基于多元线性回归的装备维修器材消耗量预测

针对装备维修器材消耗量的几种主要影响因素,采用实际统计样本数据,构建了装备维修器材消耗量的多元线性回归预测模型.在结合算例分析的基础上,运用多元线性回归方法对装备维修器材消耗量进行了预测并检验.该研究成果为装备维修器材消耗量的预测提供了一种贴近实际的科学合理方法.     

钢铁企业高炉煤气供需预测模型及应用

以钢铁企业高炉煤气系统为研究对象,采用灰色关联度分析了高炉煤气产生量、消耗量的影响因素与煤气量的关系.基于人工神经网络预测方法,建立了高炉煤气BP神经网络预测模型,对钢铁企业各生产工序中高炉煤气的产生与消耗量进行预测,探讨了企业在正常生产、事故检修等工况下各工序的煤气产生量和消耗量预测的合理性.研究表明:所建立的预测模型精度高、误差小,能有效解决实际生产中高炉煤气的供需预测问题,从而减少高炉煤气放散,为企业制定合理煤气使用计划提供了理论依据.     

基于Vensim仿真的城市机动车耗油量预测方法研究

正确预测城市机动车耗油量,对科学评估城市交通环境污染及制定相关政策都具有重要意义。本文基于系统动力学的原理和方法,构造了城市机动车耗油量的因果关系图和系统流图,并将影响燃油消耗量的内、外部因素一并考虑加以量化,提出了消耗量预测模型。最后运用Vensim仿真软件,对北京市小汽车燃油消耗总量进行了实例分析,验证了模型的正确性。     

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

信息化战争条件下航空兵部队电子对抗指挥体系的构建

为打赢未来信息化战争,航空兵部队亟需构建一个稳定、高效、统一的电子对抗指挥体系。本文介绍了信息化战争对电子对抗指挥活动的要求,分析了当前航空兵部队电子对抗指挥体系存在的问题,并查找原因,提出了改进意见,最后提出了重新构建的航空兵电子对抗指挥体系模型。     

改进灰色关联熵结合BP网络铁水脱硫率预测模型

提出改进灰色关联熵结合神经网络的铁水脱硫率预测模型,用以降低脱硫成本,提高脱硫效率.将灰色关联与改进熵权法结合,优化输入,选取铁水进站质量、进站温度、温降、喷吹时间、石灰消耗量、镁消耗量与进站硫量作为神经网络的输入量,构建预测模型,并与其他模型的预测结果进行了对比分析.结果表明,改进灰色关联熵结合神经网络模型的预测精度更高,与单一BP神经网络、深度神经网络、随机森林模型相比,平均误差分别降低了4.20％、3.83％、4.65％.     

关于几种经济预测模型的应用研究

在社会经济的各个领域,大量的决策问题离不开对变量未来值的预测或对不易观测变量的预测。而在进行预测的过程中,最重要的是预测模型的选择。本文着重研究了经济预测中常用的线性回归模型、灰色预测模型和RBF神经网络模型,并且引入组合预测模型对这三种单项预测模型进行优化。通过对天津港货物吞吐量预测的实例分析,检验了这些方模型的可行性和可靠性,为决策者制定相应的战略规划提供了科学的参考依据。     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

预测模型可靠性的模糊数学评价方法

预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。     

基于支持向量机的飞机备件消耗预测研究

针对影响飞机备件消耗的诸多因子难于在模型中体现的问题,采用支持向量机回归模型,应用于备件的消耗预测。该方法将影响备件消耗的主要因子作为支持向量机预测模型的输入因子,对应的备件消耗量作为输出因子,训练模型,然后输入测试样本进行预测。预测结果表明,相比于GM(1,1)模型和神经网络(ANN)模型,该模型具有较高的预测精度和动态适应性,可为相应的备件保障部门提供科学的决策依据。     

基于邻域粗糙集和灰狼算法优化Elman的民航发动机滑油量预测

实时预测民航发动机滑油量对保障飞行安全具有重要意义.针对滑油量受发动机多个工作状态的多个参数影响,具有影响参数多,提取方法不确定等问题,提出了一种基于邻域粗糙集(neighborhood rough set,NRS)和灰狼优化(grey wolf op-timizer,GWO)-Elman相结合的方法预测滑油量.首先通过邻域粗糙集提取对滑油量重要度高的发动机工作阶段,将提取后的工作阶段有关参数作为特征向量输入到灰狼优化-Elman的网络模型中,灰狼算法通过计算和比较个体的适应度来优化El-man网络中的权值和阈值,保证Elman网络中的权值和阈值达到全局最优.预测结果表明,精度达到98.44％,满足工程应用的精度要求.研究结果为及时监测民航发动机滑油系统的健康状况提供理论依据.     

考虑误差不确定的航空制导弹药使用消耗预测方法

针对航空制导弹药的使用消耗预测问题,分别建立了航空制导弹药使用消耗点预测和区间预测模型。根据航空制导弹药使用消耗数据小样本、非线性和随机性强等特点,采用支持向量回归模型来对航空制导弹药使用消耗数据进行点预测,并通过粒子群优化算法寻找最优参数;结合点预测误差数据,通过核密度估计法开展误差不确定性分析,确定误差概率密度曲线,并在核密度估计的基础上采用最高密度域确定给定置信度下的最佳置信区间。结果表明,该方法对于航空制导弹药使用消耗数据而言能提供更为精确的预测结果和不确定性置信区间,为航空制导弹药的后续使用安排提供参考依据。     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

工业电阻炉多参数能耗建模与预测

电阻炉温度变化存在非线性、大延迟的特点,建立精确的能耗数学模型比较困难.为解决理论建模复杂且不具备实时性的问题,提出了一种基于数据驱动的电阻炉多参数能耗预测方法.首先,通过分析电阻炉工作阶段的能耗特性,建立了电阻炉理论能耗预测模型;然后,利用粒子群优化算法对支持向量回归的超参数进行寻优,建立了基于支持向量回归的多参数能耗预测模型;最后,对比了支持向量回归、高斯过程回归、自适应模糊神经推理系统模型在单参数及多参数条件下的能耗预测结果.实验结果表明,基于粒子群优化下的支持向量回归多参数能耗预测方法具有更好的预测效果.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

基于预测误差的用水预测模型选择方法研究

时间序列法是用水量预测的常用方法,其中预测模型的选择是提高预测精度的关键.针对目前以拟合精度作为模型选择标准的方法,提出了以预测值的置信区间最小为标准选择预测模型的方法.以山西省运城市工业用水量资料为例,分析给出了幂函数、S函数、直线、指数函数、二次和三次抛物线等6个模型95%置信水平下5年和10年两种预测期的预测区间,均以幂函数预测精度最高;对该系列近5年的用水量进行了预测,预测误差也以幂函数最小.表明以预测区间最小选择用水预测模型的方法是合理的、可靠的.     

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析，提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度，并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析；对8个参数进行筛选，最终选4个参数作为模型变量，包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型，BPT-MLR模型的预测性能最优，其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

应用改进的灰色模型预测民航管制员数量

建立了灰色预测模型,进而运用马尔可夫链理论对灰色预测模型进行了改进。针对我国近年来民航管制员的数量变化,分别应用两种模型进行了预测。结果表明,通过马尔可夫链理论修正的预测模型,预测精度得到了较大的改善,结果更为准确,预测结果能为民航各级人事决策者提供依据。     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

基于自组织方法的成都市居民生活用水量的预测和分析

基于成都市1981－1996年间居民生活用水量及相关因素的实际数据，采用自组织方法对居民生活用水量进行了分析，然后，运用不同的预测方法进行了比较。经实际样本检验表明：自组织方法具有较强的建模能力和较好的预测效果。最后，采用自组织方法预测了成都市2001－2005年的居民生活用水量。