交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型.实验证明该模型的预测精度有显著提高.     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

线性组合模型及在人口预测中的应用

介绍了线性组合模型并以江西省人口数预测为例,分别利用线性回归预测模型、灰色预测模型、Logistic人口预测模型进行预测,并把这3种预测模型进行最优组合和线性组合,用共轭梯度法性求预测模型的系数。然后对这5种预测模型的结果进行比较,结果表明线性组合预测模型的效果比单一预测模型效果好,也比最优组合预测模型的精度高。     

汾渭盆地西北缘巨厚黄土湿陷特性现场试验研究

方便、快速、准确地获取黄土湿陷性参数对我国西部地区重大工程建设中解决湿陷性问题具有重要的意义。以汾渭盆地西北缘具有代表性的彬州新民塬区巨厚层黄土为研究对象,在对5 987组原状试样进行压缩试验的基础上,系统研究黄土物理指标随深度的变化规律及单一指标与湿陷系数相关性。根据湿陷系数与各单物理指标相关性系数的高低,结合指标的类别,选取密度、孔隙率和饱和度3个指标作为黄土湿陷的多物理指标模型的因子,采用线性回归法建立了湿陷系数与3个相对独立物理指标的多元线性预测模型。验证结果表明,所建立模型预测精度较高,可以满足该区域黄土湿陷系数预测及工程应用要求,可为该地区快速准确地评价黄土湿陷特性提供了依据。     

基于ARIMA、BP神经网络与GM的组合模型

为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.     

青岛港物货吞吐量预测模型

根据青岛港货物吞吐量的历史数据,分别利用指数趋势模型、GM(1,1)灰色预测模型以及组合预测模型对青岛港货物吞吐量进行分析和预测.结果表明:在青岛港货物吞吐量预测方面,组合预测模型融合了前两种预测方法的优点,可以降低误差,提高预测精度.     

最优组合预测及其在瓦斯浓度预测中的应用

瓦斯浓度预测是预防煤矿瓦斯事故的关键技术之一,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现瓦斯浓度预测模型的最优组合,利用实际数据、通过与单一时间序列模型、线性回归模型及人工神经网络模型的预测精度对比分析,验证了瓦斯浓度最优组合预测模型的有效性和实用性。     

一种新的组合权重在组合预测模型中的应用

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先,建立了差分自回归移动平均(ARIMA)模型和指数曲线回归模型;然后,用MAPE和最小二乘法确定组合模型的权系数,在此基础上将两种权系数进行组合,形成组合权重。预测结果表明:该组合权重与单一权重相比,可将组合模型的预测精度提高约0.3%。     

基于多模型融合的互联网信贷个人信用评估方法

针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合. 基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理. 为增加对比,对实验数据集进行了FICO评估核心Logistic回归分析. 实验结果表明:3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.     

黄土湿陷系数的偏最小二乘回归分析与模型

应用偏最小二乘回归分析方法,以黄土湿陷变形的结构理论为依据,在讨论分析了影响黄土湿陷变形的主要因素后,选取湿陷性黄土的天然含水量、干重度、天然孔隙比、饱和度和塑性指数5个基本物理指标作为自变量,通过回归分析建立了黄土湿陷系数的预测方程,并阐述了该方程中各回归系数所对应的物理意义.     

冬灌区黄土湿陷性的反复冻融效应

为了探索冻融循环对冬灌区黄土湿陷性的作用规律,结合宁夏气候和黄土区域性特点,应用封闭单向冻融法,试验研究了冬灌区黄土湿陷性的反复冻融效应。试验结果表明:冻融使黄土的湿陷性增大,冻融引起的湿陷系数增量随冻融循环次数的增加而增大,在冻融循环12次后基本达到稳定,二者间存在相关性很好的双曲线关系。在含水率为定值14.0%时,黄土湿陷系数的冻融效应随干密度的增大逐渐增大;在干密度为定值1.45 g/cm~3时,黄土湿陷系数的冻融效应随含水率的增大呈先增大后减小的趋势,最不利含水率约为22.0%。湿陷系数的冻融效应存在最不利含水率,黄土工程应尽量避免在最不利含水率下受冻,尤其是密实度大的压实黄土。     

螺杆桩处理湿陷性黄土挤密效果分析与评价

螺杆桩因其特殊的成桩工艺和挤土效果,可有效改善桩间土的力学特性并消除黄土的湿陷性.为了研究螺杆桩消除黄土地基湿陷性的效果,对螺杆桩在不同桩心距条件下黄土的挤密效应进行较为系统的研究分析.试验结果表明:螺杆桩处理后的黄土复合地基,其桩与土之间有较好的挤密效果,黄土湿陷性明显消除;由于成桩工艺的特殊性,随着桩侧水平距离的增大干密度逐渐减小,且桩心距越小挤密效果越明显;湿陷系数随深度、饱和度增加均呈现减小趋势;建议用土的体积含水率代替质量含水率作为螺杆桩处理湿陷性黄土挤密效果评价的影响因素;在影响螺杆桩处理湿陷性黄土挤密效果的因素中,饱和度侧重于分析土压力的影响,液性指数主要考虑了土中空隙的影响.     

陇东庆阳西峰地区黄土湿陷性分析

黄土的湿陷性是一个复杂的物理化学变化过程,其影响因素也是多方面的,其中黄土特殊的物理力学性质与其湿陷性就有着密切的关系。首先对陇东庆阳西峰地区某场地布置的探井所揭露的地层条件进行了概述,然后选取部分探井内扰动黄土样做了矿化成分试验。结果发现研究区黄土中易溶盐总含量很少,对研究区黄土湿陷性基本无影响。接着通过对研究区多组原状黄土样的室内试验数据进行大规模的统计分析,总结了研究区黄土的不同物理力学性质指标随黄土埋藏深度的变化规律;并根据所取土样的湿陷性试验结果对该区黄土进行了湿陷性评价。最后在此基础上对该区黄土湿陷系数与其不同物理力学性质指标间的关系作了探讨,认为这些指标反映了黄土的物质成分、结构特征和当前的赋存状态等属性,对研究区黄土湿陷性有不同程度的影响,这也为该区黄土场地的建设提供一定的理论指导参考。     

兰州高坪黄土湿陷系数的试验压力取值探讨

湿陷性黄土场地的湿陷性质、类型评定与侧限浸水压缩试验的测试压力关系密切.考虑地区、基础型式、埋深和应力扩散的综合影响,确定湿陷系数测试压力,为准确确定地基的湿陷量提供依据.通过兰州两处高坪8个不同位置的湿陷性黄土的室内湿陷性试验,分析黄土密度、含水量、湿陷系数沿深度的变化规律.针对中小型建筑工程采用条形基础时,考虑3个不同基底压力在地基中的附加应力扩散规律,探讨饱和黄土地基总应力沿深度的变化规律,给出不同深度的黄土湿陷系数的浸水压力的建议值表.     

体检指标健康预警的灰色-时序组合模型

对于个体健康体检数据而言，传统的以大样本为基础的数学模型无法满足体检数据的建模需求。基于个体体检数据特征分析，首先构建适用于个体体检指标健康预警的近似非齐次指数序列的改进离散灰色模型。其次，为降低单个模型预测精度的有限性，利用方差倒数法为离散灰色模型和差分自回归移动平均模型赋权重，在模型误差平方和达到最小时取得最佳的权重值。从而将两个模型的预测结果进行组合，实现对健康指标的建模与趋势分析，及时掌握个体健康指标的变化并发现潜在的疾病隐患。预测模型在实验数据集上的相对模拟误差与最优基准模型相比有所下降，表明灰色–时序组合模型具有更高的模拟精度，解决了传统的依据单次体检指标进行静态分析的弊端以及单个模型预测结果的局限性，更加关注个体差异，能有效提升健康预警的效果。     

基于CEEMD-BiLSTM-RFR的短期光伏功率预测

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition, CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression, RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network, BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。     

基于小波峭度的土壤表层机油浓度预测方法应用

机油烃类物质对于农作物生长和土壤基质产生不可忽视的影响,造成的农作物减产甚至绝收等现象。为解决土壤表层中机油烃类污染物质浓度预测的问题,利用荧光诱导技术获得机油光谱曲线,提出以小波峭度作为量化参数进行土壤表层中污染油浓度预测的方法,以市面出售三种不同机油结合随机森林回归算法进行了比较分析。实验结果表明,选取小波峭度参数的随机森林对三种机油的浓度预测结果利用相关系数R_p和均方根偏差RMSD进行评价,对齿轮油、发动机油、摩托车机油的预测,分别提高了1.2%、2.2%、1.9%和14.9%、32.4%、16.8%;对三种机油随机选取30组样本,对其识别准确率分别提高了6.67%、6.66%、9.96%;同时也验证了小波峭度参数在多个回归模型中的预测精度均有提高,具有较高的预测性能。综上所述,这为土壤表层中其它烃类污染物浓度预测回归模型提供了一定的参考,为农业生产和土壤环境的可持续发展提供一种有效的检测手段。     

非饱和黄土土水特性与湿陷性关系分析

黄土的湿陷并不是饱和状态,即吸力为零时黄土所表现出的特性,而是受其含水状态,即吸力的显著影响。室内外的试验研究表明,在竖向应力不变的情况下,含水量的增加或吸力的减少会引起非饱和黄土的湿陷。利用压力板仪测试了非饱和原状黄土的土水特征曲线,采用非饱和土三轴仪得到相应土的湿陷变形,分析了土水特性曲线对原状黄土湿陷变形的影响。结果表明,非饱和黄土的渐变湿陷特性和土水特性曲线的形式和参数之间存在密切关系。本文的分析为采用类似土水特性曲线的预测模型来预测非饱和黄土随吸力变化的湿陷系数奠定了基础。     

基于BLS-Lasso组合模型的火电厂蒸汽量预测

在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义。针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system, BLS)和Lasso (least absolute shrinkage and selection operator)回归模型的组合预测模型。首先利用One-class SVM (one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除。然后,采用最大信息系数(maximal informationcoefficient, MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果。最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果。实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量。