基于相关向量机的发动机剩余寿命预测

针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机的发动机剩余寿命预测方法。首先通过核主元分析方法从发动机多维监测数据中提取退化特征信息;然后利用非线性模型将主元序列融合成反映发动机退化趋势的健康指数序列;最后采用相关向量机以历史失效数据为训练样本建立预测模型,对现有的发动机健康指数序列进行外推预测得到当前样本的寿命预测值。通过NASA Ames研究中心公开的涡轮风扇发动机仿真数据验证了该方法的有效性,其预测性能优于常用的支持向量机模型和过程神经网络模型。     

基于主成分分析的上市公司财务危机预警模型研究

建立了主成分分析预警模型,该模型可以用来对企业财务困境进行预测.经实证研究得出,该模型对检验样本的预测正确率为70%,说明主成分分析方法对上市公司的财务危机具有较好的预测效果.     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

数据挖掘和神经网络技术的电力工程造价应用

提出了一种采用数据挖掘技术和神经网络方法预测和审查电力工程造价问题的模型,应用数据挖掘技术进行数据预处理、属性优选和聚类得到模糊规则,并用改进的BP(back propagation)神经网络模糊系统构建了电力工程造价的预测方法。通过对某市送电线路历史工程样本训练和实例样本计算分析,得到了较好的计算结果,验证了该方法的预测准确性和收敛性,显示了该方法在电力工程造价预测和审查中的有效性。     

基于主成分分析的多维时间序列预测

本文研究了我国分行业国内生产总值的预测问题,对于这类多维时间序列预测问题,首先采用主成分分析方法生成新的时间序列,其次对这些序列进行预测,然后得到原始序列的预测值,并将预测结果与传统单一预测方法所得结果做了对比,揭示了所用方法的有效性.     

浅谈节能建筑的全寿命周期成本

阐述了节能建筑带来的长远经济效益,通过实例,运用全寿命周期理论分析计算节能建筑的造价,对节能与非节能住宅进行了对比,提出了采用全寿命周期资金成本的方法将工程的建安造价与能源使用维护造价合二为一来考核工程的总造价的设想。     

严寒地区超低能耗建筑负荷特性研究

目的 研究严寒地区沈阳市、长春市、哈尔滨市3个城市超低能耗建筑的负荷特性.方法 以沈阳建筑大学超低能耗示范建筑为例,运用DeST软件建立超低能耗建筑模型,通过改变DeST软件中模拟建筑所在城市的气象信息,模拟沈阳市、长春市、哈尔滨市全年8 760 h的逐时负荷.对沈阳市、长春市、哈尔滨市的负荷特性以及不平衡率进行分析....     

特征提取和小样本学习的电力工程造价预测模型

通过特征提取和小样本学习的结合,提出一种全新的基于混合算法的电力工程造价预测模型。利用主成分分析对原始指标进行预处理,消除原始指标之间的相关性,并提取潜在的综合独立指标,将新指标作为输入集构造基于最小二乘支持向量机的预测学习模型,将其预测结果和神经网络模型预测对比分析。并通过不同主成分数目预测结果的比较,确定最优的主成分个数,达到理想的预测效果。实例预测结果表明:该方法可以有效提取原始指标的信息量,在小样本学习方面表现突出,能够达到期望的预测效果。     

严寒地区超低能耗建筑夜间通风节能潜力分析

目的 利用夜间通风降温技术对严寒地区超低能耗建筑进行研究,分析不同夜间通风换气量下制冷系统的耗能情况。方法 以沈阳超低能耗建筑为模型,利用DeST软件对该建筑模型进行夜间通风模拟,实验测试对模拟结果进行验证,再对建筑模型进行不同夜间通风方案进行模拟。结果 夜间通风室内温度的模拟结果与实测数据结果整体趋势一致。室内温度峰值与建筑冷负荷皆随着通风换气次数的增加呈现先陡后缓的下降趋势。建筑制冷系统的耗电曲线随着通风换气次数的增加呈现先下降后上升的趋势。夜间通风换气次数在6～8次/h内节能效果最佳。7月份建议采用夜间自然通风节能效果更佳。6、8、9月份在最佳夜间通风方案下的节能率为20.8%、11.11%、29.32%。结论 DeST软件可以对严寒地区超低能耗建筑进行夜间通风节能效果分析。严寒地区超低能耗建筑利用夜间通风有助于降低室内峰值温度、建筑冷负荷以及制冷系统耗电量。     

基于损伤力学的疲劳全寿命数值预估方法

疲劳失效是影响结构件使用安全的主要问题,对疲劳寿命进行准确预测具有重要的工程意义。基于采用平均应力修正的损伤力学演化模型,结合有限元法建立了同时考虑裂纹萌生与扩展的疲劳全寿命数值预估方法。为了验证该方法,开展了不同应力水平下铝合金开孔板试样疲劳试验与疲劳数值模拟。结果表明,基于所建立的疲劳数值分析方法能够有效预测开孔板裂纹扩展过程及疲劳全寿命,预测寿命误差带在两倍以内。     

基于实测数据的润扬大桥悬索桥全寿命评估随机温度场模拟

为了得到桥梁全寿命评估的温度数据,提出了一种基于实测数据的钢箱梁桥随机温度场模拟方法.首先,采用最小二乘估计和假设检验,对润扬大桥悬索桥扁平钢箱梁为期5年的实测温度和温差进行了统计分析;然后,提出了一种复杂统计模式下样本序列模拟的数值逆变换抽样方法,并建立了扁平钢箱梁的全寿命评估随机温度场.研究结果表明:扁平钢箱梁实测温度服从2个正态分布的加权和,实测温差则服从1个Weibull分布和1个正态分布的加权和;利用数值逆变换抽样方法模拟得到的样本的概率密度函数与目标概率密度函数吻合良好;模拟温度场能准确描述扁平钢箱梁的温度特性.因此,该数值逆变换抽样方法能够准确模拟大跨悬索桥扁平钢箱梁全寿命期的随机温度场.     

城市燃气负荷的混沌特性与预测

采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.     

基于健康指数相似的航空发动机剩余寿命预测

针对机载快速存取记录器(QAR)详细记录了发动机全周期多源性能参数的特点,提出了一种基于时间序列相似性匹配的航空发动机剩余寿命预测方法。首先通过相关分析选取与发动机性能衰退密切相关的参数,利用狄克松判定准则剔除原始数据异常值,将多个性能参数通过状态空间模型融合为健康指数来表征发动机衰退状态;然后通过K-means聚类分析法重构发动机健康指数序列;最后计算序列之间的相似度,依据相似度大小赋予参照样本不同权重预测发动机剩余寿命。通过航空公司实际数据对该方法进行验证,结果表明该方法具有较好的预测精度。     

基于主成分回归分析的流程工业生产故障预测

在流程工业生产过程中,采用主成分回归分析方法,去除变量间的共线性,可以有效提高系统故障预测的能力.通过TEP过程验证,证明该方法具有较好的故障预测效果.     

基于主成分分析和递归神经网络的短期股票指数预测

运用递归神经网络,并结合主成分分析方法建立基于主成分分析的递归神经网络(PCA-RNN)预测模型.实验采用玉米股票价格指数,首先,利用主成分法对玉米指数的多个指标进行特征提取,然后利用提取的主成分建立3种神经网络模型,并对开盘价进行预测,最后与ARIMA模型进行比较分析.结果表明PCA-RNN模型取得了较好的效果,更加适用于股票价格的短期预测,可以为决策者提供一定的参考.     

基于定量关联规则树的分类及回归预测算法

为了解决基于Apriori的分类关联规则算法挖掘数值型数据时效率和准确率偏低的问题,提出基于定量关联规则树的分类及回归预测算法。采用改进的定量关联规则算法挖掘数值型数据生成关联规则库,并基于关联规则树结构实现分类及回归预测。研究结果表明：改进的Apriori定量关联规则挖掘算法提高了分类预测的准确率并降低了计算复杂度;而采用关联规则树结构可使分类与回归预测时间明显加快,提高了样本匹配学习的速度。     

主成分分析在线性模型与非线性模型的应用研究

为了解主成分分析在线性模型与非线性模型预报中的应用效果,在2001—2011年热带气旋历史观测资料基础上,采用主成分分析方法,结合线性回归模型和神经网络模型,开展西北太平洋热带气旋的强度预报技术研究试验．根据提取的主要影响因子构造线性回归模型与BP神经网络的输入样本进行不同样本的台风强度预测．计算结果表明,主成分分析通过降低线性回归模型和BP神经网络模型的维数,减少自变量之间的复共线性,减小模型的预报平均绝对误差．     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

国民生产总值相关因素的分析及预测

利用关联分析方法，求得了影响国民生产总会诸因素的关联度，并应用主成分分析，筛选出主要因素，建立了最佳因素子集合的回归模型，并对２０００年国民生产总值进行了预测。     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具.利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型.计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果.