热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

基于增量式随机森林的燃气负荷预测方法

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法。该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间。在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测。实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景。     

基于动态矩阵的永磁同步直线电机速度控制

为了改善直线电机的动态响应性能,提高电机控制系统的鲁棒性,使电机稳定运行,基于预测控制理论,设计了适用于直线电机速度环控制的动态矩阵控制器,将传统的直线电机三闭环控制系统中的速度环PID控制器替换为动态矩阵控制器,并分别搭建基于PID速度控制器和动态矩阵速度控制器的永磁同步直线电机三闭环仿真模型,在此基础上给控制系统施加阶跃信号,并进行突加负载和突减负载的仿真,将2种控制器控制下的系统响应结果进行对比。仿真结果表明,当速度环采用动态矩阵控制后电机的响应速度更快,超调更小,使电机速度更快达到稳定。改进后的速度环控制器提高了直线电机控制系统的鲁棒性,改善了直线电机的动态响应性能,提高了控制系统的抗扰动能力,有利于电机在负载变化较大的情况下运行。     

面向飞机PHM的大数据分析与人工智能应用

针对新一代电子产品密集型的飞机,其系统结构和失效机理复杂、失效模式多样,传统的方法难以对其进行有效健康管理的现状,因此提出了基于海量数据挖掘的飞机PHM研究。首先从系统结构、服役环境、数据来源与存储方式等角度分析了新一代飞机对海量数据挖掘的应用需求;其次论述了基于海量数据挖掘的关键技术,包括数据的预处理、集成管理、聚类、分类、关联、预测等;最后提出了一种基于私有云的飞机PHM海量数据挖掘平台,详细阐述了该平台的总体框架和软硬件结构,该平台为飞机PHM提供了验证平台,对促进飞机PHM的集成与工程化实现具有重大的军事应用意义。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

面向排名预测的电影媒体网站研究

结合排序学习方法, 对电影排名预测任务进行研究。通过挖掘和分析电影媒体网站数据, 完成对排名预测相关特征的抽取与扩展及排名标注的对齐和划分等, 并提出面向电影媒体网站的排名预测模型。实验结果显示, 该模型能有效地提高电影排名预测任务的性能, 在为影视院线合理规划同期电影的上映时间及排片比例、为观影者提供优质热门的电影推荐等方面具有一定的应用价值。     

基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

面向作者消歧和合作预测领域的作者相似度算法述评

从文本相似度和结构相似度算法入手,对面向作者消歧和科研合作预测领域的作者相似度算法进行了研究。分析和比较了各种常用算法的优劣,以及目前的应用情况,并对作者相似度算法进行系统梳理与展望.     

基于无线网络传输的太阳能传热系统设计研究

太阳能供热广泛地影响人们的日常生活,随着供热系统工程化,保障太阳能供热系统及时、高效、稳定运行成为重点发展方向.将远程控制系统作为太阳能供热的长效监测控制装备,对其进行深入研究的必要性不言而喻.通过CAN总线接收来自各用户单元的数据以及通过LORA无线通讯模块将相关信息发送至远距离显示模块,同时通过GPRS模块与远程服务器进行数据通信,并建立太阳能制热单元逐时制热量预测模型.监控主机模块采集数据的准确性和实时性以及数据处理的正确性是整个系统运行稳定的关键.