基于支持向量机预报模型的烧结终点模糊控制

针对烧结过程存在时间滞后和参数不确定问题，在分析烧结过程热状态的基础上，提出应用支持向量机优良的时序预测性能，建立了基于风箱废气温度预报烧结终点的预报模型.结合烧结终点预报模型，将模糊控制策略应用于烧结终点控制系统开发.介绍了控制系统的组成与烧结终点模糊控制器的设计方法.仿真结果和现场应用均证实了烧结终点控制系统的有效性，在存在较大干扰的情况下，能保持较好的控制品质.控制系统可准确、快速地预报烧结终点，具有稳定烧结终点和优化过程操作的作用.     

基于遗传算法的多生产线排产优化调度在离散制造过程中的应用

在对实际生产部门工艺流程和排产方式进行分析的基础上,建立有关模型,提出基于遗传算法的优化计算方法,并将其应用于生产调度系统中,对生产线上排产调度进行优化,取得令人满意的效果．该方法对解决实际优化调度问题以及现场人员的实际生产调度工作,都具有一定指导意义．     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。     

基于遗传算法的SVM冰凌预报模型研究

针对传统支持向量回归参数大多采用经验率定的情况,提出了一种基于遗传算法优化支持向量回归参数的冰凌预报模型.运用MATLAB软件进行建模,并将其应用于黄河宁蒙段三湖河口封、开河日期的预报.结果表明,经过优化的支持向量回归模型泛化能力强,预报效果优于传统支持向量回归模型.     

并联式加权组合模型在滑坡时间预报中的应用

针对滑坡预测中单模型不总能进行有效预测且置信度不高的问题,提出了一种新的权重确定方法——并联式权重确定法,用来建立组合模型。证明了预测位移平均相对误差和预测精度之间呈正相关,并对原始Verhulst模型和协同预报模型进行优化。利用新滩滑坡实例和洒勒山滑坡实例进行验证分析。结果表明,基于优化后的Verhulst模型和协同模型的并联式加权组合模型在滑坡中短期时间预报的预测精度远高于原始Verhulst模型和协同模型。     

粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

基于GRNN算法的铜转炉吹炼终点预报模型

针对PS转炉炼铜过程造渣期反应机理复杂,操作过程的间歇性,利用机器学习通过颜色矢量相关性算法、图像颜色矩提取算法优化了图像特征,构建了深度学习的转炉炼铜造渣期火焰图像分析模型,提出了转炉炼铜造渣期终点判断模型,对造渣期炉口火焰特征值优化处理,建立造渣终点预报模型.结果 表明:基于实际生产环境的预测,GRNN算法避免了铜转炉吹炼过程中多指标内部相关性,减少数据冗余和系统误差,使得预测精度达到97.33％.预测精度相对于相关文献报道的预报模型,该模型精度更高,训练次数少,时效性强,为转炉终点判断提供一种新途径.     

烧结矿FeO含量的合理控制与优化

烧结矿中FeO含量对烧结矿的冶金性能有重要影响,但是烧结过程的大滞后性和动态时变性,以及影响因素的复杂性导致难以实现FeO含量的有效控制。建立分别基于BP网络和RBF网络的预报模型。仿真结果表明,在处理烧结过程非线性问题时,选用基于自适应修改斜率学习算法的BP网络预报模型具有更好的泛化能力,网络结构简单,预报命中率达到96%。针对预报结果,采用区间控制策略来优化烧结矿FeO含量,既能避免因为频繁改动参数造成的生产不稳定,又能达到有效控制的目的。     

遗传算法优化神经网络用于大气污染预报

大气污染预报可以对大气污染提出警示,保护人体健康和生活环境.为了对北京市PM10的质量浓度进行预报,建立了用于大气污染预报的遗传神经网络模型,该模型运用遗传算法优化神经网络的权值和阈值,有效提高了网络的收敛性和预报准确率.用改进后的神经网络对北京市PM10的质量浓度进行了模拟,并将模型模拟结果与美国第3代空气质量模型Models-3(CMAQ)的数值模拟结果进行了比较.实验结果表明:遗传神经网络模型和数值模型的模拟结果的平均相对误差分别为0.21和0.26,用于空气污染物质量浓度短期预报时,神经网络模型的预测精度与数值模型的预测精度相当.对于没有条件开展空气污染数值预报的城市或地区,神经网络是一种有效的替代方法.     

隔离型热管换热节能系统的稳态建模与参数估计

采用机理分析法建立了隔离型热管换热节能系统的稳态模型.对于机理方程中的未知关键参数,基于系统实际运行数据,采用粒子群优化算法和限定记忆的递推算法对未知参数进行了估计.针对模型参数的变化问题,采用RBF神经网络建立了系统输入变量与模型参数的定量关系,使用现场数据验证了方法的有效性.获得了换热节能系统比较精确的模型.为进一步的系统分析与实时优化打下了基础.     

卷烟生产线优化模型研究

通过分析卷烟生产的工艺注程,提出了有关合理假设,由此建立了卷烟生产线优化模型,包括生产线的生产率最优模型和每个工作日的初始状态最优模型,并给出了具体算法及实际算例,该优化模型已用于实际卷烟生产线的生产调度中,它对于生产现场管理人员进行优化调度具有指导意义。     

基于Elman网络的黄河源区枯期径流预报

采用反馈Elman网络,对黄河唐乃亥水文站及上游玛曲站近45年(1959～2003年)年降雨及径流流量进行分析,建立了基于反馈神经网络的黄河源区枯季径流预报模型.利用Matlab7 神经网络工具箱对黄河源区唐乃亥水文站枯季径流量进行了预报.结果表明所建立的ANN(7,7,15,7)模型预报结果精度高,容错能力强,是枯季径流预报的有效手段.     

基于优化的灰色GM模型的滑坡预测

滑坡发生的时间预报是目前滑坡预报的关键方向之一,而滑坡预测模型的建立是滑坡时间预测的核心．由于滑坡的模糊性和灰色不确定性特点,采用灰色预测模型适用有效．本文在灰色系统理论的基础上,研究了灰色GM（1,1）的建模和精度检验过程,根据残差对模型进行了高阶优化．同时结合工程实例,选择了有效合理的监测数据,进行了滑坡临滑预报模型的研究,并将传统GM模型与优化GM模型的精度进行了对比,结果显示优化的GM模型预测精度大大提高．在灰色优化的GM（1,1）模型研究基础上,对临滑时间进行了预报,结果显示预测时间较早,可以起到提前预报作用．根据预测模型分析,提出了一些有益结论,供今后滑坡预报工作的参考．     

基于KPCA频谱特征提取的球磨机负荷建模方法

球磨机是工业领域中广泛应用的大型旋转设备,由于球磨机运行机理和动态响应特性复杂,运行状态参数的预报存在巨大困难.为解决磨机负荷参数预报的问题,对球磨机外部振动信号进行分析,采用核主元分析KPCA的方法对球磨机振动频谱进行特征提取,然后基于特征提取结果建立磨机负荷参数ELM预报模型,实现对球磨机参数负荷磨矿浓度、料球比和填充率的预报.实验结果表明:预报模型具有较高的准确性,更优于传统ELM模型.     

基于周期理论的天气预报

为了建立中长期平均温度的天气预报系统,在气象理论和分析某地区的气象资料的基础上,利用已有的连续性模型和能量为定值的两个模型,提出一种新的基于加权平均周期性变化的数学模型,并利用该模型对2003年的气温进行了预测,与实际结果吻合的效果很好.此模型可作为中长期天气平均气温的预报预测,以指导生产活动.     

基于月径流预报的三峡水库优化蓄水方案

针对现有三峡水库蓄水调度尚未考虑预报信息,提出聚类—预报—优化的预报调度模式.以年均发电量最大和年均蓄水位最高为目标,建立了三峡水库优化蓄水模型,并用NSGA-II算法优化蓄水调度线.通过对比分析发现,利用前4个月的径流作为预报因子,支持向量机模型(SVM-4)可获得最佳的9月径流量预报结果.若预报9月份来水为丰水月和平水月,目前运用的9月10日优化蓄水方案的效果良好;若预报9月份来水为枯水月,则应将起蓄时间提前至9月1日,这样可提高三峡水库发电量3.43%,蓄满率3.44%.     

基于GM(1,1)和D-MECM的钟差预报方法

针对单一钟差预报模型在建模数据量较少时中长期预报精度不足的问题,提出了基于灰色模型和一阶差分修正指数曲线法的组合预报模型。首先基于少量数据建立灰色模型并预测未来一段时间的钟差数据,再将其作为一阶差分修正指数曲线模型的建模数据,进行钟差的中长期预报。仿真结果表明,组合预报模型能够基于少量历史数据对钟差进行高精度的中长期预报。采用卫星共视仪采集的精密钟差数据进行实验,并与单一二次多项式模型和灰色模型进行对比,结果显示:使用5h的钟差数据进行建模并预报未来48h钟差数据时,二次多项式模型和灰色模型的平均预报精度分别为285.06ns和91.11ns,而组合模型的平均预报精度可达29.48ns,相比于单一二次多项式模型和灰色模型,分别提高了89.66%和67.64%。     

神经网络模型在怀洪新河洪水预报中的应用

建立了基于神经网络的洪水预报模型.该模型根据历史洪水样本,将河道预测点上游参考点的水位、流量以及预测点的水位作为神经网络的输入,预测点的流量作为神经网络的输出.采用BP算法训练网络,并将训练成功的洪水预报神经网络模型分别按8,16,24 h等预见期对新胡洼闸、西坝口闸水位进行预报,取得了较高的预报精度,验证了模型的有效性.     

带钢冷轧过程轧辊热变形参数的智能优化

针对在带钢冷轧过程中辊系热变形问题,建立了轧辊温度场与热变形的仿真模型。为了提高模型精度,依据热像仪实拍的辊面温度场信息、轧制过程数据分析得到的轧辊热膨胀信息,对关键参数采用遗传算法进行了优化。优化后的仿真结果与现场信息基本一致,提高了仿真精度,为轧辊热变形的准确预报打下了基础。     

基于模糊控制系统的高炉铁水硅含量预报研究

运用模糊控制理论的有关知识,建立了高炉铁水硅含量的模糊控制预报模型,并用某钢厂的实际生产数据进行仿真实验,取得较好的预报效果,为高炉铁水硅含量预报提供了一种新的思路.