合肥环境空气中 PM2．5的影响因素和时空分布

针对合肥市环境空气中的 PM2．5污染,使用残差分析、相关系数等方法,建立多元线性回归、污染指数、改进的高斯等模型,运用 Matlab、Eviews、Surfer 等软件,对数据进行处理,得出结论：1）影响 PM2．5浓度的主要影响因素是 CO、PM10的浓度;2）该地区 PM2．5的时空分布和传播规律为沿市区向周围污染逐渐降低;3）自然因素对 PM2．5的传播主要受到风速、温度的影响且随着温度升高污染程度降低,风速越大污染程度越高。     

非稀疏多核组合的支持向量回归方法

为了改善支持向量回归机的性能,本文提出了一种利用多核学习解决回归问题的算法(NS-MKR),算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这两个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,本文提出的算法有更好的泛化性能。     

Segmentation of the image with multi-visual features for a traffic scene

Scene segmentations based on the pixel classifying calculation are complicated, and they use insufficient features, thus resulting in a low accuracy, so a new model is proposed to overcome these shortcomings,which is to learn these geometric classes based on multi-visual features of super-pixels. First, various features are extracted from the super-pixels of an input image. These features are used for classifying the super-pixels. Then the difference between the adjacent super-pixels is calculated to predict their consistency. The initial classification result and the consistency are synthesized to the Markov Random Field energy function, which is then minimized based on the graph-cuts algorithm to get the final labels of the super-pixels. Experimental results prove the effectiveness of the multi-visual features and the optimization method proposed, with superior performance achieved for traffic scenes.     

基于用户喜好的个性推荐系统优化

采用协同过滤方式的传统推荐系统具有一定实用性,但也存在未考虑用户个性喜好的问题。为提高推荐精度,特别针对用户个性化特点和需求,提出了采用改进相似度计算和回归分析方法对协同过滤推荐进行系统优化。实验结果表明,优化算法可明显改善系统的推荐效果,并加强基于协同过滤推荐的有效性。     

金属材料FV520B冲蚀模型的建立与验证

为了用数学的方式描述金属材料的冲蚀率随靶材属性、颗粒属性、环境因素的变化规律,从颗粒冲击靶材的碰撞过程入手,通过求解颗粒运动方程和碰撞的能量方程,建立了基于微切削和变形磨损的塑性材料冲蚀模型。借助金属材料FV520B的正交冲蚀试验结果,利用回归分析法获得FV520B冲蚀率计算模型,并通过方差分析和单因素冲蚀试验对计算模型进行了验证。方差分析结果表明,该冲蚀率计算模型非常显著,由模型获得的冲蚀率计算值与单因素试验结果吻合程度较高,说明该模型在预测金属材料FV520B不同环境下的冲蚀磨损时具有较好的适应性和可靠性,研究结果对叶轮材料FV520B冲蚀磨损寿命的评估具有指导意义。     

基于蚁群优化的风电机组绝缘可靠性灰色预测

目前风电机组可靠性分析主要是针对风电机组整体系统,缺乏对关键部件可靠性的深入研究,且需要处理大量数据,增加了可靠性测试的成本和难度,因此,在深入研究绝缘主要故障机理的基础上,将两种基于小样本数据的灰色模型引入到绕组绝缘可靠性预测中.为提高预测精度,以两种灰色模型为基础,以最小偏差平方和为标准提出了基于蚁群算法的绝缘可靠性优化模型.预测结果表明,绝缘可靠性满足威布尔分布.利用实测数据进行验证,两者的符合度较好,证明利用所提模型可以有效缩短可靠性测试周期,降低实验成本.     

线性回归分析法在工资预测中的应用

以线性回归分析方法为基础,采集由四川省政府和省统计局于1991 ～2012年发布的城镇在 岗职工平均工资数据,研究并建立了科学的预测模型.结合我国的经济发展战略目标,预测出四川省城镇在岗职工2013 ～2020年的平均工资值及其截止2050年的增长趋势.最后对预测数据进行了具体分析,从实际层面评估了预测模型的建模方法和预测数据的可信度.     

面向光伏发电的规则表预测模型

基于模式树提出了一种面向光伏发电的规则表模型.学习时,迭代地构建不同的模式树;对于每次迭代,树中对应于最优的路径被作为规则表中的规则.预测时,根据规则表,使用相应的线性回归模型进行预测.实验结果表明,较之于神经网络、模式树,该模型具有更好的可解释性,同时表现出更高的预测准确性.     

一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.     

优选多地震属性线性回归方法在预测煤层厚度中的应用

采用相关性回归分析和聚类分析优选出三种地震属性：瞬时频率算术平均值、总振幅、总能量。应用线性回归方法建立了瞬时频率算术平均值、总振幅、总能量和煤层厚度之间的回归模型。通过对三元三次回归模型与三元一次、三元二次回归模型预测结果的对比分析,选用三元三次回归模型预测了山西宁武某煤矿的煤层厚度。