基于改进GS-SVM的煤矿冲击地压预测研究

为了提高煤矿冲击地压预测预报的准确率,在综合考虑自然因素和开采因素的基础上,针对煤矿冲击地压系统小样本、多维度、非线性的特点,提出煤矿冲击地压预测的改进网格搜索支持向量机模型(GS-SVM)。利用该模型对四川某矿历史统计数据进行预测分析,并与启发算法优化支持向量机参数模型、神经网络模型、Fisher判别分析模型,传统网格搜索优化支持向量机模型进行比较。结果表明:改进GS-SVM模型能够对具有多维度、非线性、小样本特征的冲击地压进行很好的预测预报,与其他模型相比训练时间更短,预测精度更高,对煤矿冲击地压预测及防治具有一定的指导意义和参考价值。     

基于PCA-EBP神经网络的煤炭物流成本预测

为了科学、准确地对煤炭物流成本进行预测,针对煤炭物流成本影响因素之间存在信息重叠以及BP神经网络对多噪声样本和小样本问题预测结果较差等问题,提出了一种PCA-EBP神经网络模型。将所建立的模型用于内蒙古SH煤炭生产企业煤炭物流成本实际预测。结果表明:模型最大误差为1.748%,最小误差为0.0728%,平均误差为0.972%,均好于径向基神经网络(RBF)和支持向量回归机(SVR),预测精度较高,能够满足煤炭物流成本预测的实际需求,验证了所提出模型的有效性和可靠性。     

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。     

基于多本体的煤炭调度集成系统的研究

针对公司煤炭调度系统中总调度系统与下属分矿的子调度系统中存在异构数据源导致难以实现数据共享,设计了一个基于多本体的煤炭调度集成系统架构。重点研究了系统查询处理过程,首先根据全局本体到局部本体的映射,把针对全局本体的查询语句分解为对局部本体的子查询,再将子查询进一步重写为关系数据源的查询语句并给出了RDQL—to—SQL查询重写算法,最后把对关系数据源的SQL子查询结果进行集成返回给用户。     

基于机器学习的工模具钢硬度预测

硬度是工模具钢性能的一个重要指标.本文通过机器学习中的层次聚类和LASSO回归方法,给出了工模具钢硬度-成分关系的解析表达式.层次聚类将79种牌号工模具钢的合金元素成分-硬度数据集按欧式距离分为了4簇,其中高铬钢和低铬钢两簇包含了几乎所有的数据.然后我们对高铬钢和低铬钢两簇数据分别进行LASSO回归,画出LASSO路径,并利用留一法交叉验证得到具有最佳泛化预测能力的成分-硬度的解析公式.之后引入电负性、原子半径变化率、价电子数、电子亲合能和第一电离能等原子尺度的特征,重新进行LASSO回归,得到了新的硬度公式.结果显示机器学习方法可以成功预报工模具钢的硬度.同时,使用原子尺度的特征为钢铁材料的性能研究提供了新的思路.     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.     

国际能源机构预测:未来25年非煤炭能源在电力生产中比重加大

总部设在巴黎的国际能源机构公布《2004年世界能源展望》指出,到2030年,世界电力需求将翻一番,虽然非煤炭能源只能满足电力生产的一小部分,但它们的比重正在迅速增加。     

基于专利分析的煤炭清洁高效转化技术发展态势分析

实现碳达峰碳中和目标要求加快推进能源绿色低碳转型与创新发展。本文围绕煤炭清洁高效转化技术及相关能源政策,从专利分布、技术来源地、领先专利申请人等方面分析了相关专利的整体发展趋势。专利布局情况分析结果表明,我国是煤炭清洁高效转化技术领域专利的主要研发力量和目标市场国家;中国煤炭清洁高效转化技术各领域的专利技术构成揭示了我国当前的重点研究领域;结合煤炭转化利用领域近年获得国家科技进步奖的项目中具有自主知识产权的关键核心技术来深入分析专利布局情况。在此基础上,提出煤炭转化关键专利技术应向生产力转化,抓住“一带一路”机遇以提升我国现代煤化工产业国际竞争力。     

基于AODV节能路由协议的改进

在AODV路由算法的基础上,提出一种节能路由算法MEE( Maximum Energy-efficient) -AODV.该算法通过改进AODV的请求(RREQ)分组获得整个网络的平均电池剩余能量,并且综合考虑跳数和节点剩余能量,以达到节能的目的.仿真表明,该算法在节能方面效果明显,延长了网络生存时间,有效提高了网络的性能.     

基于改进遗传算法的云计算任务调度研究

针对云计算服务集群任务调度算法的效果,提出一种基于改进遗传算法的任务调度算法。该算法采用检测种群个体多样性生成初始种群,遗留优秀个体,检测个体相似度增加交叉操作的有效性等策略实现任务调度的改进。实验表明,该算法在云计算任务调度中是一种有效的算法,缩短了任务的执行时间并节约系统资源。     

基于PCA-ELM的矿井瓦斯涌出量预测

为进一步提高矿井瓦斯涌出量的预测效率和精度,将主成分分析法(PCA)和极限学习机(ELM)神经网络相结合,建立基于PCA-ELM的矿井瓦斯涌出量预测模型。运用主成分分析法对矿井瓦斯涌出量影响因素样本进行主成分提取,去除各变量之间的线性相关,得到降维后的有效因子。再将这些有效因子作为ELM神经网络的输入层进行训练和预测,借助ELM神经网络不需较多参数调整、学习速度快、泛化性能好的特点,进行快速准确的预测。利用某典型矿井的实测数据进行实例分析,PCA-ELM方法预测的最大误差为0.2589,最小误差为0.0312,平均误差为0.1370,结果表明该预测模型预测速度快、精度高,能够用于矿井瓦斯涌出量预测。     

基于K-CV&SVM的工作面煤层瓦斯含量预测

为进一步提高工作面煤层瓦斯含量预测的准确性,将交叉验证方法(K-CV)和支持向量机(SVM)相结合,建立预测模型。该模型在SVM的基础上采用交叉验证的思想,寻找最佳参数cg,最大限度地消除由于个别样本的较大误差对预测模型的影响,提高预测模型的准确性。选取告成矿工作面煤层钻孔的实测数据进行实例分析,结果表明:该模型较单一SVM预测精度高,能有效预测工作面煤层瓦斯含量。     

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。     

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.     

基于混沌-RBF神经网络的风电场风速预测

在利用风速时间序列具有混沌特性的前提下,将相空间重构和RBF神经网络结合的混合算法用于风电场风速预测。通过实例仿真计算对比表明,该混沌-RBF神经网络的混合算法可以进一步提高预测准确度。     

基于ARIMA-RBF算法的月度降雨量预测研究

为了对月度降雨量进行科学预测,将ARIMA模型与RBF神经网络相结合,提出一种基于ARIMA-RBF耦合算法的月度降雨量预测模型。首先,利用ARIMA模型对月度降雨量线性部分进行拟合预测,计算ARIMA模型预测的残差;然后,利用RBF神经网络对ARIMA模型残差进行拟合预测;最后,利用RBF神经网络预测结果对ARIMA模型进行补偿修正,得到最终降雨量预测结果。将该方法用于重庆市沙坪坝月度降雨量实际预测中,预测结果精度高于单一ARIMA模型以及RBF神经网络,能够满足实际预测需求。结果表明:将线性拟合算法和非线性拟合算法结合起来用于月度降雨量预测是一种较为优越的算法。     

基于聚类技术的股票价格趋势预测

利用聚类算法预测股票的价格趋势,通过聚类技术先将某些具备相似特征的上市公司提取出来,这些公司的股票趋势往往具有相饭性,此时再对这些提取出的上市公司财务报表进行具体分析,从而达到准确预测该上市公司股票趋势的目的。通过测试结果得出此方法在股票的预测中具有一定的应用前景。     

基于预测-矫正技术的超临界流体强迫对流传热能力预测方法

拟临界区剧烈变物性导致超临界流体强迫对流传热特性规律复杂.已有超临界流体传热关联式的预测能力和应用范围难以同时改善.借鉴亚临界两(多)相流分流型预测传热能力的思路,本文尝试提出了基于预测-矫正技术的超临界流体传热能力预测方法.该方法的基础包括可合理表征浮升力效应和流动加速效应强度的无量纲数Bu和Ac,以及一套完善的超临界流体对流传热关联.通过超临界二氧化碳强迫对流传热实验研究,获得了传热数据库(3696组数据),建立了一套(10个)超临界二氧化碳强迫对流传热关联式,并对新建立的传热关联式和新提出的预测-矫正预测方法进行了评价.结果表明预测-矫正计算方法可大幅提高加热段壁面温度预测精度,并有效纠正单一传热关联式预测时出现的粗大偏差.     

世纪之交的中国煤炭气化技术

为减轻大气污染,提高煤炭利用效率,并结合引进技术的工业实践,逐步开发出了具有中国特色的煤气化技术,但也走了不少弯路。我国对煤炭地下气化技术的研究取得了很大进展。在“十五”规划中,各方都强调要推进煤炭气化技术的开发和应用。     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。