热定型工艺对斜纹涤纶机织滤布透气性能的影响

通过改变热定型温度、时间等工艺条件测试了织物热定型前后的透气性的变化,探讨了热定型工艺参数对涤纶机织滤布透气性的影响规律;采用二次回归正交设计得出斜纹涤纶机织滤布透气性与定型工艺的非线性关系,建立了热定型工艺与织物透气性影响规律的二次回归非线性经验方程.在定型温度为212℃、定型时间为143 s时涤纶机织滤布的透气量达...     

离子膜车间杜邦膜监测工作总结

通过对杜邦膜NX2002TX和旭硝子公司的F-893膜在第1年应用中运行数据的比较。证明在使用第1年内，NX2002TX膜的性能高于F-893膜。     

支持向量回归在飞灰含碳量软测量中的应用

针对目前锅炉飞灰含碳量难以准确测量的问题,应用支持向量回归和粒子群算法相结合建立了飞灰含碳量软测量模型;建模中以某电厂提供的1 000 MW超超临界机组的测试数据为研究对象,对数据进行了预处理,对各种变量进行了关联度分析,采用粒子群算法优化了模型的惩罚参数C和核函数参数g,建立了飞灰含碳量软测量模型;同时利用测试数据和另选的随机数据验证了模型的准确性和泛化能力;仿真结果表明,飞灰含碳量软测量模型的预测精度较高,相对误差被控制在±1%以内,而且泛化能力较强,为锅炉飞灰含碳量的测量提供了一种有效的途径。     

回归分析法研究导电硅橡胶的综合性能

用回归分析法对白炭黑和乙炔炭黑的用量与硅橡胶的导电性以及综合性能之间的关系进行研究。结果表明:硅橡胶的导电性随乙炔炭黑的用量增加而提高,物理机械性能则有所下降;硅橡胶的导电性随白炭黑的用量增加而下降,拉伸强度则有所提高。建立的数学模型能较好地拟合硅橡胶的导电性及综合性能与白炭黑和乙炔炭黑的用量之间的关系。     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

应用于临床生存时间预测的二次学习算法研究

生存时间预测在医学、经济和工程等领域有着广泛的应用。随着机器学习技术和数据挖掘技术的发展和广泛应用,研究人员提出了很多基于机器学习技术的生存时间预测算法。这些算法虽然都取得了良好的效果,但预测精度均有提升的空间。因此,提出了一种基于二次学习风范的生存时间预测算法,并结合最近邻算法在截尾样本估计上的应用以及支持向量机在泛化性能上的优势,实现了对临床生存时间的建模。实验结果表明,该算法能够获取精确的生存时间,且具有预测精度上的性能优势。     

基于季节长记忆双自回归模型的日径流模拟

传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大,WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(C_v)和偏态系数(C_s)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法,可为日径流模拟...     

基于Logistic回归惩罚函数的遗传位点分析

探讨将基于惩罚函数的变量选择方法应用到遗传位点分析.以2016年9月16日的全国研究生数学建模竞赛B题的数据为例,首先对每个位点的碱基对(A、T、C、G)编码方式数值化处理,最后用数值化后的数据进行建模,并将单变量选择Logistic SCAD、组变量选择Logistic Group SCAD模型和双层变量选择Logistic cMCP模型定位到与遗传性疾病显著相关的遗传位点,分别与出题者提供的标准答案进行对比,结果显示双层变量选择Logistic cMCP模型能够准确的定位到与遗传性疾病显著相关的遗传位点.因此将其运用到具有遗传性疾病和性状的遗传位点分析是值得研究的.     

改进多目标帝王蝶算法

帝王蝶优化算法结构简单,能够较好的完成寻优搜索要求,但在多目标问题上,算法的精度和非支配解的分布性较差.针对以上不足之处,本文提出一种改进型多目标帝王蝶算法(Improved multi-objective monarch butterfly algorithm,IMOMBO),对非支配解进行拥挤度排序,所有非支配解个体都以当前最优个体为中心点映射镜像点,并朝向镜像点奔袭,以此增加个体在Pareto前沿上的收敛性和算法精度.在算法迭代后期,对部分较优个体进行Logistic混沌映射,以改善个体在Pareto前沿上的分布性.随机选用ZDT和DTLZ测试函数集中的函数进行算法性能验证,实验结果证明,本算法可以很好地保证非支配解个体的收敛特性和分布特性.