煤浆浓度和颗粒分布对煤浆黏度预测的影响

采用神华煤制备煤浆,分析了颗粒粒径比λ和小颗粒体积分数ξ对双峰分布浆体黏度的影响,根据浆体黏度的关联式预测了煤浆的黏度并且与实验结果进行了比较。结果表明,采用双峰分布的颗粒制浆可以有效地降低浆体的黏度,同时可以获得较大的浆体体积分数 。在相同体积分数下,随着颗粒粒径比λ的增加,浆体的黏度迅速下降。当小颗粒体积分数ξ_dp1为35%时,浆体的黏度最小。采用Ouchiyama模型计算浆体的最大体积分数Φ_m与实验值较为吻合,而浆体的本质黏度[μ]基本保持不变。考虑λ和小颗粒体积分数ξ对双峰分布浆体的最大体积分数Φ_m的影响,可以采用单峰分布浆体的黏度关联式预测双峰分布浆体的黏度。     

基于联系数投影的三角模糊数组合预测模型及其应用

在模糊预测中,三角模糊数比区间数更能准确刻画不确定信息。针对三角模糊数组合预测,本文首先引入集对分析中联系数,找出三角模糊数与三元联系数的转换关系,巧妙回避三角模糊数组合预测运算的模糊性和复杂性。其次定义三元联系数运算规则,构建联系数投影作为最优准则,建立联系数投影的定权系数三角模糊数组合预测模型。然后依据高精度预测方法应赋予较大权系数的原则,构建联系数广义诱导有序加权平均(CNGIOWA)算子,研究其性质定理,再结合联系数投影的最优准则,建立基于联系数投影和CNGIOWA算子的变权系数三角模糊数组合预测模型。最后将两类三角模糊数组合预测模型应用到模糊预测实证分析中,结果显示两类组合预测模型都能有效提高预测准确性。     

周期分析法在棉红蜘蛛发生程度预测中的应用

本文应用周期分析方法对江陵县棉红蜘蛛—朱砂叶螨的预测预报技术作了新的尝试．经对江陵县３６年历史资料拟合，符合率高达９４．４％．运用这一技术对该县１９８７—１９９６年棉红蜘蛛发生程度进行了１０年长期预测预报．     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

Nonlinear Time Series Forecast Using Radial Basis Function Neural Networks

In the research of using Radial Basis Function Neural Network (RBF NN) forecasting nonlinear time series, we investigate how the different clusterings affect the process of learning and forecasting. We find that k-means clustering is very suitable. In order to increase the precision we introduce a nonlinear feedback term to escape from the local minima of energy, then we use the model to forecast the nonlinear time series which are produced by Mackey-Glass equation and stocks. By selecting the k-means clustering and the suitable feedback term, much better forecasting results are obtained.     

PLS分析与RBF神经网络耦合环境模型

鉴于城市大气环境质量受到诸多复杂因素影响,且各因素间存在多重相关性,本文将偏最小二乘(PLS)分析与人工神经网络径向基网络(RBF)耦合,建立偏最小二乘径向基神经网络模型(PLSRBF),应用于贵阳大气环境质量的检验和预测。实例表明:PLSRBF模型可对原多自变量模型进行降维简化,并可有效提取解释变量信息,防止信息丢失,且具有较强的拟合能力。     

基于灰色预测模型的广州市城镇生活垃圾清运量预测

基于灰色预测理论,分别用GM(1,1)模型、分数阶GM(1,1)模型和新陈代谢GM (1,1)模型对广州市2015-2019年城镇生活垃圾清运量数据进行建模、检验和比较,结果表明新陈代谢GM(1,1)模型预测精度最高.预测2020-2024年广州市城镇生活垃圾清运量仍呈现长的趋势,在2024年将会突破1000万吨.     

基于灰关联分析的GA-BP神经网络在汽车油耗估算中的应用

从设计参数特征入手分析影响汽车油耗的因素,利用灰关联分析方法,解析了各设计参数对汽车油耗的影响程度,选择其中灰关联度较大的设计参数作为输入数据,综合工况油耗作为输出数据,构建6-5-1层结构的BP神经网络预测模型,并利用遗传算法获得优化后的BP神经网络的权值和阈值,然后训练BP神经网络得到最优值,最后以国内市场340款汽车作为研究样本,进行有效性验证.研究结果表明,模型利用灰关联分析获得影响汽车油耗的主要因素,简化了网络结构;与优化前的BP神经网络相比,具有更高的预测精度和可靠性.     

PP回归方法在预测模型中的应用－用PP回归建立“积累”“消费”模型

本文利用ＰＰ回归方法,建立“积累”“消费”回归模型,并与最小二乘法拟合的线性回归模型相比较,说明用ＰＰ回归建立的模型预测精度较高．     

基于粒子群算法进行参数自我调整的广义预测控制算法在汽包液位控制中的应用

PID控制算法的学习性能及泛化性能取决于参数设置;在常规方法中,这些参数以固定值形式参与运算,而当面对复杂分布的数据集时,可能无法挑选出一组能够胜任各种分布情况的参数;因此,提出一种基于粒子群算法(particle swarm optimization, PSO)进行参数自我调整的广义预测控制算法(generalized predictive control, GPC);该算法根据工业锅炉现场环境的复杂性,机组参数的时变性,有效地解决了PID控制的控制精度受到限制的问题;着重讲述了汽包液位控制方案的设计,可看出PSO-GPC控制在汽包液位控制中的重要应用,其次,通过粒子群算法对参数进行辨识,并给出了仿真算例,参数辨识准确,最后用PID控制算法在液位控制中的仿真曲线与广义预测控制算法对锅炉汽包液位进行了仿真曲线进行了对比分析,可见广义预测控制增强了系统的快速性,稳定性好且抗干扰性强。