洋河水库富营养化限制性因子分析

以洋河水库2001~2005年的监测资料为基础,运用回归统计方法,选择水温等8项环境理化指标与藻类叶绿素a进行回归分析。结果显示,总磷、水温、pH值和透明度与藻类叶绿素a呈显著相关,其中总磷和水温是洋河水库富营养化限制性因子。根据2003~2005年水库监测资料,建立多元逐步回归方程,预测水库藻类叶绿素a的变化情况。运用该回归方程,计算水库2001~2002年藻类叶绿素a变化情况并与实测值作比较,结果表明,该方程能基本预测洋河水库藻类叶绿素a的变化趋势。     

基于随机森林与多元线性回归的咪唑啉衍生物缓蚀剂的构效关系研究

以15种不同十一烷基咪唑啉衍生物缓蚀剂为研究对象,采用随机森林与多元线性回归相结合考察了分子结构对其缓蚀效率(IE)的影响。首先,从能量、电荷、分子表面与信息量、立体构象与拓扑特征6个方面对15种咪唑啉类缓蚀剂进行了全面表征,共得到55个分子结构参数;然后运用随机森林(RF)与多元线性回归(MLR)分别对特征参数进行了优化,筛选出top10的8个重叠参数。从8个参数中随机挑选3个,使用留一法(LOO)进行多元线性回归模型构建,最终得到了最优的特征组合为分子总能量(Te)、信息含量(Ic)与分子折射率(Mr)。基于此得到的最优定量结构-缓蚀效率关系模型,其相关系数R~2为0.843,关系式表示为IE=-5.517-0.010 1×Te+15.601 7×Ic+0.222×Mr。考察样本后去掉一个奇异样本,其相对误差达到18.9%,剩余14个样本留一法建模,模型效果大大提高,其R~2为0.911。结果表明,Te、Ic、Mr与缓蚀效率具有较高的正相关性,分子结构越稳定、对称性好及折射率高,则其IE值就越高,为设计新型高效的缓蚀剂提供了理论指导。     

基于空间相量模型的三相电压暂降扰动特征提取与分类

对暂降扰动进行精准类型识别是电能质量评估和治理的前提。现有暂降特征提取多是对单一扰动数据进行识别分类,采用数学变换法进行特征提取时数据维数高且计算量大。针对这些问题,提出了一种基于三相电压空间相量模型的多级暂降扰动可视化特征提取及分类方法。首先,将三相电压时域波形数据转换为空间相量模型;其次,使用 K-mean算法,将电压降落扰动聚类成平面内可视化的圆或椭圆;最后,利用逻辑回归算法对每一个聚类的圆或椭圆进行特征提取与分类。应用所提方法分别进行了单一扰动和多级扰动识别的仿真实验,结果表明,所提方法能有效识别A、Ca、Cb、Cc、Da、Db和Dc等七类电压暂降扰动。该方法降低了数据维度,减少了模型计算量,避免了对动态过渡过程的检测,降低了错误识别的风险,为多级电压暂降扰动的识别与分类提供了一种有效的辅助手段。     

鄂尔多斯盆地姬塬地区长6储层矿物含量与孔隙度的线性关系

矿物含量是影响储层物性的重要因素之一。为了较全面地分析不同类型矿物含量对储层孔隙度的影响,以鄂尔多斯盆地姬塬地区长6砂岩储层为例,探索性地运用多元逐步线性回归法分析了石英含量（x₁）、长石含量（x₂）、岩屑含量（x₃）、绿泥石含量（x₄）、伊利石含量（x₅）、高岭石含量（x₆）、硅质含量（x₇）以及铁方解石含量（x₈）与孔隙度（y）的关系,建立了矿物含量（x_i）与孔隙度（y）之间的回归模型：y=21.131-0.086 x₂-0.113 x₃-0.554 x₄-0.370 x₅-0.199 x₆-0.659 x₇-0.465 x₈。结果表明：绿泥石、伊利石、硅质含量及铁方解石含量对长6储层孔隙度的影响较大,而长石、岩屑、高岭石含量对孔隙度影响较小,石英含量对孔隙度几乎没有影响。对多元回归模型的检验发现,实测孔隙度与模型孔隙度之间具有较好的拟合度,多元逐步回归分析法在多因素影响储层物性问题研究中具有一定的优越性,相比单因素分析法更能揭示出影响储层物性的本质。     

石油产量预测的麦克斯韦模型

使用广义翁氏模型研究石油产量预测问题时,常采用线性试差法进行模型参数估计,该方法因需要预先设定1个参数值,并在此条件下求得另2个参数,所以受到的人为影响因素较多。基于统计学中的麦克斯韦分布,建立了两参数的麦克斯韦模型,提出了非线性最优化、一元多项式回归、二元线性回归这3种参数估计法求解麦克斯韦模型中的2个参数。依据1971-2016年挪威石油产量数据,对比了3种方法的求解过程及计算结果,并分析了3种方法的优缺点。结果表明：3种方法的计算结果与实际数据均非常吻合,由此证明了麦克斯韦模型的适用性及其参数估计方法的准确性;回归方法所得均方差极小,说明该方法具有较高的精度,而非线性最优化方法拟合的最高产量发生时间更为准确。这一研究为油气田的产量预测提供了新的模型和有效的模型参数估计方法。     

成本估算参数方法研究

武器装备制造成本是军事部门对装备建设进行决策的重要依据。如何在满足武器装备战术技术指标的同时,合理有效地估算制造成本,是武器装备决策和研制部门迫切需要解决的问题。参数法是较为有用的新型武器系统制造成本估算方法。该文应用回归分析和灰色系统预测理论建立参数方程,解决武器系统制造成本估算问题。     

基于支持向量回归机的长期径流预报 及不确定性分析

根据汉江流域皇庄站1981-2008年逐月径流量与1980-2007年逐月74项环流指数、北太平洋海温场、500hPa高度场的相关关系,利用逐步回归挑选预报因子,构建基于遗传算法的支持向量回归机模型(GA-SVR),并对2009-2013年逐月径流量进行预报;结果表明,径流预报精度较高,汛期平均相对误差在30%以内,非汛期、年总量平均相对误差在20%以内,均优于随机森林和多元线性回归模型。将GA-SVR模型的预报结果作为概率预报的基础,采用贝叶斯理论中的水文不确定性处理器(HUP)对预报的可靠度进行分析;结果表明,HUP不仅可以提供精度更高的定值预报,还能以置信区间的方式量化预报的可靠度,提供更为丰富的预报信息。     

Predicting cetane numbers of n-alcohols and methyl esters from their physical properties

Cetane numbers (C#) for the homologous series of straight-chain, saturated n-alcohols, C₅−C₁₂ and C₁₄, were determined according to ASTM D 613. Measured C# ranged from 18.2–80.8 and increased linearly with carbon number (CN). Regression analyses developed equations that related various physical properties or molecular characteristics of these alcohols to calculated C#. The degree of relationship between measured and calculated C# was expressed as R². The decreasing order of the precision with which these properties correlated with C# was: boiling point (bp)>melting point (mp)>CN>heat of combustion (HG)>refractive index (n²⁰ _D)>density (d). This ranking was based upon R² (0.99–0.96) and the Average % error (2.8–7.2%). C# were also determined for straight-chain homologs of saturated methyl esters with CN of 6, 10, 12, 14, 16 and 18. C# ranged from 18.0–75.6 and increased curvilinearly with CN. Equations were also developed that related physical properties of these esters to C#. The precision with which these properties correlated with C# was: bp>viscosity (V)>heat of vaporization (HV)>HG>CN>surface tension (ST)>mp>n²⁰ _D>d. R² ranged from 0.99 for bp to 0.98 for d. Equations for the alcohols were linear or quadratic, while equations for the esters were linear, quadratic or cubic based upon statistical considerations that included a Student’s t-test. With related physical properties and these equations, accurate predictions of C# can be made for saturated n-alcohols and methyl esters.     

A Plasma‐Etching Process Modeling Via a Polynomial Neural Network

A plasma is a collection of charged particles and on average is electrically neutral. In fabricating integrated circuits, plasma etching is a key means to transfer a photoresist pattern into an underlayer material. To construct a predictive model of plasma‐etching processes, a polynomial neural network (PNN) is applied. This process was characterized by a full factorial experiment, and two attributes modeled are its etch rate and DC bias. According to the number of input variables and type of polynomials to each node, the prediction performance of the PNN was optimized. The various performances of the PNN in diverse environments were compared to three types of statistical regression models and the adaptive network fuzzy inference system (ANFIS). As the demonstrated high‐prediction ability in the simulation results shows, the PNN is efficient and much more accurate from the point of view of approximation and prediction abilities.     

基于支持向量回归的图像超分辨率重建算法

文章提出一种新的基于支持向量回归(SVR)和稀疏表示的图像超分辨重建算法。SVR对输入数据有良好预测输出类别能力。图像统计表明,图像块可以从过完备字典中通过稀疏线性组合很好的表示。对一幅低分辨率输入图像,可以将图像超分辨问题视为在高分辨图像中估计其像素位置。与传统的支持向量回归方法相比,本文采用的特征是不同类型的图像块的稀疏表示。研究表明,稀疏表示作为特征对噪声有一定的鲁棒性。实验结果表明,本文方法与传统支持向量回归方法相比在图像重建质量上有一定的优势。