用遗传算法拟合电力系统负荷短期预测的非线性模型

本文运用遗传算法，根据河北省１９８５—１９９０年春节期间每小时用电量的统计数字，建立了非线性回归模型（Ｇｏｍｐｅｒｔｄｚ），结果表明，遗传算法性能良好，可望成为电力系统各种非线性模型辨识的有效手段。     

田径径赛记录模型及其分析

文平，马振东．田径径赛记录模型及其分析．数理统计与管理，１９９８，１７（３），１６～２０．本文给出了世界和亚洲的田径径赛记录模型，从统计学的角度分析和说明了田径赛容易突破的项目，提出了田径理论中的一些新观点，最后对世界记录做了预测     

模糊神经网络在复合地基沉降量预测中的应用

复合地基后期沉降变形对于建筑物设计及安全具有重要意义,针对通过长期沉降观测以得到复合地基的最终沉降需要耗费较多资源的问题,提出了一种基于模糊神经网络的预测方法.该方法考虑沉降变化过程有较大的随机性和模糊性,直接将样本数据进行模糊化,所得的模糊数代表了样本点集与控制点集中各分量之间的相关度,并依此建立模糊BP神经网络进行学习和估算.实验结果表明了该方法对沉降进行预测是可行与有效的,且在相对误差的有效控制方面优于BP网络方法与灰色方法.     

铈变质Al—Si共晶合金熔体的物性及凝固组织

通过测量不同含Ｃｅ量的Ａｌ－Ｓｉ共晶合金熔体的密度、粘度和电阻率，考察了熔体的物性变化与凝固组织之间的相互关系。结果表明，物性变化的转折点与共晶硅形貌的改变具有对应的关系。     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.     

基于物联网的医用耗材智能屋管理系统

针对医用高值耗材种类繁多、管理难度大的问题,为减少人力成本、提高医用高值耗材的智能化管理水平。本文提出了基于物联网的高值医用耗材智能屋的管理系统,介绍了智能屋的整体架构、系统功能、核心业务及流程设计,主要分为结构模块、RFID模块、数据库模块、控制系统模块四大模块,具体有用户管理、出入库管理、综合查询、预警管理四大业务,通过GM(1,1)模型对2022年全年高值医用耗材的月消耗量进行预测分析,并且检验得该预测模型的精度等级为一级,模型预测效果很好,能够为医院采购人员采购提供了一个参考,避免因过度的主观估计而造成的耗材浪费。该系统能够有效地提高医院对于高值医用耗材的管理水平,减少人力、物力和财力的消耗,为广大患者提供更加优质的医疗服务。本文所提的高值医用耗材智能屋管理系统解决了传统的高值医用耗材管理的诸多难题。     

高锰酸盐指数的灰色GM(1,1)预测

以中山市岐江河近7年的高锰酸盐指数监测数据为基础，采用灰色系统理论中的预测方法，建立了岐江河高锰酸盐指数的灰色预测模型。用该模型预测岐江河2006年、2007年、2008年高锰酸盐指数的值分别为5．3，5．4和5．4。     

水体透射光谱结合主成分分析(PCA )改进化学需氧量(COD)含量估算研究

化学需氧量（Chemical Oxygen Demand,COD）是水体有机污染的一项重要指标,化学需氧量越高,表示水污染程度越严重。 为了解决传统的COD测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。本文提出了基于透射光谱测量结合主成分分析(Principal Component Analysis, PCA)改进水体COD含量估算模型。具体的,采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,分析不同预处理方法对模型精度的影响,并基于不同的预处理方法分别建立高斯过程回归模型(Gaussian Process Regression, GPR)和BP神经网络模型,分析不同预处理方法对模型精度的影响;并对各模型结合PCA数据降维方法进行模型的改进,通过比较模型的精度选择最优模型进行水体COD含量的检测。结果显示,相比于原始光谱数据建立的GPR模型和BP神经网络模型,数据预处理后的模型精度明显提升;且结合PCA对预处理后的数据进一步降维处理后,模型精度得到了进一步的提升。其中,基于标准正态变量变换特征结合PCA改进BP神经网络模型基于PCA改进的BP神经网络模型R^2高达0.9940,均方根误差RMSE为0.022540。证明了基于PCA改进的BP神经网络数据降维方法对预处理后的光谱数据进行降维处理,有利于去除光谱中的冗余信息,提取特征信息,可以实现高光谱检测方法可以实现COD含量估算模型的优化,从而为传统COD测量方法存在的问题提出了一种新的解决思路。     

振动噪声等高图的电驱动桥噪声预测及优化*

在项目开发前期通过优化电驱动桥扭矩特性的设计,可以规避噪声大问题。根据电驱动桥台架在对应扭矩下的振动噪声特性,提出了一套稳定高效的测试流程和分析方法。首先设计了一套完整的试验流程,制定了精准的数据分析方法。然后绘制出能够全面反映电驱动桥振动噪声特性的等高图。最后利用电驱动桥台架的振动噪声等高图,准确评估电驱动桥加速工况下振动噪声风险,为主机厂和电驱动桥零部件企业提供电驱动桥扭矩特性设计前期指导。利用该方法成功识别到某电驱动桥匀速及加速工况下电机及齿轮的啸叫问题。通过优化电驱动桥扭矩特性设计,电机48阶噪声峰值降低了8.5dB(A),确认该方法准确可靠,具备推广应用价值。     

一种考虑拉伸保持效应的多轴疲劳寿命模型

通过定义考虑拉伸保载效应的CFI因子(creep-fatigue interaction factor),将拉伸蠕变损伤和疲劳损伤进行非线性耦合. 根据断裂实验的观察,针对拉伸主 导的裂纹萌生、扩展及破坏的多轴疲劳问题,给出了一个基于临界面方法的能量型高温多轴 疲劳寿命预测模型. 所给出的模型可对不同温度、不同载荷特点、不同保载时间的多轴疲劳 寿命进行预测,模型的材料参数不依赖于温度和载荷. 并且此方法可以很方便地推广到其它 因素主导破坏的高温多轴疲劳寿命预测. 通过拟合高温合金Udimet720Li单轴带保持时间的 低循环疲劳(low cycle fatigue, LCF)寿命试验数据,得到了材料常数. 结合黏 塑性有限元分析方法,对高温双轴带保载循环载荷下Cruciform试件的寿命进行了 预测,预测结果基本落在2倍分散带内,达到工程的要求,证明了该模型的有效性.