基于融合模型动态权值的气温预测

气象数据为多元时间序列,为了解决传统气温预测算法预测误差大、时空特征提取不充分的问题, 将灰色关联分析、卷积长短时记忆网络和双向长短时记忆网络融合,提出了一种GRA-Conv-BiLSTM气温预测方法。灰色关联分析法解决了传统方法中参数选择困难的问题,然后设定时间窗,结合历史气温作为模型的输入,建立卷积长短时记忆网络和双向长短时记忆网络动态加权融合的预测模型以增强模型的时空特征提取能力,并以四川省某气象站点历史数据作为样本进行实验。结果显示,对于数据量庞大的多元气象时间序列,该模型表现出更强的优越性,能够适应动态非线性变化,预测精度更高。     

基于时间序列模型的UOE焊管生产过程多目标优化

为有效实现UOE焊管生产过程的优化计算,提出了一种综合考虑产品质量、成本、库存等多个指标的优化模型及满意求解算法。首先,考虑原料库存对焊管过程的影响,将库存成本作为目标函数,库存量作为约束引入优化模型。然后,针对模型具有多个质量边界约束的特点,利用焊管生产过程中质量约束边界的可调性,引入满意优化理论中的"软约束"调整约束边界,以改善该优化问题求解的可行性。最后,引入时间序列模型中的加权移动平均法和一次指数平滑法进行寻优,并将提出的模型和算法应用于指导焊管生产。研究结果表明:所提出的优化模型及求解算法有效地提高了UOE生产过程的作业效率,优化结果既能满足焊管工艺技术要求,也能有效降低生产过程异常和生产成本。     

基于改进时间序列方法的HRG输出建模预测

针对半球谐振陀螺仪的输出可能不符合时间序列分析的平稳性要求的问题,提出了一种基于经验模态分解的改进时间序列灰色预测方法,该方法将经验模态分解、时间序列建模和灰色预测结合起来。首先利用经验模态分解对陀螺仪的输出原始信号进行预处理,分解得到原始信号中包含的随机项和趋势项,然后对这些信号进行平稳性检验,根据检验结果选择时间序列分析和灰色预测对这些数据分别进行建模预测,最后将预测结果进行重构得到最终的预测值。仿真实验结果表明,该方法的预测效果比单独使用时间序列分析进行建模预测的效果要好。     

摇摆流动不稳定性的遗传算法优化神经网络预测

摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。     

大型机组滑压运行时锅炉给水泵的调节特性分析

针对大型发电机组变负荷滑压运行的特点,进行了由变速主给水泵和工频前置泵串联后再并联组成的给水系统特性的综合分析。其重点是通过给水泵不同组合运行方式下其特性方程的拟合以及机组滑压运行时给水管路特性的确定和对应阻力数的求取过程最终推导出在仅靠主给水泵变速调节以满足不同负荷、不同滑压下所对应的扬程、效率和转速等关系式。并以某电站600MW超临界机组为例对不同运行方案进行了能耗比较,从而提出了不同负荷下更加合理的运行方式,为工程的实际应用提供了可参考的理论依据。     

连铸零段辊系列磨损的研究

通过冶金连铸现场工况和使用要求的调查分析,并结合生产过程中发生不可控事故的研究,阐述了冶金连铸辊列第一段位工作状态的复杂性及其须具备的制造性能。     

带缓冲区的三设备串行生产系统动态机会维护策略研究

以采用周定周期预防维护技术并带有中间缓存区的三设备串行生产系统为研究对象,基于机会结余和组成本理论,运用动态规划方法,在组合优化的基础上,建立一种基于设备可靠性的三设备串行系统动态机会维护策略及决策优化模型.该模型克服了在当前生产系统中设备只有短期信息可用,而导致预防性维护计划制定的灵活性不足这一问题.数值试验结果表明,该模型能在控制维护成本的基础上提供有效的维护调度方案,为企业的设备维护管理决策问题提供了一种新的解决思路.     

电厂燃气轮机热参数监测过程中的方差分析

通过分析上海闸电燃机发电厂监测数据,发现一年中大气温度和功率的变化使得热参数监测标准难以选取。为了找出与大气温度变化、功率变化无关的热参数监测标准,本文从方差入手,采取时间序列模型方差均值方式对运行数据进行了分析。结果表明,用时间序列模型求出的方差基准线不随大气温度变化而变化,采用满负荷工况监测可以显示出故障时性能变化最大的数据。在有故障出现时,通过时间序列模型求得的各监测数据的方差将会超过警戒线而报警,从而可以起到监测作用。     

基于多嵌入维数的径流组合预测

针对理论混沌参数计算方法很难得到实际径流时间序列的最佳嵌入维数,采用多嵌入维数组合预测对径流时间序列预测方法进行改进。利用Lyapunov指数预测模型分别计算了一系列不同嵌入维数情况下的预测值,根据预测效果对结果进行选择,并利用组合原理对其进行集成得到最后的预测值。实例分析表明,相对于单嵌入维数法,多嵌入维数组合预测方法可以综合利用不同相空间中的有用信息,提高径流时间序列预测的精度。     

Improved design of robust exponentially weighted moving average control charts for autocorrelated processes

Residual‐based control charts for autocorrelated processes are known to be sensitive to time series modeling errors, which can seriously inflate the false alarm rate. This paper presents a design approach for a residual‐based exponentially weighted moving average (EWMA) chart that mitigates this problem by modifying the control limits based on the level of model uncertainty. Using a Bayesian analysis, we derive the approximate expected variance of the EWMA statistic, where the expectation is with respect to the posterior distribution of the unknown model parameters. The result is a relatively clean expression for the expected variance as a function of the estimated parameters and their covariance matrix. We use control limits proportional to the square root of the expected variance. We compare our approach to two other approaches for designing robust residual‐based EWMA charts and argue that our approach generally results in a more appropriate widening of the control limits. Copyright © 2010 John Wiley & Sons, Ltd.