径向轴承非Newton流体润滑的研究方法及其数值仿真

以幂率流体为例，介绍了一种求解径向轴承非Newton润滑的方法。该方法通过定义两个当量粘度将非Newton模型的Reynolds方程与熟知的Newton流体的Reynolds方程在形式上统—起来，避免了对不同的非Newton模型需要推导不同的Reynolds方程。并对幂率指数对轴承润滑性能的影响进行了数值仿真，发现在不考虑温度变化时，幂率指数的改变并不改变油膜厚度，对油膜压力的影响很小。但是在考虑三维温度时，油膜厚度、压力和温度都随着幂率指数的改变发生很大的变化。     

水文序列ARIMA模型应用中存在的问题与改进方式

经典的ARMIA模型应用是对水文过程年际月变化所形成的时序数据进行计算处理,而忽略了水文过程平稳性检验和月际年变化对时序预测结果的影响.本文在对这一问题讨论的基础上,基于聚类提取分类后月份的特征,利用回归分析建立特征量和月水文数据间的关系,通过差分对特征量时序做平稳性处理,使用ARIMA模型按类预测特征量,由此,提出了一种新的挖掘水文时序月际年变化信息的方法,建立了改进的ARIMA模型及预测方法.作者以兰州降水站为例进行了应用验证,研究结果表明,改进后的ARIMA模型的精度要明显高于季节ARIMA模型,其平均残差达到了9.41,预报精度提高了21%,效果十分明显.最后就改进后的ARIMA模型的应用给出了进一步的研究方向.     

分数阶ARIMA模型的参数估计与预测

用极大似然估计和回归分析法给出分数阶ARIMA模型ARIMA(p，d，q)中参数d的估计，并根据d的大小，对时间序列进行了趋势预测，得到了最优线性预测公式。     

汽车零部件第三方物流仓储需求量集成预测模型

考虑到汽车零部件第三方物流企业仓储需求量的预测精度受众多非线性、不可量化的不确定因素的影响,提出一种将定量预测与定性预测相结合的集成预测模型(SIF)。SIF模型中,用RBF神经网络模型预测复杂非线性波动趋势;为补足RBF模型的若干问题,用ARIMA模型预测在库量的季节性趋势,用定性预测模型解决难以量化的外部因素的变动对需求量的影响问题。最后,将三部分结果动态叠加作为SIF模型的输出。实例分析结果表明:与各单一模型、ARIMA与RBF的组合模型相比,SIF模型具有更高的预测精度和稳定性。研究表明了SIF模型对于第三方仓储物流需求量预测的有效性和适用性。     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

中国制造业成本竞争优势——基于ARIMA与PSONN组合模型的预测分析

提出了一个基于单整自回归移动平均模型(ARIMA)与神经网络模型(PSONN)的成本竞争优势预测模型。将成本竞争优势序列分解成线性结构序列以及非线性结构残差序列,前者用ARIMA模型来预测,残差部分用PSONN模型来进行非线性预测。预测结果表明,组合模型的预测精度显著高于单个线性或非线性模型的预测结果,同时结果也表明了中国制造业在未来八年内仍然保有成本竞争优势,但是来自生产效率方面的贡献在降低,提示制造业需从单纯强调劳动力成本的发展模式过渡到以提高劳动生产率为重心的道路上,采用"适度增长"的劳动力成本与"高速增长"的劳动生产率相结合的发展模式。     

时鲜农产品价格预测的ARIMA时序模型构建与应用

掌握农产品价格变化规律,了解农产品价格变化趋势,将有利于正确引导农产品流通和农业生产,实现农产品区域供求平衡;能为政府和农户提供结构调整的依据,有效提高农民效益。针对农产品价格这一重要问题的研究,以南京市青椒价格为例,构建非平稳时间序列ARIMA(p,d,q)模型(ARIMA:Auto Regressive Integrated Moving Average,自回归求和平均),描述并预测时鲜农产品价格的动态变化。结果表明ARIMA(0,1,1),(0,1,1)模型能很好地模拟并预测时鲜农产品价格,为农产品市场信息的准确预测提供重要方法。图6,表3,参8。     

航海模拟器中海面溢油的三维可视化研究

对短时问尺度内的点源瞬时溢油进行研究,将溢油过程分为油膜自身扩展和油膜漂移、扩散两个阶段,分别用椭圆模型和油粒子模型计算溢油的轨迹.采用基于海浪谱的快速傅立叶变换方法绘制大规模海面.利用粒子系统方法实现油粒子模型.提出利用平面反射技术实现海面溢油的三维可视化,即将溢油平面轨迹渲染为纹理图,再将纹理图通过反射技术映射到海面上.提出的方法已成功应用在航海模拟器的溢油事故模拟中.     

化工过程流体网络的建模与仿真

建立了化工过程仿真培训系统建模中的流体网络模型，这是有温度和组分变化的流体网络模型。利用流体网络和设备模型的不同响应速度，采用变步长仿真方法，提出了一种适用于仿真培训系统的化工过程流体网络的仿真方法。     

基于溢油模拟的船舶溢油污染风险评估

以长江口海域的船舶溢油风险分析为研究对象，通过对已有的溢油模型的多次仿真模拟，观察常见油类在不同的环境条件和溢油状况下的漂移及扩散情况，总结出影响溢油油膜面积及运动轨迹的因素，在此基础上，对长江口船舶溢油高影响区域进行了识别。研究表明：基于溢油模型的船舶溢油风险分析是可行的；影响溢油油膜面积的重要因素是风况；潮流则是影响溢油运动轨迹的主要因素；长江口海域船舶溢油高影响区域为南北槽航道入海口门区域。     

商业市场信息随机预测模型的研究和计算机实现

本文针对商业市场信息的特点，选用了随机预测模型ＡＲＩＭＡ的基本模式；深入研究ＡＲＩＭＡ模型建立的全过程，开拓性地采用了功率谱估计方法，确定市场预测模型的阶数ｐ和ｑ；利用多种高级语言的混编程序技术，在微机上完全实现了商业市场信息预测系统；运行结果表明；该模型及其实现系统是可行的。     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

A multiscale modeling approach incorporating ARIMA and anns for financial market volatility forecasting

The financial market volatility forecasting is regarded as a challenging task because of irreg ularity, high fluctuation, and noise. In this study, a multiscale ensemble forecasting model is proposed. The original financial series are decomposed firstly different scale components （i.e., approximation and details） using the maximum overlap discrete wavelet transform （MODWT）. The approximation is pre- dicted by a hybrid forecasting model that combines autoregressive integrated moving average （ARIMA） with feedforward neural network （FNN）. ARIMA model is used to generate a linear forecast, and then FNN is developed as a tool for nonlinear pattern recognition to correct the estimation error in ARIMA forecast. Moreover, details are predicted by Elman neural networks. Three weekly exchange rates data are collected to establish and validate the forecasting model. Empirical results demonstrate consistent better performance of the proposed approach.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

安徽省间日疟传染率分析

间日疟的传播媒介中华按蚊仍普遍存在,但对间日疟的传播动态的研究仍极其有限。以安徽省间日疟为例,估算蚊子叮咬率、间日疟的传染率以及它们的季节性,并进一步分析传染率发生季节性变化的影响因素。采用人类与蚊子相耦合的SIR-SI(Susceptible Infected Recovered-Susceptible Infected)模型对间日疟的传播动态建模,估算随时间变化的蚊子叮咬率以及传染率;建立多元线性回归模型探究温度和降水量对蚊子叮咬率和间日疟传染率的影响。结果表明:间日疟蚊子叮咬率和传染率有显著的年季节性(季节性幅度为42.4%);间日疟传染率受到温度(p值为7.23e-11)以及降水量(p值为0.004)的显著影响;间日疟发病数受传染率的影响不仅呈现每年一个周期的特点,由于易感者人数的变化,还存在多年一个大周期的特点。     

新型电磁弹射器的动态性能仿真

电磁弹射器的作用是在短距离内发射大质量载荷,该技术的一个关键问题是大推力的直线电机设计。提出了一种基于动磁型永磁无刷直线直流电机的弹射器设计方案,结合理论分析与有限元仿真对电机参数进行了优化设计。通过二维有限元瞬态分析对电机的动态性能进行了仿真,分析了不同的安匝数和永磁磁极数对推力大小及其波动的影响,得出了增加电机推力的可行方案。恒流源和非恒流源两种供电方式下的仿真结果显示,电机平均推力大、推力波动小,且电机性能受电源影响小。     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.