基于加权余弦相似度与极限学习机的电力负荷短期预测

为提高电力系统管理的效率,提出一种基于加权余弦相似度与极限学习机(extreme tearning machine, ELM)的电力负荷短期预测设计。通过熵权法对电力负荷相关物理信息进行权重分配,获得的权重赋予到余弦相似度中,利用加权余弦相似度对历史日与待测日的电负荷数据进行相似度选取,筛选数据作为极限学习机的输入,提高极限学习机回归模型的精度,最终获取电力负荷预测。实验分析与反向传播BP(back propagation)神经网络、支持向量机(spupport vector machine, SVM)预测算法对比,该方法能有效提高预测模型的精度,同时简化计算量。     

基于IG-SVM模型的供应链融资企业信用风险预测

为了提高对供应链融资中小企业信用风险预测的精度,在通过对中小企业信用风险评价研究基础上集成机器学习算法构建了能够提高信用风险预测的组合模型。该模型采用支持向量机(Support vector machine,SVM)建立供应链中小企业信用风险分类预测模型,并引入信息增益(Information gain,IG)提取对预测结果有显著贡献的特征变量,优化模型特征输入。在与其他模型的对比实验中可知,采用IG-SVM模型预测的测试样本精确度为97.62%,比单一SVM模型精度提高8.97%。采用IG进行特征优化,能进一步提高SVM模型的预测能力。     

基于AGSO-LSSVM的热点话题预测模型

针对网络热点话题的时变性、混沌性,为了进一步提高网络热点话题的预测精度,提出一种人工萤火虫算 法(artificial glowworm swarm optimization,AGSO)优匕最小、二乘支持向量机(least squares support vector machine, LSS-VM)的网络热点话题预测模型（AGSO-LSSVM)。模型收集网络热点话题数据,采用互信息法和CAO法选择最优延迟时间和嵌入维数,采用优延迟时间和嵌入维数重构网络热点话题数据学习样,并输入到最小二乘支持向量机 中训练,进而采用人工萤火虫算法优化最小二乘支持向量机参数建立网络热点话题预测模型,采用仿真实验测试其性能。实验结果表明,相对于其他网络热点话题预测模型,该模型可以对网络热点话题的变化特点进行拟合,进一步提高网络热点话题的预测准确性。     

利用SVM-LSTM-DBN的短期光伏发电预测方法

为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.     

短期风速预测的相关方法及其应用研究

文章对持续法、BP神经网络和支持向量机(support vector machine,SVM)3种方法在提前24h风速预测中的应用进行了研究和比较。为了消除季节对预测结果的影响,针对某年12个月份分别建立预测模型,结果表明:在大多数情况下,BP神经网络和SVM算法的预测结果要优于持续法,并且SVM算法优于BP神经网络;但也有持续法优于BP神经网络和SVM算法及BP算法优于SVM算法的情况。因此不能绝对说某种算法优于另一种算法,应该根据具体情况来进行分析判断,或者通过组合预测来提高预测精度。     

应用支持向量机的空中交通流量组合预测模型

为了提高空中交通流量预测的准确性,研究了将支持向量机(support vector machine, SVM)应用于空中交通流量预测的方法,建立了基于SVM的自回归预测模型,讨论了模型参数确定等关键问题.在SVM预测模型基础上,将SVM与多项式和鲁棒自回归预测模型结合,提出组合预测模型.利用北京周边空域实测流量数据进行的对比实验结果表明: SVM预测模型的预测误差小于5%, 组合预测模型的预测误差小于2%, 均优于多项式和鲁棒自回归预测模型;组合预测模型的预测精度和稳定性整体上又优于SVM预测模型.     

基于随机森林和单类支持向量机的电信行业客户流失预测

针对电信行业客户流失问题,使用随机森林方法建立了初步的预测模型,对比电信行业原用的各种预测模型,其准确率有明显改善;针对模型特征维数众多的特点,进一步提出基于随机森林和转导推理的特征提取方法,对数据集进行降维,并引入单类支持向量机(support vector machine,SVM)算法得到最终的预测模型.实验表明,流失预测模型具有更高的预测准确率以及针对预测结果的部分可解释性.     

基于改进狼群算法-深度置信网络(IGWO-DBN)模型的旋风分离器压降预测

针对目前旋风分离器压降计算模型在准确性和实用性上的不足,为更好地指导旋风分离器的结构设计和性能优化,采用深度学习方法对其压降进行了预测。选取了影响压降的7个几何参数,采用深度学习中的深度置信网络（deep belief network,DBN）对旋风分离器压降数据进行预测,并利用改进的狼群算法（improved grey wolf optimizer,IGWO）对DBN模型的初始化权重和偏置参数进行寻优,构建IGWO-DBN组合模型,同时与几种传统计算模型和机器学习模型的预测结果进行对比。结果表明,IGWO-DBN模型在计算精度上优于Shepherd-Lapple模型、Casal模型等传统计算模型,并优于反向传播神经网络（back propagation neural network,BPNN）、支持向量机（support vector machine,SVM）、极限学习机（extreme learning machine,ELM）等机器学习模型,计算效率大幅提升,且具有较好的泛化性和鲁棒性,可用于旋风分离器压降参数的预测。     

基于优化核极限学习机的泥石流危险性评估

山区环境中泥石流的孕育受多种因素的影响，为提高泥石流危险性的预测精度，提出一种萤火虫算法(firefly algorithm, FA)优化核极限学习机(kernel based extreme learning machine, KELM)的预测模型。首先，针对数据维度爆炸的问题，通过主成分分析(principal component analysis, PCA)数据降维，使得留有大部分致灾特征信息的因子输入训练模型；然后，使用萤火虫优化算法更新核极限学习机的参数，将四川省北川县监测数据输入优化后的预测模型，并与其他传统机器学习算法进行对比分析，验证该算法的优越性；最后，使用多种指标综合评估模型的预测效果。结果表明，FA-KELM模型能够有效地简化数据结构，提高泥石流危险性预测的准确性，为泥石流灾害预测方面的研究提供参考和借鉴。     

多变量相空间重构的多核最小二乘支持向量机电力负荷预测优化策略

针对短期电力负荷在线预测问题,结合多变量相空间重构以及多核函数LS-SVM(least squares support vector machine),提出一种基于滑动窗口策略与改进人工鱼群算法(artificial fish swarm algorithm)的短期电力负荷在线预测综合优化方法。首先利用多变量相空间重构还原真实电力系统动力学特性;然后将核函数进行排列组合,从而将组合核函数的构造问题转换为权值系数的优化问题。进一步将延迟时间、嵌入维数、LS-SVM参数以及核函数权值作为整体参数向量,利用混沌自适应人工鱼群算法对训练数据预测精度的适应度函数进行优化,从而得到最优的预测模型参数。最后通过滑动时窗策略将得到的预测模型对短期电力负荷进行在线预测,结果证明了提出方法的有效性。     

武术的劲力分析与应用研究

本文对武术的劲力,从生理学角度和应用价值上,进行分析与研究.阐述了不同发力特点和相互之间的关系,从而对我国武术运动的发展,具有一定的促进意义.     

影响植物染料染色牢度的研究

衡量植物染料的染色效果主要是看其染色牢度。总结了国内外在植物染料染色牢度方面的研究成果,探讨了影响植物染料染色织物的耐光牢度、水洗牢度和摩擦牢度的因素。     

粉煤灰综合利用的实验研究

从粉煤灰的特性出发，通过实验研究粉煤灰制作建筑材料的可行性，可以解决环境污染，带来社会与经济效益。     

浅谈混凝土试件强度试验检测和评定方法

介绍了混凝土抗压强度和抗折强度试件的制作过程、养生方法，论述了混凝土强度的测定、计算的方法和标准。     

钢纤维混凝土的抗折强度

本文通过三点弯曲试脸,探讨了钢纤维体积率对钢纤维混凝土弯曲性能的影响,运用阻裂理论推导正截面强度的计算模式.在综合分析试验结果的基础上,给出了与普通混凝土抗裂计算相衔接的钢纤维混凝土初裂抗弯强度和抗折强度的计算公式.     

煤和矸石选择性破碎分选的研究

论述了测定不规则自然矿块在张拉破碎时的强度，通过对煤和矸石强度的对比，认为选择劈裂破碎作为煤和矸石选择性破碎分选方式较为合适。     

Al2O3陶瓷高温弯曲切口强度的研究

试验研究了温度对Al2O3陶瓷弯曲切口强度的的影响，结果表明：20－800℃之间，材料的弯曲强度和弯曲切口强度不仅没有降低，甚至略有升高，它们的分散性随着温度的升高而降低，但在950℃条件下，其弯曲强度和弯曲切口强度均显著降低，分析认为：该陶瓷材料在低于800℃时，采用室温弯曲强度进行高温强度设计是安全可行的，同时在高温条件下，弯曲切口强度也可以利用室温弯曲强度进行了预测，研究结果为先进结构陶瓷材料的高温强度设计提供了强度预测的新方法。     

考虑张拉及剪切破坏的强度折减法在岩土工程中的应用

分析了岩(土)材料在不同应力情况下的破坏特征,指出对岩(土)结构起作用的强度指标除抗剪强度指标c、tanφ外,还应包含抗拉强度指标T,原强度折减法在强度折减过程中过高地考虑了抗拉强度,导致计算偏危险.因此,在有限元强度折减法计算岩土工程的安全系数时应保证抗拉强度指标与抗剪强度指标同等减少,即采用“抗拉剪强度折减法”.通过4个非常典型的算例模型:一般边坡、钟乳石、隧道、陡边坡验证了“抗拉剪强度折减法”提出的必要性和正确性.研究表明,改进的强度折减法在岩土工程中具有更加普遍的适用性.     

混凝土剪压强度相关性规律理论研究

将混凝土剪压（包括剪拉）强度相关性规律统一表达为三参数椭圆公式或两参数椭圆公式其中,三参数椭圆公式符合某些试验结果：而两参数椭圆公式,或是由三参数椭圆公式简化而来,或是由双参数强度准则导出的,将它们分别与试验公式作了比较,其中之二也是可用的     

结构性黄土扭剪特性及联合强度破坏应力修正算法

 中国西北地区存在大量的陡峭黄土边坡,降雨或扰动均会导致黄土的结构性大大降低,可能导致滑坡的产生。通过新型扭剪强度测试仪分析了结构性黄土在扭剪试验过程中的破坏特征,基于扭剪试验结果对可以综合考虑结构性黄土抗拉及抗剪特性的联合强度公式进行了验证,并基于联合强度研究了土体破坏应力的修正算法。结果表明,原状黄土、重塑黄土的破坏扭矩随含水率增大而逐渐减小,且原状黄土的破坏扭矩大于重塑黄土;扭剪强度试验中破坏应力圆与联合强度破坏线相切,验证了联合强度公式具有合理的试验基础;基于联合强度提出的土体破坏应力修正算法,可为黄土边坡灾害评价提供更加切合实际的强度理论。