林樊家油田出砂量预测研究

本论文根据国内外出砂理论研究现状,针对林樊家油田开采过程中存在的出砂问题,建立了林樊家油田出砂量预测模型。运用该模型及相关参数,即可求得储层的临界生产压差及临界产量,或者计算给定产量下的出砂量。     

PS/SCCO_2发泡体系挤出胀大和泡孔平均直径预测模型

运用正交试验和统计相结合的方法,研究了温度、压力、剪切速率、发泡剂含量对聚苯乙烯/超临界CO2发泡体系挤出胀大和泡孔的影响;综合胀大比和毛细管数的关系,提出了聚苯乙烯/超临界CO2发泡体系挤出胀大和泡孔平均直径预测模型。与实验结果相比,发泡体系挤出胀大的预测值与实验测量结果的误差在5%左右,泡孔平均直径的预测值与实验测量值的误差在10%左右。     

水泥回转窑的智能控制

文章介绍了PIT Navigator对水泥熟料生产自动化控制的实现,基于神经网络的自学习、自适应控制元件,将相关的过程数据记录下来,随后借助数据关联性进行分析,在预测和自学习过程模型(模型预测控制)中处理这些数据,并计算过程参数的实时预测,使用这些工具,可以实现更稳定的窑况,同时提高产量和降低能耗。     

基于BP网络的保护渣性能预测模型的研究

结合BP网络计算机实验研究 ,建立了保护渣化学组成与性能的预测模型 ,并利用化学组成与性能的关系 ,对网络的实用性进行了检验 ,结果符合保护渣化学组成与性能的关系。保护渣粘度随着保护渣碱度的增大而减小 ,而半球点温度随碱度增大而增大 ;保护渣的半球点温度和粘度都随着渣中CaF2 含量的增加而减小。用BP网络的误差反向传播算法建立的保护渣的化学组成与性能的预测模型 ,得出的预测值与实际值的误差小 ,对保护渣的设计与应用都有一定的指导作用。     

番茄游离氨基酸总量近红外光谱预测模型研究

采用近红外光谱分析技术,建立番茄中游离氨基酸总量预测模型。从一至三穗成熟果实中共采集番茄108个,其中84个做校正集,24个做验证集。从数据归一化、数据格式、数据平滑几个方面选择不同的光谱预处理方法,确定最佳方法为:"Mean Centering"+"Second derivative"+"Norris derivative filter"。将全波数范围(40000~11000)cm~(-1)划分为70个区间,得到最佳建模区间组合为9,10,17,56,57,61。利用偏最小二乘法建立预测模型,得到相关评价指标R、RMSEC、RMSEP及模型预测准确率分别为0.936、6.72μg/100g、7.15μg/100g和92.5%。评价指标及对验证集的预测结果表明,所建模型用来实现对番茄中游离氨基酸总量进行无损、快速预测是可行的。     

灰色—支持向量机的空调负荷预测

对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。     

Prevention from Soft Errors via Architecture Elasticity

Due to the decreasing threshold voltages, shrinking feature size, as well as the exponential growth of on-chip transistors, modern processors are increasingly vulnerable to soft errors. However, traditional mechanisms of soft error mitigation take actions to deal with soft errors only after they have been detected. Instead of the passive responses, this paper proposes a novel mechanism which proactively prevents from the occurrence of soft errors via architecture elasticity. In the light of a predictive model, we adapt the processor architectures h01istically and dynamically. The predictive model provides the ability to quickly and accurately predict the simulation target across different program execution phases on any architecture configurations by leveraging an artificial neural network model. Experimental results on SPEC CPU 2000 benchmarks show that our method inherently reduces the soft error rate by 33.2% and improves the energy efficiency by 18.3% as compared with the static configuration processor.     

基于引力搜索算法的分数阶变异时序回归GSA-TSGM(1,1)模型

为了利用分数阶累加算子在灰色短期预测中的高效性能,首次将分数阶累加算子引入变异时序回归模型以期取得更高的预测精度。主要方法如下：首先取湖北省链子崖某监测点1978—1987年的十年数据作为训练集并使用引力搜索算法确定最佳分数阶累加阶数,而1988—1993年的六年数据作为验证集验证提出的模型;其次对比了经典灰色模型GM(1,1)、分数阶累加灰色模型、变异时序回归模型TSGM(1,1)三种灰色模型。结果如下：首先修正了陈西江等人变异时序回归模型仿真时出现的错误,其次表明了相比于其他的模型,基于引力搜索算法的分数阶累加时序回归模型在进行灰色长期预测中具有较高的预测精度。因此,通过分数阶累加算子提高了灰色理论中长期预测模型的精度,为灰色长期预测提供了指导。     

基于互信息的湖泊日水位预测——以西洞庭湖为例

鉴于传统的湖泊水位预测在输入因子选择时具有一定的盲目性,以西洞庭湖为例,利用基于互信息的输入因子选择法建立了日水位预测模型。按河流生态功能将水文年划分为枯水期、汛前涨水期、汛期、汛后退水期4个时期,然后分期计算影响湖泊日水位的自变量与日水位的互信息,并引入广义相关系数将互信息归一化,选出各时期互信息最大的自变量因子作为模型的输入变量。经过模型计算与数据分析可得:F检验结果显著,回归值与实测值的相关度高,剩余标准差小。由此证明用互信息筛选出的因子作为模型的输入变量能取得较好的精度并在实际中易于操作。     

基于经验统计的弃渣场失稳致灾距预测模型研究

弃渣场失稳滑坡是一种严重的山地灾害,而对其致灾距离的预测对于灾害的防治具有重要意义。通过收集多组山地灾害数据,并经过处理后提出了滑坡碎屑流致灾距的经验预测模型,并基于此,进一步提出了弃渣场失稳滑坡致灾距的经验预测模型,模型考虑了弃渣体内部因素可能造成的影响,并通过数据拟合对模型的适用性进行了验证。其研究成果具有一定的推广价值。