早期碳化影响因素指标体系,选择碳化深度作为碳化性能评价指标,根据原始数据建立训练集和测试集,利用Pearson相关性矩阵图分析影响因素相关度,并建立随机森林训练模型,结果表明,利用随机森林预测模型对混凝土碳化进行预测是一种新的有效方法。     

基于KPI的财务预测模型构建研究

随着对财务信息相关性要求的提高,财务预测信息愈来愈多地为企业外部投资者所采用。但是在企业内部财务预测信息并没有能够发挥应有的作用。本文采用KPI体系中关键业绩指标作为基础,构建以KPI为基础的财务预测模型。预测模型从确定财务报表项目重要细分开始,确定影响报表项目的动因;确定重要动因的关键业绩指标;建立KPI指标输入,财务结果输出模型,使用回归方法确定模型系数;组合各财务报表项目预测模型,形成整体财务预测体系。模型增强了财务数据与运营指标之间的联系,提高财务预测的准确性并且能够为运营提供相关性更强的有用信息。     

机理计算与机器学习结合的空调负荷预测

文章提出了一种机理计算与神经网络学习相结合的在线负荷预测方法。利用Python建立了统计学预测模型、支持向量机预测模型、随机森林预测模型。并通过将溧阳某一建筑实际空调负荷数据逐步输入模型之中模拟建筑的实时运行,对1年内和1年后的泛化能力进行分析。模拟结果表明,随着实际负荷数据的逐步增加,通过在线学习逐步完善性能,可以快速建立建筑的空调负荷预测模型。机器学习预测空调负荷的方式扩大了负荷预测的使用范围,提高了冷冻站智能化运行的水平。     

灰色-Gompertz组合模型在软土路基沉降预测中的应用

针对单一灰色预测模型或Gompertz预测模型的局限性和可靠性差的缺陷,基于灰色模型和Gompertz曲线,根据最优加权组合原理,以误差平方和最小为最优组合标准,构建出1种新的软土路基沉降组合预测模型,对某沿海高速公路软土路基的沉降变形进行预测分析。工程实例验证表明,新构建的组合预测模型较单一的灰色预测模型或Gompertz预测模型有效消除了系统误差,提高了拟合精度,避免了单一模型偏大或偏小的预测趋势,具有更强的环境适应性,是路基沉降预测的1种有效分析方法,同时将新模型的预测数值应用于改进施工进度及地基处理方法的后期评价,取得了良好效果。     

基于Rayleigh模型和Gompertz模型的软件质量评估

针对软件产品生命周期过程中需要评估过程质量、测试质量,对交付的进度和遗留缺陷进行定量度量与预测这些实用需求,提出使用Rayleigh模型和Gompertz模型,对软件开发和测试过程中发现的缺陷数进行评估。采用Rayleigh和Gompertz两种模型相结合的方法,实现了对项目整体的开发过程和局部的测试阶段量化评估,可用于项目的进度管理、质量管理和成本管理。     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

Holt-Winters时间序列模型在江阴大桥车流量预测中的应用

针对江阴大桥交通大数据中车流量呈现趋势性、季节性变化的特征,先使用Holt-Winters算法构建时间序列分析模型,然后选择最优的平滑系数组合以保证预测的精度,再使用相对误差来评估建立的预测模型在车流量预测中的性能表现,最后通过模型与历史数据预测江阴大桥未来一年内的车流量情况。