油田开发动态的多参数输入模拟预测方法

在进行考虑多种因素综合影响下油田开发动态指标预测时，缺少定量化模拟预测方法，油藏工程方法由于多属于机理型模型、单一条件统计规律模型，不适合此类条件下的定量预测。本文提出了一种考虑多参数约束控制拟合的开发动态预测方法，输入参数可包括产量、成本、工作量等。由统计理论根据历史信息实现系统指标变化情况的模拟，建立系统的输入输出关联关系，进而外推进行预测。提出的开发动态预测方法反映了实际开发过程中各种因素的复杂影响。     

基于空间自相关的环境预测方法

为了研究环境系统模型中非线性因素的影响，提出了一种基于空间自相关神经网络的预测方法，在预测中考虑了空间属性对预测结果的影响。实验表明该方法优于BP神经网络预测方法。     

MGM(1,N)模型用于瓦斯涌出量预测

矿井瓦斯涌出量预测是新建矿井和改扩建矿井通风设计、安全管理、制定合理的瓦斯防治措施必不可少的重要环节。加强瓦斯涌出量预测方法研究,正确预测瓦斯涌出量,对改善我国煤矿安全生产状况具有积极的意义。在瓦斯涌出量预测中,瓦斯涌出量受多因素综合影响,且各个因素间相互影响、相互关联。文中提出一种新的矿井瓦斯涌出量预测方法——MGM(1,N)模型预测法。该方法综合考虑了瓦斯涌出量的各个影响因素,预测精度较高。其结果对煤矿安全生产具有指导意义。     

城市公共交通配车量综合预测法

分析和研究了影响公交车辆配备的主要因素。根据公交客运周转量和车辆生产率原理，导出了公交配车量的计算公式。并以城市公共交通规划各项目标值为基础，提出一种综合预测公交配车总量的方法。应用该法对佛山市城市公共交通进行了配车总量预测规划。     

城市公共交通配四量综合预测法

分析和研究了影响公交车辆配备的主要因素。根据公交客运周转量和车辆生产率原理，导出了公交配车量的计算公式。并以城市公共交通规划各项目标值为基础，提出一种综合预测公交配车总量的方法。应用该法对佛山市城市公共交通进行了配车总量预测规划。     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

人体热舒适的模糊综合评判

人的热舒适受多种因素的影响，是一种模糊的随机变量，因而对人体热舒适的评判本身就是一个模糊的概念，笔者分析了影响人体热舒适的因素，并对其进行了简化，在此基础上，应用模糊数学的基本理论，提出了人体热舒适模糊综合评判算法。模糊综合评判解决了评判标度的连续化问题，从而减小了常规评判方法的投标的不确定性，还对模拟仿真结果进行了分析比较，仿真结果表明数值实验结果同预测平均投标指标事较好，为客观评价人体热舒适提出了一种方法和思路。     

投资项目经济评价不确定性分析方法及其应用

用于计算投资项目经济指标的很多基础数据均来自预测和估算，因此经济指标受到各种不确定因素的影响。作者分析了盈亏平衡分析与敏感性分析等常规的不确定性分析方法，指出了这些方法存在的问题，在此基础上提出了一种新的综合运用层次分析法与蒙特卡罗法的不确定性分析方法，给出了用到投资项目经济评价中新的不确定性分析方法的计算方法。对于某投资项目，选取净现值为顶层目标，选取对净现值影响较大的投资额、经营成本和产品价格为模拟量，应用新方法进行了不确定性分析，得出该项目受未来不确定因素的影响很大，项目风险高的结论。案例分析表明，新方法能综合地分析不确定因素对经济评价指标的影响。     

基于BP神经网络的电力系统负荷预测研究

通过对岳阳县地区电力负荷历史数据及特点的研究,分析了影响中期负荷预测准确性的多方面因素,利用日常负荷与气象条件的关系,建立神经网络中期负荷预测模型,研究了这一人工智能技术应用于电力系统负荷预测的可行性。提出了一种基于BP神经网络的综合预测方法,能够稳定和较准确地对电力负荷做出预测。在实际电力负荷预测中,该方法取得了比较高的的预测精度。     

模糊数学在正规连锁经营中的应用

通过分析比较影响营业额的各项因素，对正规连锁店铺进行模糊聚类，细化管理模式，并提出了一种预测营业额的方法。     

前移回归分析新方法及其在福建人均GDP预测中的应用

介绍一种称为前移回归的时间序列预测新方法，其建立依据是，经济指标是多项相关因素的函数，一个时间段内各项指标（自变量）的值会影响下一时间段待预测指标（因变量）的取值．这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素（变量）的不足，也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷．以福建省人均GDP的预测作为实例，取得较好的效果．     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

多项式回归理论在机床热误差建模中的应用

通过理论分析,利用多项式回归理论中的增广样本相关系数,结合复相关系数的方法剔除与因变量和其他自变量相关系数均很低的自变量,建立机床热误差补偿模型.该方法与逐步线性回归热误差建模法相比,可避免出现温度变量耦合现象,缩短建模时间.通过残差及拟合图验证该模型具有较高的回归精度.     

油气勘探风险评价的偏最小二乘-最大熵法模型及应用

油气勘探风险的定量评价一直是国内外研究的难点.作者在分析传统风险评价方法的优缺点、剖析偏最小二乘法和最大熵法优势的基础上,首次提出了偏最小二乘-最大熵(PLSME)风险分析模型.偏最小二乘法较好地实现了多元线性回归、主成分分析和典型相关分析的有效综合,通过自变量的PLS回归线性处理,不仅能消除粗差解决变量之间的相关性问题,而且能辨识每一个自变量对因变量的控制程度;最大熵法通过对偏最小二乘得出的风险因子与总经济效益净现值关系式的检验,利用最大值、最小值和最可能值的训练,能了解指标最终服从的概率分布,客观得出风险的大小.两者结合起来构建的PLSME模型,能使风险评价结果更加准确、合理和客观.通过对四川德阳新场气田的实例应用,表明偏最小二乘-最大熵评价方法科学可行,对同类研究具有借鉴作用.     

基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,本文以山西省1993-2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数(c,g)进行寻优,构建PCA-FOA-SVR模型;对试验结果进行验证,发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数(coefficient of determination,R2)分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对本文的后续研究提供了一定的帮助。     

基于互信息的主成分分析结合支持向量回归的滚动轴承剩余寿命预测研究

滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。为了智能开展设备维护工作,提高设备的运转效率,提出一种基于互信息（mutual information,MI）的主成分分析（principal component analysis,PCA）（MI-PCA）结合支持向量回归（support vector regression,SVR）的滚动轴承剩余寿命预测方法。首先利用小波包降噪算法剔除原始振动信号中的异常数据点和噪声,并基于降噪数据提取其时域、频域和时频域特征;然后结合特征与剩余寿命的互信息值进行特征筛选,再通过PCA降维算法获得可表征轴承退化状态的敏感特征,用于SVR的输入;最后构建并训练SVR剩余寿命预测模型,并将其应用于滚动轴承全寿命试验数据。试验结果表明与基于MI和基于PCA的SVR回归预测模型（MI-SVR模型、PCA-SVR模型）相比,基于MI-PCA的SVR模型具有更高的预测精度（预测精度可达97%）,能够实现滚动轴承剩余寿命的精准预测,为开展及时有效的设备维护工作提供了决策依据。     

基于支持向量回归机的气象观测站优化模型

在保证足够信息量的前提下,针对合理减少气象观测站的实际问题,首先利用主成分分析(PCA) 降低样本数据的维数,其次利用支持向量回归机(SVR)对样本进行有效的回归,然后结合优化软件lingo对凸二次规划问题(与支持向量回归机相对应)进行求解,最终得出基于主成分分析-支持向量机回归预测优化模型。     

Quantitative exploration of the mechanisms behind the urban thermal environment in Beijing

The driving mechanism behind the formation of urban thermal environments is the result of a combination of factors.Beijing was chosen as the study area,and the technique of principal component analysis (PCA) was used.A spatial regression method was also applied for quantitative explanation of the thermal mechanism.Multiple Landsat thematic mapper images were used to quantify potential causing factors.Considering the eigenvalues of each factor and its relationship with land surface temperature,the first three principal components (PCs) are regarded as the main causative factors explaining the mechanism as independent variables.The first three PCs mainly reflect urban construction,road density and the normalized difference vegetation index (NDVI),respectively.Ordinary least squares,spatial lag and spatial error regression models were established separately for the relationships between the first three PCs and land surface temperature (LST).In the two spatial regression models,z-statistics for both the spatial lag parameter (ρ) and spatial residual parameter (λ) are significant,indicating the necessity of using spatial regression to replace the OLS regression model,as well as indicating that the spatial error regression model is superior to the spatial lag regression model.Overall,the normalized difference builtup index (NDBI) and road density are the most significant positive contributions to LST.     

非线性计量经济建模变量选择

提出了非线性计量经济建模变量选择的一种方法。采用非参数回归方法确定最佳函数,通过主成分分析方法进行变量筛选,给出了相应的CE算法。仿真实验和计算实例验证了该方法的有效性。     

股票价格影响因素研究

以上证(A股)指数作为因变量，通过选取影响股市整体水平的指标，运用回归分析方法并结合SPSS软件建立了线性回归模型和非线性回归模型，分析得出了影响我国股票价格趋势变动整体水平的主要因素。