一种新型智能预测系统模型——复合金字塔模型

将一般性智能预测系统构造向结合具体领域的个性化智能预测系统构造的发展,表征了智能系统当今发展的重要趋向.蛋白质结构预测是生物信息学领域的国际性难题与主要挑战性问题之一.在本文中,我们提出了一种新型的智能预测系统模型来预测蛋白质的二级结构,它是一个多层递阶的复合金字塔模型(CPM).该模型包含4个独立的智能接口,并且综合涵盖几种相关的知识发现方法.领域知识贯穿该整个模型,并通过因果细胞自动机有效的选择属性,以及高纯度结构数据库的构造.在RS126的数据集上的预测准确性达到84.31%;在CB513数据集,预测准确性达到86.78%(居国际已知之优先地位).同时对CASP8序列预测的结果发现是优于其他方法的,如PSIPRED,Jpred,APSSP2,BehairPred等.大量实验结果表明:该智能预测系统模型具有较强的泛化能力,并提供了其他类型智能系统模型构造的方法论示范.     

基于模型融合的复杂生产过程产品质量预测

复杂生产过程中产品质量与工艺参数间存在复杂的非线性关系,为提高产品质量预测准确性,本文提出了一种基于模型融合的复杂生产过程产品质量预测方法.首先,分别对复杂生产过程建立基于改进随机森林算法的整体预测模型与分段预测模型,其中,针对整体预测模型特征选择问题,提出了一种相关性分析与去冗余处理相结合的特征选择方法,针对分阶段预测模型存在误差累积问题,提出了一种误差修正机制.其次,利用Stacking集成学习算法实现整体预测模型与分阶段预测模型的融合,综合利用二者的预测优势得到对产品质量的最终预测结果.最后,以烟丝生产过程烘丝机入口烟丝含水率的预测为例,通过对比传统单模型的预测方法,验证了本文所提基于模型融合预测方法的准确性.     

RNA二级结构预测的模糊模型

基于模糊集合理论，提出了RNA二级结构预测的模糊模型．该模型通过状态空间的模糊分割以及模糊目标的引入等，可有效利用模糊动态规划算法给出该模糊模型的最优决策序列，并进而获得待预测RNA最优与次优的二级结构．基于模糊模型的方法具有许多优点，如计算复杂性的降低，最优与多个次优二级结构的一并获得，以及定性先验知识的有效融入等．完整地给出了RNA二级结构的模糊模型及其计算方法，并进行了具体的实现．将一个具体的BJK模糊模型结构实际应用于tRNA及tmRNA的数据集中，并与基于最小自由能的mfold工具以及基于SCFG的BJK文法模型进行了比较研究．实验结果表明该模型的有效性，相应的预测精度得到了进一步的提高．     

16Mn钢海水腐蚀速率的计算机预测

本文采用人工神经网络技术建立了碳钢、低合金钢在海水飞溅区腐蚀速率的人工神经网络拓扑结构,并预测了16Mn钢在海水飞溅区的腐蚀速率发展趋势,网络模型预测结果和实测数据紧密相符,预测结果比较理想,该方法为腐蚀专业和非腐蚀专业的工程技术人员提供腐蚀分析的依据.     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.     

电力系统负荷预测

负荷预测在电力系统规则和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上对电力市场需求的预测。本文系统介绍和分析了负荷预测的基本概念、种类、和预测方法。     

基于小波的钦州水稻产量多时间尺度分析与预测

利用小波诊断技术对广西钦州1950～2005年水稻产量和播种面积进行了多时间尺度分析,并利用基于小波的ARIMA模型进行了预测。分析结果表明：56年来,钦州水稻总产量和单位产量波动具有明显的3a、7a和25a特征时间尺度,播种面积7a特征时间尺度主要受农村土地制度改革影响。基于小波的ARIMA模型在水稻产量、播种面积预测方面精度很高,预测误差与气象灾害和土地政策变化有关。利用基于小波的水稻产量多时间尺度分析与预测方法,可以辅助水稻产量增减周期的分析以及对未来趋势的判断,对于结合供求关系合理调整种植面积,促进农业可持续发展提供帮助。     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.     

基于T-S模糊神经网络的淋水井筒温度预测分析

随着矿井开采深度的增加,矿井井底风流温度的预测分析对矿井生产具有重要意义。通过分析影响井底风温的主要因素:地面大气压力、入风温度、入风含湿量以及井筒深度,建立了一种新的T-S模糊神经网络模型,利用MATLAB模拟实现了对井筒的井底风温预测分析。通过实例验证了该方法的可行性,结果表明该方法相比BP神经网络收敛速度快,预测精度高,拟合能力强,符合现场工程应用的需要。     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

支持向量机在围岩变形监测中的应用

根据支特向量机优越的非线性拟合性能,建立变形量的时间序列预测模型,滚动预测围岩变形量,提高了预测模型的训练速度和预测推广能力。该方法用于西乡-固戍盾构段围岩变形预测,并与BP神经网络预测进行比较。结果表明这种模型可预测区间较长且具有较高的准确度,能够科学地指导现场施工和监测。     

用混合回归模型预测黄河三门峡站年径流变化的初步研究

年径流形成过程受到很多因素的影响,对其未来的精确描述十分困难,常用的成因预测法和统计预测法都有其一定局限性.以年径流作为自回归因子,降水、气温和用水做为回归因子,建立了年径流预测的混合回归模型,并以黄河三门峡站为例,对黄河三门峡站天然年径流未来变化进行了6种方案下的预测.研究表明,混合回归模型既能较好地模拟气温、降水及耗水变化对年径流量的影响,也能体现年径流自身的演变规律.     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

商用车ABS预测控制方法研究

针对商用车制动过程中存在的强烈非线性和模型不确定性问题,建立了整车七自由度转向制动状态空间模型,提出了一种非线性连续预测控制方法,设计了基于滑移率的ABS非线性预测控制器.在控制器设计中,利用泰勒级数展开对系统状态进行适当的截尾处理,获得了系统预测模型,并将ABS路面识别算法引入参考轨迹设计,提出了多路面下的参考轨迹模型.当路况发生变化时,参考轨迹也发生相应的变化,而且在系统中引入了积分反馈,以增强系统的鲁棒性.仿真研究表明,当ABS存在建模误差、载荷变化和干扰时,该非线性预测控制器仍能够获得良好的动态响应和鲁棒性.     

基于核和测度的连续区间灰数Verhulst预测模型构建与应用

针对现有区间灰数Verhulst对整体呈现"S"形变化特性的连续区间灰数序列模拟误差较大的问题,通过分析构造序列的特征,提出一种改进的连续区间灰数Verhulst动态预测模型,即先分别构建连续区间的核序列和测度序列,继而建立核序列的灰色Verhulst预测模型和测度序列的灰色Verhulst预测模型,最后构建区间上下界预测模型。将此模型应用于青海玉树地震伤病员人数的预测,并与多种典型Verhulst预测模型进行对比,结果表明该模型预测精度更高,模拟效果更好。     

道路交通事故等间隔序列的灰色预测方法

在分析道路交通系统灰色属性的基础上，论文提出可以将道路交通事故作为道路交通系统行为特征量处理，运用灰色理论和方法来进行道路交通事故预测，在此基础上，建立了道路交通事故的等间隔序列灰色预测模型，并运用实例验证了模型的实用性。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

传导电磁干扰的精确定量预测方法

针对电磁兼容领域传导干扰预测存在的通用性不强、精确度不够和实用性差的现状,提出了干扰源集中等效与模型估计方法、基于器件开关暂态过程的干扰源建模方法和变换单元干扰源的双重傅立叶积分建模方法,实现了干扰源全频段的建模;提出了基于灵敏度分析的寄生参数确定方法、金属壳体地回路阻抗的精确建模方法和部分单元等效电路精确建模方法,解决了干扰耦合通道的精确描述问题;结合上述2个方面实现了传导干扰全频段（0～10MHz）的精确定量预测,不仅通用性强而且实用性好．最后提出了一种新型面电流测量方法解决了大尺度金属壳体电流分布的测试难题,结合相关实验证明了上述理论和方法的正确性．     

一种基于自回归隐式半Markov链的设备健康管理新方法

文中通过对隐式Markov模型（HMM：hidden Markov model）假设条件的松弛研究，提出了基于自回归隐式半Markov链（AR—HSMM：auto—regressive hidden semi—markov model）的设备健康诊断和预测新方法．与传统的HMM相比，AR-HSMM具有3个优点：一是将传统HMM所假设的隐藏状态分布改进为显式Gauss分布，因此能够用于设备性能衰退预测；二是改进了传统HMM中各观测变量相互独立的假设，通过自回归建立各观测变量之间的依赖关系，从而使之更加符合实际情况；三是AR-HSMM不必服从不现实的Markov链条件，因而具有更强的建模和分析能力．文中定义了新的“前向．后向”变量，给出了改进的“前向．后向”算法．通过一个实例对所提出的方法进行评价与验证．实验结果表明，基于AR—HSMM的设备健康诊断和性能衰退预测新方法是有效的．     

考虑气液相滑移影响的气井两相节流预测模型研究

为进一步提高气井井下节流两相流流型判别及质量流量预测的准确性,通过建立气液两相节流模型临界压力比和质量流量预测评价方法,对3个常用的气液两相节流模型进行了评价。从质量、动量及能量守恒原理出发,运用对比拟合的方法同时考虑节流过程气液相滑移的影响,提出了新的气液两相井下节流流型判别准则。在此基础上提出了适应于临界流/亚临界流条件下节流质量流量预测的新模型,并运用新模型预测了临界压力比及节流质量流量。在实验数据范围内,该模型的预测性能明显优于已有模型。