新组合模型在光电功率预测中的应用

为提高光伏预测要求的精准性,文章提出一种新算法将神经网络和ARMA算法改进组合,构成NEW ARMA-BP模型算法.以某30兆瓦的光伏电站采集的输出功率为输入样本,基于ARMA和BP神经网络算法在Matlab环境下依次搭建了相应的预测模型,预估光伏短期输出量.采用"误差正态检验图"判断基于两种不同算法的误差水平,依据两种单模型预测误差,运用所提出的新方法计算权值并获得新的预测值.基于Matlab的仿真结论验证了组合预测在光伏输出预测领域的适用性.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

密闭空间可燃气体爆炸超压预测

为避免密闭空间内可燃预混气体爆炸事故造成的伤害，对其进行较为准确的爆炸超压预测是抗爆设计和日常安全管理的关键。结合已有文献实验数据，利用光滑层流火焰传播理论模型建立了爆炸超压模型；对比发现，当体积较大时，光滑层流火焰传播理论模型存在较大的误差。较大体积密闭空间爆炸火焰传播过程中的不稳定性造成火焰前锋面褶皱并引起湍流燃烧，导致火焰前锋面表面积大幅增加，且在火焰传播过程中表现出自相似分形特征。依据褶皱及湍流火焰传播过程中的自相似分形特征，基于分形燃烧理论和相关经验数据，进一步建立了考虑可燃预混气体爆炸火焰褶皱及湍流火焰传播的爆炸超压预测模型，并与实验所得结果进行了对比。结果表明:当密闭空间体积较大时，利用褶皱及湍流火焰传播理论建立的爆炸超压模型进行峰值压力估算时，两种工况下实验所得和理论计算所得相对误差分别为10.4%和11.1%，较光滑层流火焰传播理论爆炸超压模型相比，误差分别减少了72.3%和50.6%。本文所建立理论模型与实验所得结果具有较好的一致性，在一定程度上可满足结构抗爆设计或日常安全管理的需要。     

ITS示范工程对城市交通畅通性的贡献率研究

通过分析城市交通畅通性的影响因素及其与ITS(智能交通系统)的关系,挖掘ITS对城市交通畅通性的贡献率指标.搜集实证研究对象数据,采用灰色预测模型预测贡献率指标的数值,将ITS示范工程实施前后的数值进行对比,计算得到ITS示范工程对城市交通畅通性的贡献率.由贡献率结果判断ITS示范工程对城市交通畅通性的作用及ITS示范工程的实施效果如何,为未来ITS的发展提供相应的参考建议.     

考虑季末调整的季节性产品(Qi,Ri)库存模型与管理

考虑季节性产品需求的季节性周期变化、季节内需求不确定性双重波动对产品需求的影响,为季节性产品进行综合需求预测,制定库存管理策略提供参考.本研究综合Holt-Winter需求预测模型和(Q,R)库存模型进行订货点和订货量的决策,并针对季节性产品特点提出了季节间转换时期的订货策略.最后,利用上述模型和某化工企业多年实际数据,进行实证研究,对化工产品的订货量和订货点进行优化,验证了本研究提出的模型与方法可以大幅降低季节性产品库存成本和缺货率.研究对季节性产品库存管理有着重要的学术与实践意义.     

基于电子病历的乳腺癌群组与治疗方案可视分析

乳腺癌是当前最常见的恶性肿瘤之一，其电子病历数据可用于挖掘隐含规律，对治疗与预后分析有重要意义。通过与乳腺科医生合作，选择合适的预测模型和可视化方法，搭建了一个基于电子病历的乳腺癌群组和治疗方案可视分析系统。首先，对具有高维属性的病人进行降维和聚类处理，形成病人群组，并采用南丁格尔图、词云和时间轴可视化方法，直观展示病人群组间特征的差异；然后，用支持向量机（support vector machine，SVM）模型预测治疗方案，用平行坐标、矩阵热力图和分类图分别展示属性相关性、训练后的特征权重和预测结果；最后，用真实案例验证了系统在群组分析、治疗方案及病人属性关联分析中的有效性，从而较好地帮助医生选择合适的治疗方案。     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

基于相似度证据理论的模糊时间序列模型的研究

为了提高模糊时间序列模型的预测效果,利用证据理论在处理不确定信息和信息融合方面的优越性,利用贴近度作为证据之间的相似度,对模糊规则进行合成,形成基于相似度的证据理论的多因素模糊时间序列模型.方法在支持证据"与"运算的合成和对冲突证据的比例分配上,充分考虑了证据的权重.最后,通过实例的比较研究验证模型的有效性.     

正畸弓丝与托槽间摩擦力建模及试验研究

正畸矫治过程中,正畸弓丝与托槽间的相对滑动趋势将产生摩擦力,进而降低有效矫治力,影响矫治的性能和效率. 针对目前正畸摩擦力预测方法量化预测精度低的问题,依据正畸弓丝与托槽间的几何关系、力学关系及物理参数,提出一种基于分力叠加原理的计及接触角度的正畸摩擦力预测模型建立方法. 探究影响正畸摩擦力的主要因素以及变化规律,提出采用有限滑动法测量正畸摩擦力,搭建了基于六维力传感器的正畸摩擦力测量系统,进行了不同弓丝-托槽组合和不同接触角度的摩擦力测量,试验数据与预测模型的理论数据间误差率处于0.55%~9.65%之间,证明该预测模型可为医师明确正畸矫治器参数-摩擦力-矫治力的关系提供理论依据,为实现数字化正畸提供理论支撑,保证个性化正畸方案的高效、高可靠性和高舒适度,最终达到轻力矫治的效果.