基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型，该预测模型不能完全表征被控对象，因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单，但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷，提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型，实现了基于特征模型的新型预测函数控制，并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明，采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果，该算法在SUPCON-JX300X集散控制系统上实现．     

碳纤维增强复合材料钻削仿真及分层因子预测

文章对碳纤维增强复合材料(carbon fiber reinforced plastic, CFRP)进行了钻削加工有限元仿真研究,通过正交试验的方法分析了切削用量和刀具几何参数对分层因子的影响作用;建立了关于分层因子的人工神经网络预测模型与多元线性回归预测模型,2种模型预测值的最大相对误差分别为3.1%、7.4%,得出人工神经网络预测模型具有更高的预测精度。研究结果表明:分层因子总体上随主轴转速的增加而降低,随进给量和顶角的增加而增加,对分层因子的影响程度由大到小依次为进给量、转速、顶角;在对CFRP进行钻削加工时,宜适当提高主轴转速、降低进给量和钻头顶角,以减少钻削引起的分层缺陷,进一步改善钻孔质量。该文所采用的方法为CFRP钻削加工中切削力、刀具磨损等问题的分析提供了一定的理论参考。     

一种基于专家理性预期的组合预测方法及应用

将多个单预测模型进行组合,是提高预测精度的有效途径.由专家理性预期对待选用的单预测模型从模型拟合、方法应用复杂性、适应性和时效性方面进行多指标综合评价,在此基础上,构建组合权重系数,给出了具有主客观信息集成特征的组合预测方法,将组合预测模型与单预测模型进行分析对比,对我国民用汽车的保有量进行了预测并给出了预测效果分析.模型预测效果分析显示,具有主客观信息集成特征的组合预测模型比单预测模型具有更强的适应性,预测精度大幅提高.     

短期负荷预测中选择相似日的探讨

合理的选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径。传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷的两个特征量,认为对预测日的负荷水平和负荷曲线形状进行预测时,应该选取不同的相似日,即该文提出的趋势相似日和形状相似日;给出了这两种相似日的选择方案,从日特征量、日前趋势相似度以及这两者的综合3个角度阐述了选择预测日的趋势相似日的原理和方法;该文通过应用实例证实了其中一个方案有效地提高了负荷预测准确度。     

基于人工神经网络的矿井自然发火预测模型及应用

指出了矿井自然发火及其预测对安全生产的重要性以及传统的预测方法存在的缺陷。应用神经网络建立了时间序列的自然发火预测模型,克服了传统预测方法必须事先构建函数的不足之处,提高了自然发火预测的精度。实际应用表明该预测模型的预测精度较高,具有较大的理论意义和应用价值。     

一种基于分簇优化的VNDN数据转发方法

车辆命名数据网络（VNDN）是一种架构于NDN上的车辆自组织网络（VANET）,是基于信息中心网络体系的未来车联网典型代表之一.在VNDN中,车辆的移动性会导致基于耦合路由的NDN数据交互出现通信链路断裂问题.鉴于此,提出了一种基于分簇的车辆移动预测及数据转发方法 .利用卡尔曼滤波预测机制,对具有相似移动特征的车辆进行分簇,同时引入网关节点来合理控制簇的大小并保证相邻簇之间的通信.仿真结果表明：所提方法能够有效降低数据传输时延,提高数据交付成功率.     

基于粗糙集和RBF神经网络的风电场短期风速预测模型

结合粗糙集提出了一种RBF神经网络短期风速预测模型。采用粗糙集对预测模型的输入特征空间进行约简,找出对未来预测的风速具有主要影响的因素,以此作为RBF神经网络预测模型的输入变量;在RBF神经网络训练的过程中,采用在线滚动优化策略,将最新的样本加入训练集,从而使预测模型能够跟踪风速的最新变化。将提出的方法用于某风电场的1 h短期风速预测,仿真实验结果表明该方法具有结构简单、预测精度高的优点。     

基于PSO-ELM的水平井自喷期“多段式”产量预测方法——以玛湖油田百口泉组致密砾岩油藏为例

准确预测油气井动态产量对油田高效开发意义重大,是单井累产油预测以及部署政策优化的关键。玛瑚油田百口泉组致密砾岩油藏水平井自喷期产量呈“多段式”特征,在实际生产过程中,油气井产量受储层物性、压裂工艺参数等多种因素综合影响,传统产量预测方法及数值模拟法考虑影响因素有限,预测方法适用性差。在产量特征认识基础之上,利用主成分分析法优选油层厚度、地层压力、总砂量、渗透率、压裂簇数及含油饱和度六个主控因素,采用粒子群算法优化ELM的输入权值与隐含层偏置,建立了玛湖油田水平井产量预测模型。预测结果表明,PSO-ELM对比传统预测模型具有计算速度快、泛化能力强、预测精度高的优点,利用该方法预测了5口水平井的单井产量,平均误差在2.14%~5.28%,与实际产量吻合良好。     

基于PSO聚类分析和RBF网络的短期电价预测

针对短期电价预测具有的周期性及难预测性等特点,研究现存的人工神经网络预测方法,提出一种基于PSO聚类分析和RBF网络的短期电价预测方法。利用粒子群算法优化聚类分析的聚类半径,并用优化后的聚类方法对电价的历史数据按相似的程度分类,得到一类相似度最高的数据作为输入数据并进行预处理,建立相应的RBF网络预测模型,对短期电价进行预测仿真。通过实例分析验证了该预测模型能够有效、稳定地将预测精度提高至0.3%左右。     

复杂开采沉陷分层传递预测模型

在盐岩水溶开采沉陷新概率积分三维预测模型的基础上,对开采沉陷上覆岩层的传递规律进行研究,提出开采沉陷分层传递预测模型,该模型可以考虑不同岩层岩性对开采沉陷的影响,能够有效提高非规则采空区开采沉陷的预测精度。同时针对分层传递模型中不规则三重积分难以获得解析解的情况,给出模型的离散数值解法,可以方便的通过数值计算对开采沉陷进行预测,最后应用叠加原理给出多溶腔开采沉陷预测模型。实例证实传递预测模型较传统预测方法具有更高的预测精度。并成功应用于金坛盐矿战略油气储库地表沉陷预测。     

Software defect prediction using fuzzy integral fusion based on GA-FM

The fuzzy measure and fuzzy integral are applied to the classification of software defects in this paper. The fuzzy measure of software attributes and attributes＇ sets are treated by genetic algorithm, and then software attributes are fused by the Choquet fuzzy integral algorithm. Finally, the class labels of soft- ware modules can be output. Experimental results have shown that there are interactions between characteristic attributes of software modules, and also proved that the fuzzy integral fusing method using Fuzzy Measure based on Genetic Algorithm （GA-FM） can significantly improve the accuracy for software defect prediction.     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于特征选择的软件缺陷预测方法

软件缺陷对软件功能的实现具有不可预知的危险,是软件产品的固有成分,提高软件的可靠性,关键在于降低软件缺陷出现的概率,而如何利用已有缺陷数据构建预测系统框架是研究的重点.针对传统软件测试技术虽然能够有效发现软件缺陷,但需要消耗大量的时间和精力,制约软件开发效率的缺点,提出基于特征选择的软件缺陷预测方法,算法对软件缺陷模型的经验数据集进行多特征选择,进而克服数据集之间的冗余性移除无关特征,得到缺陷模型的分类,最终实现软件缺陷的精确预测.实验表明,基于特征选择的软件缺陷预测方法具有较好的预测效果和较高的应用价值.     

基于地震属性技术的井壁稳定随钻预测新方法

基于地震属性和测井数据之间存在非线性关系，提出一种综合利用地震和测井信息随钻预测井壁稳定性的新方法，即在钻前联合运用遗传算法和BP神经网络算法，从所提取的井旁原始地震属性中优选出对测井特征参数最敏感的地震属性组合，并利用已钻井资料建立起反映所研究区块不同地层中地震属性与测井数据之间关系的一系列神经网络映射模型，实钻时通过分析岩屑录井资料选择适当的映射模型，随钻预测出待钻井段的声波和密度测井数据，进一步预测出钻头下方地层的井壁稳定性。该预测方法具有良好的精确度和时效性，在塔西南地区的实际应用中取得了良好效果。     

基于DBSCAN与HL相结合的晶圆成品率预测研究

对半导体成品率进行预测分析可有效控制产品成本,提高产品质量,而缺陷问题是导致半导体成品率损失的关键因素。因此,考虑晶圆缺陷聚集特性和数据嵌套性,研究了一种密度聚类与多水平逻辑回归相结合的受缺陷限制的成品率预测方法。首先采用密度聚类算法获取晶片缺陷模式类型;将在线缺陷数据在晶片水平进行整合,作为多水平逻辑回归模型的输入参数;根据多层次晶圆结构,在模型中加入嵌套变量,在批次层、晶圆层和组别层构建随机截距效应模型;在产品层构建非随机变化截距与斜率模型进行成品率预测;最后,根据回归结果分析引起成品率损失的主要因素并提出相应的改进措施。通过仿真实验表明,多水平逻辑回归模型的预测精度优于常用的Seed’s成品率模型与嵌套结构逻辑回归模型,该模型具有更高的预测能力与可行性。     

宏观经济区划比较研究：双聚类算法的应用

基于中国宏观经济统计数据,首次将双聚类方法应用到经济区划领域,对中国各省份经济区域划分方案以及各省份经济增长模式等问题做了研究和预测,并将结果与传统的层次聚类方法的结果做了比较。研究结果表明,层次聚类算法对于全国经济区划的整体分析结果相对直观并且应用方便,双聚类算法的结果在挖掘各省在某些属性集合下的共性具有其独特的优势。     

岩性地貌体预测湖底扇储层方法及其在赛汉塔拉凹陷赛东洼槽的应用

针对块状、复杂岩性区地震储层预测的难题,提出岩性地貌体概念。它是沉积体的岩性和形态特征的综合体,也是沉积体和纵横向反射结构特征对应关系的综合体,它的类型由地质体的沉积相、岩性、成层性和地震纵横向反射结构综合划分。该方法试图综合利用地震相、地震地貌及反演等多种信息,采用双域双面沉积体边界解释技术,降低复杂岩性预测时的多解性。提供岩性地貌体方法的关键技术及工作流程,并针对岩性复杂的湖底扇沉积进行了应用。研究中优选岩性地貌表征属性,并在平面-剖面相互约束下完成岩性地貌体解释。这套基于岩性地貌体的相控储层预测技术,对于块状、横向变化快、岩性复杂的湖底扇储层预测效果明显。     

基于低秩矩阵填充的推荐算法

针对已有协同过滤推荐技术中评分矩阵极度稀疏问题,提出了一种基于低秩矩阵填充技术的推荐算法.该算法从贝叶斯框架出发,提出了能够解决低秩矩阵问题的分层高斯先验模型,并将广义近似消息传递算法嵌入到贝叶斯框架,规避了贝叶斯学习过程中烦琐的矩阵逆运算,提升了算法运算速度,同时在广义近似消息传递算法中施加阻尼运算以促进收敛.在开放数据集上的实验结果表明,所提出的算法与相关的矩阵填充推荐算法相比,有效地提高了推荐准确度.     

含腐蚀缺陷管道拉伸应变能力预测模型研究

在埋地管道的基于应变设计和评估中,准确和可靠的拉伸应变能力(TSC)预测至关重要。国际管道研究理事会和可靠能源系统中心等研究机构提出的多种TSC预测模型均不适用于具有腐蚀缺陷的管道。鉴于此,本文基于经全尺寸管道拉伸实验验证的广泛参数有限元分析,提出了一种适用于腐蚀管道的TSC预测模型。在所提出的模型中,根据TSC与影响参数之间的相关关系,构建了一个缺陷几何因子函数以描述腐蚀缺陷尺寸(缺陷深度、宽度和长度)对拉伸应变能力的影响。通过非线性回归分析和误差分析验证了所提出模型的准确性和可靠性。结果表明：与有限元结果相比,所提出模型的平均预测误差为5.78%;与实验测试结果相比,模型的最小和最大预测误差分别为3.68%和24.51%;模型的预测范围可以满足应变设计地段腐蚀管道实际安全评估的需求。     

基于多特征属性相似的糖尿病早期预测方法

考虑样本数据集的差异性和相关性对疾病预测结果有着直接影响,提出一种基于多特征属性患者相似的糖尿病早期预测方法,根据患者之间特征具有相似性这一特点,对患者特征进行混合属性相似预分组,再把分组结果导入随机森林分类器进行疾病预测。首先以临床概念作为患者的特征项,通过聚类定量化分析不同特征属性类型间的距离来度量患者之间的混合相似度,根据患者混合相似度将患者集预分组为多个患者相似组。最后以随机森林分类器对相似组进行细分类,得到最终的疾病预测结果,该结果与基于全样本数据的随机森林分类结果相比,分类准确率提高了8.3%;与基于单一属性相似组的随机森林分类结果相比,分类准确率提高了5.1%。结果表明该方法具有较高的预测准确率,可为糖尿病诊断预测提供支持。