基于Elman神经网络的汽油机过渡工况空燃比多步预测模型

为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型.通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息.对HL495发动机过渡工况实验数据进行学习,采用梯度算法对Elman神经网络的权值进行调整.研究结果表明：采用该方法能精确预测过渡工况空燃比,预测模型的最大误差小于1%,平均误差小于0.5%.该预测模型可用于实现车用汽油机过渡工况空燃比的精确控制,提高车用汽油机过渡工况排放性能.     

UNIFAC-PR模型应用范围的进一步拓展

利用Nelder-Meand扩展单形求极值法估算出了预测型的UNIFAC-PR模型的18对新的基团交互作用参数,进一步扩大了UNIFAC-PR模型的应用范围．并根据新估算出的基团交互作用参数对35个二元汽液相平衡体系盼泡点压力和汽相组成进行了预测,预测值和实验值吻合良好．     

一种多核神经网络集成的地震要素预测方法

为了提高地震要素的预测准确度,在同一个网络模型中构建多种不同类型的基核函数,对不同种径向基函数构建多核神经网络集成模型,以提高网络的精度.从确定最优径向基神经元数、适当加大训练的目标误差等多个方面加以优化,减小最小训练误差和提高预测精度.采用多元回归分析法,对样本进行拟合得到子预测的多元回归系数,对子预测模型进行多元回归集成,数据反归一化处理,最终得到了经过回归集成的多核RBF预测模型.结果表明,这种多核神经网络集成的地震要素预测方法所建立的多元回归预测集成模型,能够使实际值与预测值的拟合达到最佳,从而获得较高精度的地震要素预测值.     

用相关－马氏链预测我国丝年产量的方法

应用相关－马尔柯夫链方法预测我国丝年产量，既能考虑到蚕茧收购量和缫丝机产量等相关因素的影响，又能兼顾到自然、人为等随机因素的影响．在多元回归预测技术的基础上，运用马尔柯夫链模型，确定预测年份的产量状态和产量的预测区间值，得出未来年份的预测丝产量．     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

卤代苯甲醚蒸汽压的定量结构-性质关系研究

采用密度泛函理论(DFT)方法,在B3LYP/6-31G*水平对134个卤代苯甲醚化合物的分子几何结构进行了全优化计算.基于计算得到的分子结构参数,运用多元逐步回归技术建立了卤代苯甲醚化合物蒸汽压的定量结构-性质关系模型,其相关系数为0.968,标准误差为0.258.采用留一的交叉验证和外部验证法对模型进行了验证.结果表明,所建立模型具有较好的预测能力和稳定性.经比较,所建立模型的预测能力优于采用Hartree-Fock(HF)法所得模型.     

基于预测--模糊联合控制的分布式驱动车辆路径跟踪方法

为研究分布式驱动车辆（4wid）路径跟踪中的跟踪精度和稳定性的问题,提出了模型预测-模糊(Mpc-Fuzzy)的联合控策略, 缓解了单一模型预测控制下车辆跟踪精度与控制器计算压力间的冲突。采用模型预测控制设计了上层路径跟踪控制器,旨在利用模型预测“滚动优化”的优点降低跟踪误差的同时保证车辆的稳定性。下层采用模糊控制,将转向过度和转向不足量化为“方向偏差”和“位置偏差”,利用四轮转矩独立控制的优点进一步优化转矩输出,旨在降低模型预测控制器对参考模型线性化后带来的跟踪误差。为验证控制策略的可靠性,基于Carsim和Simulink.、Driving Scenario搭建联合仿真模型,将联合控制器和单运动学模型预测控制器进行对比研究。仿真结果表明联合控制器可在完成对给定路径跟踪的基础上,减少转向不足和转向过度的发生,降低了方向误差和位置误差。     

铜合金时效性能的神经网络预测模型

运用BP神经网络算法，对时效试验数据进行训练，建立了Cu-0．30Cr-0．15Zr合金时效后硬度和导电性与时效时间和时效温度的映射模型，从而可预测铜合金在一定时效条件下的硬度和导电性，预测结果与实测值吻合较好，表明神经网络用于铜合金的时效性能预测是可行的，预测的准确性取决于用于训练网络的铜合金时效试验数据的数量和质量。     

L悬臂型内锥流量计可膨胀系数仿真与实验研究

为获得内锥流量计高准确度的可膨胀系数数学模型,实验样机等效直径比分别设计为0．45、0．55、0．65、0．75和0．85,利用计算流体动力学（CFD）方法对悬臂型内锥流量计进行了可膨胀系数的仿真实验,获得了可膨胀系数的CFD预测公式模型．同时,利用正压法音速喷嘴气体流量标准装置,进行了可膨胀系数的实流实验,获得了实验拟合的经验公式模型．通过对两类公式模型与实验结果的比较,得出CFD预测模型的相对误差平均值为0．77％,最大值为1．66％,均方根误差平均值为0．92％,最大值为1．97％;实验经验模型的相对误差平均值为0．25％,最大值为0．42％,均方根误差平均值为0．30％,最大值为0．51％．     

基于长期验潮数据的海平面预测方法与案例应用

在充分考虑长时间序列潮位具有周期性、趋势性和随机性特征的基础上, 建立一套基于随机动态预测模型的海平面变化分析方法。模型中的周期项模拟首次采用小波分析与谱分析相结合的方法; 趋势项采用逐步回归法拟合; 残差序列采用自回归移动平均混合模型进行拟合; 三项叠加建立随机动态预测模型, 参数的确定采用非线性最小二乘迭代法。应用塘沽验潮站57年的月平均海平面高度数据进行案例分析, 通过实测数据验证和预测精度统计学检验, 表明此方法对海平面变化的模拟与预测具有较高精度, 可为海平面上升预测研究提供有效可行的借鉴与范例。     

基于非对称GARCH与极值理论的商业银行信用风险度量模型

提出一种基于ARMA-TGARCH-EVT模型并适用于商业银行内部信用风险评估的新方法.首先通过广义矩法估计ARMA-TGARCH模型,获得近似独立同分布的残差序列zt;然后选用极值理论的越槛高峰模型(POT)对残差序列进行拟合分析,得到风险价值和期望损失的估计值,并采用Bootstrap方法给出95%置信水平下的置信区间;最后利用某商业银行2000-02-19～2010-12-15的日信贷资产对数收益率进行仿真,得到控制信用风险价值V和期望损失E值及置信区间,并与未经调整的预测值进行比较.研究结果表明,该方法在一定程度上克服了单纯进行极值分析时,由于序列的非独立同分布不能满足极值理论假设所造成的估计误差,改进了采用似然比率法估计置信区间时,由于极值事件的小样本所造成的偏差.     

Predicting the Tensile Curve of Polyester Twisted Ply Yarn under Large Deformation

Considering the changes of ply yarn 's structure parameters during the axial extension,a new model has been proposed for predicting the tensile curve of polyester twisted ply yarn under large deformation without the tensile strength tests.The relationships between the structural parameters and tensile properties under large deformation were considered.The feasibility and accuracy of the model were studied by comparing the predictive results and the experimental ones.The structural parameters in the model were acquired under every strain before rupture.The radial dimension and twist angle of the yarn were obtained by an observation platform and image processing technique.The true modulus of the yarn was obtained indirectly from the tensile data of the single yarn and the mathematical equations.The tensile curves of the yarns at different twist levels for predicting were plotted.The results demonstrated that the predicted curve tendency and the values were quite close to the experimental ones.The model exhibited a good applicability to predict the tensile curves for low and medium twist yarns.     

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.     

一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型,使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题,进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型,采用非线性预测控制,并引入了模型误差项,增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析,确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果比较,结果证明了基于RBF神经网络非线性预测控制方法的有效性。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

短期区域气候预测系统及回报试验

为了提高短期区域气候预测准确率,针对我国大陆区域及周边海域,通过国家气候中心全球海气耦合模式嵌套一个区域大气-海洋耦合模式,建立了一套短期区域气候预测系统。利用该预测系统对2006-2011年逐年7月的气候特征进行了回报试验,对比分析了区域模式相对于全球模式预测高空形势场的差异,评估了预测系统对地面温度和降水的预测能力。试验表明:同化后,初估场质量显著提高;区域模式在预测高空形势场方面优于全球模式;相对于单独的大气模式,海气耦合模式在预测中低空的温度和湿度方面有一定的改善;系统对地面气温和降水均具有一定的预报能力,其中降水预测稍好。     

基于CEEMDAN-CNN-GRU组合模型的短期负荷预测方法

负荷数据的高度随机性和不确定性,导致短期负荷预测的精度很难提升.为了提高短期负荷预测的准确度,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)与卷积神经网络(CNN)和门控循环单元(GRU)组合模型的短期负荷预测方法.首先,利用CEEMDAN模型将复杂的原始负荷序列分解为几个相对简单的子序列;其次,利用卷...     

面向工业电机考虑参数自调节的优化模型预测控制

针对常规控制器在工业电机无参数或者参数失配时引起的控制性能下降等问题,不满足工业自动化发展需求,因此提出一种考虑现实工业情况的无参数模型预测控制。首先引入模型预测控制的思想,将离散异步电机数学模型作为模型预测控制的预测模型并在线估计更新其集总参数,从而无需任何电机参数即可实现模型预测控制。针对工业用电机复杂工况,进行优化使其能够快速且准确地辨识出集总参数。仿真结果表明,所提出的控制策略预测精度高,在工况与电机参数均为未知时变的情况下,无参数模型预测控制仍然能在不同情况下达到较为优良的控制性能,证明了该方法优良的鲁棒性和有效性。     

RCCLK软件对催化裂化掺炼焦化蜡油、柴油的模拟计算

运用重油催化裂化十一集总动力学模型的工业应用软件 RCCLK,对催化裂化装置掺炼焦化蜡油和焦化柴油的工况进行了模拟。结果表明 ,模拟预测计算结果能较好地符合催化裂化反应规律 ,为催化裂化掺炼焦化蜡油、柴油选择合理的操作条件提供了依据