不同混纺比甲壳素/长绒棉混纺纱工艺与性能研究

应用东华大学自行研制的小型环锭纺纱整套系统纺出10/90、20/80、30/70、40/60、50/50等5种不同混纺比的19.5 tex甲壳素/棉混纺纱,阐明了各个工序的工艺参数,测定了混纺纱的断裂强度、断裂伸长率、条干CV值和毛羽,分析了混纺比对混纺纱性能的影响.结果表明,10/90甲/棉混纺纱的强伸度最好;20/...     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

具有Rao简单结构的多元t-模型的异常点检验

异常点识别是统计诊断的主要研究问题之一.本文利用均值漂移模型和似然比检验,研究了具有Rao简单结构的多元t-模型的异常点识别问题,给出了判别异常点的方法.     

水电站月度调度函数的模型制定与模拟结果评价

基于统计学中多元逐步回归原理建立了多年调节水电站分月调度函数模型,并根据水电站优化调度特征确定待选自变量,用以指导电站实际优化调度运行。在考虑电站自身各约束及综合利用要求的前提下,进一步采用程序设计模拟调度函数指导水电站长系列调度运行,通过对模拟结果的全面评价,证实所建立的调度函数具有良好的指导意义和实用价值。     

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。     

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.     

橡胶冷喂料挤出机螺杆参数与机头压力实用数学模型的研究

运用正交回归试验方法，在Φ橡胶冷喂料挤出机实验台上，研究了螺杆主要参数（长径比，螺旋角，螺槽深度，螺杆几何压缩比）及主要挤出工艺、物性参数（螺杆转速、机头口型，胶料种类）对橡胶冷喂料挤出机机头压力的影响。对各实验因素及实验结果做了统计分析，确定了上述各因素对冷喂挤出机机头压力影响的显著因素，得出了机头压力与螺杆及工艺、物性参数之间的定量计算数学模型。     

采用支持向量回归抑制噪声的经验模态分解方法

在实际信号分解中,经验模态分解（ EMD）是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析产生一定影响。为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归（ SVR）的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进行二次分解。实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假IMF。这种分解方法对噪声不敏感,能有效提高EMD方法对噪声的容忍度。     

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。     

线性回归和BP神经网络在噪声监测中的应用

噪声监测系统能够自动测量噪声分贝值,并实时处理系统监测到的各种声音环境信息,但是在噪声监测系统的实际应用中,噪声的分贝值受到温度、湿度和大气压力等多个因素影响,与实际值存在误差.为了提高噪声的测量精度,必须使用相关技术进行校正,系统采用了线性回归和BP神经网络技术,研究了预测模型的因素和系数,分析了模型中因素的相关性,获得了噪声监测的自动校正模型.从线性回归和BP神经网络自动校正数据的测试效果看,优化了测量数据的容错性并改进了数据校正的精度,使预测模型的判定系数R2的值有了较大提升.