基于粗糙集与灰色动态预测模型在电力负荷短期预测的应用

针对电力系统多因素负荷预测问题的复杂性,结合粗糙集理论与GM（1,N）模型各自的优势,提出一种基于粗糙集理论的GM（1,N）预测模型.采取粗糙集理论对影响负荷预测因素进行简约,利用GM（1,N）建立简约后的因素变量和负荷之间的关系建立模型,并与GM（1,1）预测模型进行了比较,结果反映基于粗糙集理论的GM（1,N）预测模型的优越性,精准度达到94.055%.     

Leslie修正模型在人口预测中的应用

运用操作性强,可信度高的方法来准确预测未来人口的变化是一个国家或地区制定相应中政策的重要依据.决定人口发展的关键性参数是人口死亡率,妇女平均生育率和人口的初始年龄分布,本文通过对<中国人口统计年鉴>中部分相应数据进行统计分析,以2004年为初始年建立leslie修正模型对中国未来人口进行长期预测,发现人口总数从2005年到2050年总体呈先上升再稍有下降最终趋于平隐的趋势,人口总数将在2020年再次达到峰值.此外针对数据的无规律性建立GM(1,1)模型预测出未来20年市、镇、乡每类人口性别比呈缓慢的增长趋势.并运用预测数据结果对老龄化、抚养比、人口素质等人口特征指标进行简要分析.     

灰色及其改进模型在人口预测中的应用

在灰色GM（1,1）模型和优化的等维递补GM（1,1）模型的基础上,构建了灰色＋BP神经网络组合模型。对2001～2005年我国人口的变化分析后,建立人口总量模型进行预测,利用原始教据建立的灰色＋BP神经网络组合模型预测我国2008年以后五年的人口总量为13．39亿、13．49亿、13．60亿、13．7亿、13．79亿,有逐年上升的趋势。经综合误差分析和后验差检验均为“优秀”,说明该模型具有一定的应用价值。     

基于新陈代谢GM(1,1)的大规模地震应急救援物资需求预测研究

大规模地震发生后,在时间有限且信息缺乏的情况下,以大样本为建模基础构建的传统预测模型难以实现对应急救援物资的快速准确预测.基于此,以灰色建模理论为基础,提出并构建一种基于新陈代谢的GM(1,1)灰色动态预测模型,利用其“去掉老信息,利用新信息”的建模特性,分析并预测地震灾区死亡人数的动态变化,进而预测相应地应急救援物资需求.将该模型应用于预测我国青海玉树地震灾区物资需求的数量,取得了较好的预测效果.研究成果对丰富与完善灰色预测模型的理论体系,实现大规模地震灾区应急救援物资需求的预测,具有重要的理论意义和应用价值.     

神经树在煤与瓦斯突出预测中应用研究

由于煤与瓦斯突出影响因素之间存在着复杂的非线性关系,为准确预测煤与瓦斯突出的危险性,本文提出了基于柔性神经树的煤与瓦斯突出预潮模型,其中利用多表达式编程和粒子群优化算法分别优化了自身的结构及相关参数,使得神经树具有强大的预测和分类能力,与传统神经网络相比具有更加灵活的自动优化能力.通过采用实测数据对算法进行了验证. 结果 表明与常规预测方法相比较,该模型的预测准确性高,具有良好的适应性和有效性.     

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.     

低碳经济下中国CO_2排放量预测分析

为了准确分析CO2的排放量以便有效控制其释放,统计收集我国历年CO2总排放量及各类能源消耗的CO2排放量分别构成时间序列,对每一个时间序列分别利用GM(1,1)模型、DGM(1,1)模型、微分Verhulst模型以及差分Verhulst模型进行拟合,并比较它们的拟合精度。最后分别选取拟合精度最高的模型对各类能源消耗所释放的CO2量以及CO2总排放量进行预测。预测结果表明:我国CO2总排放量及各类能源消耗所排放的CO2量在未来一段时期内将迅速增加,但由天然气消耗所排放的CO2量的增速明显高于煤炭与石油所排放的量。且煤炭和石油消耗所排放的CO2量的增长率有下降趋势;天然气消耗所排放的CO2量的增长率有逐年上升的趋势。最后,根据目前CO2排放量状况提出一些政策建议以供参考。     

基于裂纹扩展的涡轮叶片热障涂层寿命预测模型

热障涂层在高温热循环的服役环境中会出现性能退化,最终剥离失效.本文以等离子喷涂的YSZ涂层为研究对象,基于亚临界裂纹扩展模型,引入临界能量释放率指数模型,结合改进的热生长氧化层增厚模型,推导了涂层循环失效预测模型.通过和公开的实验数据对比,验证了本文方法的准确性.之后将该模型应用于国内某型燃气轮机涡轮导叶热障涂层的寿命预测.结果表明,随着热生长氧化层的增厚,当达到临界厚度时在陶瓷层和黏结层界面会出现应力反转.陶瓷层和黏结层界面出现的拉伸应力会诱导附近微小裂纹扩展.此时热生长氧化层进一步增厚,将会加速裂纹的扩展速度,直至裂纹贯通,界面出现剥离失效.涂层寿命与服役温度呈指数递减规律,在一定范围内提高陶瓷层和黏结层界面粗糙度可以延长涂层服役寿命.本文模型对预测等离子喷涂的YSZ涂层寿命具有很好的应用价值.     

基于PLS及时间序列法的卷烟销量组合预测方法

以A省及17个地市约七年间的销售面板数据为研究对象,首先建立三个单项预测模型,即Hoher—Winter季节乘积模型、时间序列分解法模型和偏最小二乘回归模型。在得到三个单项模型预测值之后,再运用组合模型方法,对三种模型的预测结果进行优化。实证结果显示,本组合预测方法更进一步的提高了预测精度,同时对卷烟销量预测实际工作具有借鉴意义。     

马尔可夫逻辑网在信息抽取中的应用

提出了一个基于马尔可夫逻辑网的信息抽取方法,将所有记录的分割和记录去重在一个单独的整合推理过程中进行.由于采用马尔可夫逻辑和现有的推理算法,其主要工作是编写合适的逻辑公式,工程量比其他传统方法少得多.实验基于CiteSeer 和Cora这两个引文匹配数据集,其结果要明显优于之前的其他方法,同时也证明了马尔可夫逻辑网模型的精确性.     

孪生数据与特征增强融合驱动的装备小样本诊断方法

近年来,得益于新一代信息技术的快速发展,智能故障诊断技术在航空航天、海洋工程、汽车工业等领域得到了广泛的关注与应用.然而,一方面,智能故障诊断模型在实际应用部署时,面临着故障样本不足的难题,导致所构建的模型诊断可靠性较低;另一方面,现有面向小样本问题的智能诊断方法往往需要相关性较强的实测数据作为支撑,这极大限制了该方法的实用性.基于此,本文提出了一种孪生数据与特征增强融合驱动的机械装备小样本故障诊断方法.首先,构建机械装备的虚拟模型,并结合装备的运行机理知识和健康状态的实测数据对模型进行优化修正,以获取高保真模型,进而基于该模型获取高质量的孪生故障数据;其次,以孪生故障数据为输入,利用生成对抗网络进行装备孪生故障数据的特征增强,并将增强后的数据用于卷积神经网络模型的训练,从而实现装备的智能故障诊断;最后,以某汽车用变速器为研究对象,验证所提方法的可行性.该方法丰富了新一代工业人工智能与大数据分析理论,为现代装备的小样本智能故障诊断提供了一种新的解决思路.     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

非正态变量情况下结构可靠性分析的条件概率马尔可夫链模拟方法

基于对失效域样本的高效马尔可夫链模拟方法和鞍点估计法,提出了一种可快速分析高维小失效概率情况下含非正态变量的非线性极限状态函数的可靠性方法.所提方法在非正态空间中,将所求失效概率转化为线性极限状态函数的失效概率与一个特征比例因子的乘积.线性极限状态函数是通过马尔可夫链模拟非线性极限状态函数失效域中的样本而获得的,它与非线性极限状态函数具有近似相同的设计点.而概率论中的乘法定理是获取特征比例因子的理论依据,它反映了非线性极限状态函数失效概率与线性极限状态函数失效概率的关系.线性极限状态函数的失效概率可以由鞍点估计法求得,而特征比例因子可以由马尔可夫链快速模拟线性与非线性失效域中的样本而近似算得.定性分析和定量的算例对比分析表明,所提算法具有较广的适用范围,并且它的实现过程较为简单,计算精度和效率均较高.     

中国低纬度地区GPS周跳季节依赖特点分析

利用中国低纬度地区6个GPS观测站2001年的观测数据,分析了该地区日周跳发生次数与季节的关系．结果表明：该地区的日周跳发生次数与季节关系明显,GPS周跳主要发生在两分季附近（3～5月和9～11月）,且一些日期6个台站的日周跳发生次数变化趋势一致,这种周跳的季节依赖特点与同期我国广州电离层扩展F出现的季节依赖特点类似．结合周跳的地方时依赖特点,可以推断仰角大于一定角度时的周跳与该地区上空电离层不均匀结构有一定的关系．通过不同地磁纬度观测站日周跳次数的比较,可以看到在同一时间段内该地区处于较高纬度的LUZH台站的日周跳次数要明显小于其他台站．以相距很近的两个GPS台站2001年日周跳次数存在明显差异这一事实为出发点,分析了同样电离层条件下周跳对GPS接收机本身硬件质量的依赖性．     

基于改进粒子群-GRNN模型的地铁隧道沉降预测

为了实现地铁隧道沉降的准确预测,针对传统方法和常用智能方法预测精度不高、适用性不强等问题,建立基于改进粒子群和广义回归神经网络的隧道沉降预测模型。模型引入随机变异因子以克服粒子群算法早熟收敛和后期搜索效率不高的缺陷。通过与GRNN、普通PSO-GRNN和PSO-BP模型进行对比,验证了改进算法的有效性和所建模型的优越性。以长沙地铁隧道为例进行沉降预测发现:预测值与实测值相差1.04 mm,相对误差为4.05%,预测精度高,满足工程需要。     

工业大数据驱动的智能制造服务系统构建技术

为了快速响应终端用户的制造服务需求,提出了智能制造服务系统构建方法,该方法以智能制造服务活动大数据为基础,将制造服务需求转换为智能制造服务方案,并调用智能制造服务模块匹配方案,集成为智能制造服务系统提供给终端用户.在智能工厂、智能生产、智能服务等智能制造服务活动大数据分析基础上,建立了智能制造服务系统模块化的过程模型,该模型以用户域、功能域、制造服务域、流程域、交付域刻画模块化过程的映射关系.结合工业大数据和改进遗传蜂群算法对智能制造服务系统构建过程中智能制造服务模块组合优选问题制定了优选方案,提出了基于反向学习的改进遗传蜂群算法(IGBCOL)的智能制造服务模块组合优选策略.最后通过汽车个性化定制服务模块的算例分析,验证了该算法的可行性,以及工业大数据驱动智能制造服务系统构建方法的有效性.     

基于ARMA-GARCH模型的水文过程不确定性分析

不确定性分析和风险分析是现代水资源管理研究的一个重要领域,即需要对预测方差做精确估计.然而传统的径流模型是在方差恒定或者方差随季节变化的假设下进行建模的.但实际情况中,水文过程往往存在异方差性,通过McLeod-Li检验和Engle拉格朗日乘数检验证明了这一点.针对此种情况,本文建立了水文过程的GARCH模型.首先,对序列进行了剔除季节因素的处理;其次,对处理后的序列建立了传统的ARMA模型;再次,在ARMA模型的基础上,建立了GARCH模型对残差的方差进行了修正.最后,以宜昌水文站1949年～2001年日径流数据为例进行了应用验证.研究结果表明,与传统ARMA模型相比,在不影响信度的情况下,GARCH模型能够更加精确的预测置信区间,从而为不确定性分析和风险分析提供更加可靠的基础.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

机载雷达Doppler分布式杂波模型及参数估计

针对机载雷达平台运动造成的杂波谱中心偏移和展宽, 提出一种Doppler分布式杂波(DDC)模型在时域描述杂波协方差矩阵. 并基于该参数化模型, 研究了最大似然、加权子空间匹配等超分辨率方法在杂波Doppler参数估计中的应用, 取得了明显优于传统方法的性能. 理论推导和实际数据处理结果也验证了模型的正确性及参数估计方法的有效性.