基于证据权模型的宁芜盆地中段玢岩铁矿资源预测

基于证据权模型,对宁芜盆地中段玢岩铁矿进行矿产资源评价.首先,结合研究区的成矿地质背景,提取地层、岩体、构造、物探异常等四大类证据因子.然后,分析各证据因子与铁矿点之间的空间关系,认为大王山旋回火山岩与次火山岩与玢岩铁矿的关系最为密切,是寻找玢岩铁矿的岩石标志,深成侵入体则与铁矿空间上无明显关系,构造、物探异常在空间上与玢岩铁矿也有较大关联.根据计算结果,选取与玢岩铁矿密切相关的大王山旋回火山岩地层、闪长玢岩岩体、各方向(EW,NW,NE)构造缓冲区、航磁异常和布格重力异常七类证据图层.最后,采用证据权模型进行成矿后验概率计算,结合成矿地质背景及物探异常,圈定5个成矿预测区,它们在区域上具明显的NE向展布特征,并且普遍分布与成矿密切相关的闪长玢岩岩体,同时位于航磁高值以及NW向和NE向构造发育密集处.     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

基于不同气候变化情景的东江流域水资源量预测研究

采用半分布式水文模型HSPF,结合1978-1998年东江流域实测气象数据和5个气候模式在3种RCP气候情景(RCP8.5,RCP4.5,RCP2.6)下基准期(1960-2000年)和未来时期(2020-2070年)降水、蒸发情景模拟结果,在对东江流域径流模拟检验基础上,对2020-2070年东江流域水资源量做了深入分析。结果表明,HSPF模型能很好模拟东江流域年、月径流以及洪水期径流变化,博罗站的NASH系数均超过0.81,PBIAS低于10%,RSR低于0.45;所选取气候模式能很好的反映研究流域气象数据在年内分布情况。对未来气候和东江流域水资源量模拟结果表明:1 2020-2070年不同气候变化情景下东江流域降水及蒸发量在RCP2.6和RCP4.5情景下均呈上升趋势,而在RCP8.5情景下,东江流域蒸发量则呈现下降趋势;2未来东江流域多年月均径流量呈增加趋势;3未来东江流域不同频率下的洪水和枯水流量均呈不同程度的增长。相对于基准期,未来时期的洪水天数呈增长趋势,洪水灾害有加剧态势。     

重庆市城镇化演进对耕地面积影响前景预测

为探索城镇化演进对耕地面积变化影响趋势,通过构建城镇化演进Logistic模型,预测2012年-2030年重庆市城镇化水平演进;构建STRIPAT扩展模型测算城镇化对耕地面积边际贡献率,拟合重庆市耕地面积变化前景.研究结果表明:重庆市未来城镇化演进对耕地影响态势不会改变,但是影响强度趋缓,逐步趋近于零.建议遵循城市化演进规律,合理适度发展城镇化,科学制定土地管理政策,严格保护耕地.     

季节性变动影响下的上海港集装箱吞吐量预测

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度.     

灰色马尔可夫模型的改进及农业受灾面积预测应用

针对传统的GM(1,1)模型对波动性较大的数据预测精度较低的问题,进行了2次改进并分别与马尔可夫链预测相结合建立了灰色马尔可夫模型.将各模型应用于江西农业受灾面积预测,结果表明,改进的灰色模型和灰色马尔可夫模型拟合精度较传统方法均有明显提高,验证了改进的灰色马尔可夫模型的有效性.     

矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

基于分段模糊Lyapunov函数的轮式移动机器人轨迹跟踪控制

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性.     

基于多维泰勒网的自适应混沌时间序列多步预测

提出了一种新的混沌时间序列预测方法——多维泰勒网方法.该方法不以相空间重构方法中嵌入维数和时间延迟这两个关键参数的选取为前提,无需系统的先验知识和机理,仅根据已知的时间序列样本,通过多维泰勒网模型获得n元一阶多项式差分方程组,进而得到能反映非线性系统动力学特性的多维泰勒网动态模型.在此基础上提出了基于多维泰勒网的自适应多步预测方法,通过数据窗口的滑动自适应建模,实现对混沌时间序列的多步预测.将该方法应用于Lorenz混沌时间序列的一步和多步预测,均方误差分别达到2.56×10-5和2.76×10-3.仿真结果表明,该方法可以对混沌时间进行有效预测,且具有较高的预测精度.