混沌理论和机器学习算法的运动员成绩预测模型

为了准确地对运动员成绩进行预测,结合运动员成绩的具体变化特点,设计了基于混沌理论和机器学习算法的运动员成绩预测模型。首先对当前运动员成绩建模与预测的研究现状进行分析,找到当前运动员成绩预测模型存在的不足,然后采用混沌理论对运动员成绩历史数据进行处理,发现其中隐藏的规律,最后引入机器学习算法——极限学习机设计运动员成绩预测模型。仿真实验结果表明,与当前运动员成绩预测模型相比,所设计模型的运动员成绩预测结果更加可靠,而且运动员成绩预测精度更高,可以应用于体育科学训练计划制定。     

复杂地质条件下盾构掘进参数预测分析

将粒子群算法和BP神经网络相结合,构建PSO-BP神经网络盾构参数预测模型,可将盾构参数预测值与实际值的相对误差控制在10%以内,能够在前期盾构施工参数基础上,对后续盾构施工参数做出很好的预判,可为指导后续盾构施工提供帮助。     

一重分形特征表面的磨合磨损预测模型仿真研究

阐述了基于一重分形特征表面M-B接触模型的磨合磨损预测模型的定义,仿真研究了分形维数D对于磨损量的影响,分析其结果,最后得到了最佳分形维数opcD的计算方法。     

固化滇池泥炭土抗压强度的实验研究

在对固化土强度模型分析的基础上,确定实验研究固化滇池泥炭土外加剂对固化泥炭土抗压强度的作用关系,并根据实验数据初步建立了28 d龄期下固化泥炭土强度预测以及在不同龄期下固化泥炭土强度预测模型.采用该模型研究了水泥、固化剂、建筑废渣用量、龄期对固化泥炭土强度增长的规律,对泥炭土抗压强度预测提供一定的实验参考依据.     

西门子专家优化控制系统在水泥生产线的应用

以中材国际工程股份有限公司(南京)在尼日利亚Ibese 2×6000t/d熟料水泥生产线项目西门子专家优化控制系统对窑和水泥磨优化为例,通过建立精确的控制模型,以及实时信息在线对控制模型进行预报、优化、修正,解决目前水泥行业运行控制普遍存在的能耗、效率和精度问题,系统实现窑磨在最优化的工作状态下运行;同时,能够极大地降低操作员的工作强度,解决了不同水平操作员操作效果差异这一难题,最大限度地减少人为因素对水泥生产线系统的影响。     

基于主元独立性分析与混合核RVM的复杂过程区间预测方法研究及应用

近年来,随着化工过程日趋复杂,对过程监控及关键变量预测提出了更高的要求。传统意义上的点预测已不能满足化工过程上的实际需求,且点预测无法描述过程上的不确定性问题,因此不能很好地把握预测变量的趋势。由此,提出了一种基于主元独立性分析（principal component independent analysis,PCIA）与混合核相关向量机（RVM）的区间预测方法。首先,结合核主元成分分析（KPCA）和独立元分析（ICA）对复杂过程原始变量进行主元成分提取和独立性分析,形成独立主元;其次,将高斯核函数与多项式核函数相结合形成混合核,与RVM结合对得到的独立主元进行回归建模预测,并运用T分布对预测值进行区间估计;然后,构造区间评价综合函数对区间估计结果进行优劣分析,在分析预测区间覆盖率（PICP）及预测区间宽度（NMPIW）的基础上,引入累积偏差（AD）提高区间评判的合理性。最后,将所提方法应用到TE仿真过程进行区间预测分析,仿真结果表明,提出的区间预测方法对实际生产过程具有较高的预测精度和区间估计质量,可以有效地预测关键变量的趋势。     

基于BP神经网络的深孔切屑形态预测模型

针对内排屑深孔加工系统排屑难、效率低的问题,建立了切屑形态预测模型,确保深孔加工的顺利排屑和加工过程的顺利进行。通过对切屑形态进行整理和分类,利用十进制编码将其转化为数据结构。首次利用BP神经网络系统,对45#钢、灰铸铁两类加工材料建立切屑形态预测模型。应用效果表明,该模型可根据深孔加工的切削用量和冷却液参数对切屑形态进行基本预测,为切削用量的合理选择及优化提供理论依据。该模型的建立对提高深孔加工效率和降低加工成本有很高的实用价值。     

裂隙岩体地下工程冒落空间预测模型

根据地下工程冒落体形成的基本条件，讨论了结构面迹线和开挖面迹线的交集关系，由此构造出冒落体的概率空间，利用岩体中的结构面随机分布的特性，推出冒落空间的概率预测公式。通过工程实例分析，求出了冒落高度、冒落体积的分布概率和随结构面间距变化的冒落空间概率曲面。     

基于神经网络的混凝投药系统预测模型

对目前水厂实际运行过程中混凝剂投量的确定及影响因素进行了分析，通过引入神经网络预测理论建立了混凝剂投量的预测模型，并以某水厂的实际运行数据对该模型的性能进行了验证。结果表明，网络预测模型具有很强的自学习性、自适应性和容错性，通过网络的在线自学习，可使预测结果的准确度明显提高。利用该模型可实现混凝剂投量的在线预测控制，为实现混凝剂的最优投加提供了一条有效途径。