改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

基于Moldflow的电池盒工艺参数优化及注塑成型研究

以电池盒的注塑成型模具设计为例,利用Moldflow对电池盒的浇口位置进行有限元分析,确定出最佳浇口位置及浇口数目。电池盒的翘曲变形主要受到熔体温度、模具温度、注射时间、保压时间、冷却时间5个工艺参数的影响。利用Moldflow软件对电池盒进行翘曲分析,采用正交实验方法对这5个工艺参数进行组合分析,得出影响翘曲变形的主要因素是保压时间,并得到最佳成型工艺参数组合。通过注塑成型实验验证了Moldflow模拟分析结果的可靠性。     

基于组合模型的电主轴热误差预测

针对数控机床电主轴复杂的热变形机理,建立了基于径向基函数神经网络的组合预测模型预测其变化趋势.根据测量的电主轴热变形数据,分别采用自回归分析模型、灰色系统模型和智能组合预测模型对主轴热误差进行了预测.结果表明:电主轴热误差组合预测模型的预测准确性优于各单项模型,相对预测精度高出较高单项预测模型3％.     

利用SVM-LSTM-DBN的短期光伏发电预测方法

为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.     

平板类塑件翘曲变形数值模拟与实验分析

运用Moldflow分析软件,选取模具温度、熔体温度、保压压力与保压时间四因素三水平安排正交实验,模拟平板类塑件的翘曲变形.以模拟为基础,在注塑机上进行实际注塑成型,扫描获取塑件三维数据,并用Imageware软件提取平板类塑件长边与短边的点云,计算宽度与长度方向的翘曲变形量.结果表明:翘曲变形模拟分析与实际注塑成型误差为-0.083 1~0.094 9 mm;保压压力、熔体温度、保压时间与模具温度对翘曲变形模拟分析的影响依次减小.     

基于理想点多属性决策算法的中长期电力负荷组合预测

对组合预测方法进行了拓展,将理想点多属性决策算法引入中长期电力负荷预测中,建立理想点组合预测模型,进行中长期电力负荷预测。所建模型中以各单一预测模型的最大误差绝对值、最小误差绝对值、平均绝对百分误差和均方根差4个评价指标的倒数为属性集,以各单一预测模型种类为方案集。计算各模型与正理想点间的偏差,根据正理想点间偏差确定各单一预测模型的权重。通过对某地区全社会用电量进行预测,并与单一预测模型进行误差比较,验证了组合模型的有效性和实用价值。     

基于Matlab的回归分析在注塑翘曲预测中的应用

以汽车外饰件观后镜注塑件成形质量中的翘曲量为优化目标,对注射温度、模具温度、注射时间、保压时间、冷却时间等影响翘曲量的工艺参数,以数值模拟得到的数据为实验数据,通过回归分析,建立预测注塑产品翘曲量的数学模型,并比较其预测精度从而得到有效的预测模型,最后达到对注塑工艺条件进行优化的目的.     

基于最小二乘支持向量机的风速组合预测模型

探讨了基于最小二乘支持向量机的组合预测模型在风速短期预测中的可行性.该模型以BP神经网络、RBF神经网络、粒子群BP神经网络3种预测模型的风速预测值作为组合预测模型的输入,实际风速值为输出,利用最小二乘支持向量机回归算法构造风速间的非线性关系,以实现风速多步预测.将该模型的预测性能与BP神经网络组合预测模型、线性组合预测模型进行比较,通过平均绝对误差、误差平方和、平均相对误差3个指标进行评价.结果表明,最小二乘支持向量机预测模型的平均相对误差低于6%,其他误差指标也明显低于其他预测模型.因此,最小二乘支持向量机组合预测模型预测精度不仅高于任一单项预测模型预测精度,而且高于传统的线性组合预测模型与一般BP神经网络组合预测模型.验证了该模型在风速预测中的可行性.     

基于ARIMA-KF模型的船舶系统设备状态参数预测

针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(Auto-Regressive Integrated Moving-Average Model,ARIMA)和卡尔曼滤波(Kalman-filter,KF)相结合的船舶系统设备状态参数组合预测模型—ARIMA-KF模型。该模型首先构建了自回归积分滑动平均(ARIMA)单步和多步预测模型;然后利用卡尔曼滤波(KF)算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

注塑工艺参数优化的数值模拟分析

采用数值模拟和正交试验相结合的方法,对注塑成型过程进行模拟分析,得到工艺参数对制品翘曲值的影响次序和最佳工艺参数组合.结果表明:各工艺参数对翘曲值的影响依次为保压压力、熔体温度、模具温度、注射时间、保压时间、冷却时间,且保压压力和熔体温度对制品翘曲值的影响较为明显;最佳工艺参数组合是模具温度为75℃、熔体温度为260℃、注射时间为1.3s、保压时间为10s、保压压力为48MPa和冷却时间为2s.将得到的最佳工艺参数组合输入Moldflow中进行模拟,得到的翘曲值为0.089 3.该翘曲值比正交试验中任何一组翘曲值都小,验证了通过极差分析得到的最佳工艺参数组合的有效性.     

神经网络组合模型在大坝位移预测中的应用

为了提高大坝位移量预测的精度,引入了粒子群优化神经网络的组合预测方法。该组合预测方法以灰色GM(1,1)、回归分析法的预测值及预测结果的平均值作为输入,实际的大坝位移量作为输出,来进行非线性组合。实例表明,粒子群优化神经网络组合预测法的均方误差为1.1946,平均绝对误差为0.7814,均小于单一模型及等权平均模型的相应值,适用于大坝位移量的预测。     

基于优化支持向量机及极限学习机的滑坡变形趋势研究

受地质环境及多种诱发因素的影响,滑坡变形包含了多层次的信息,通过单一预测模型难以准确、有效地判断滑坡变形趋势.因此,建立多方法集合的系统模型十分必要.首先,利用小波去噪对滑坡变形序列进行去噪处理,将滑坡变形分解为趋势项和误差项,采用PSO-SVM模型对滑坡变形的趋势项进行预测,利用ELM神经网络进行误差修正,两者结果叠加即得到滑坡的变形预测值;其次,利用秩相关系数检验对滑坡的变形趋势进行判断,以验证前法预测结果的准确性,并探讨该方法在滑坡变形趋势判断中的适用性.经实例检验,得出:该预测模型的预测值与实测值基本相符,且较单一预测模型具有更高的预测精度;同时,秩相关系数检验的结果与预测结果相符,验证了变形预测结果的准确性及该方法在滑坡变形趋势判断中的适用性.     

基于预测模型的基本养老保险问题分析

针对单一预测模型误差大的问题,在介绍灰色GM(1,1)模型、二次指数平滑预测及Logistic曲线方程3种预测方法的基础上,引用最优加权组合建模理论,以均方误差平方和为最小目标函数确定权重系数,建立组合预测模型。通过对徐州市2004—2010年基本养老保险基金的分析,表明组合预测模型平均精确度非常高,是可靠和具有实用价值的。最后运用所建预测模型,对2011—2020年徐州市基本养老保险情况进行了科学分析预测。     

注塑制品翘曲变形有限元数值模拟的误差分析

从数值分析理论、力学理论和注塑成型CAE模拟的积累误差三个方面 ,系统地分析注塑制品翘曲变形有限元数值模拟中产生误差的主要原因 ,以求找到有效的改进方法和更深入研究的可行性方向 ,从而能提高模拟结果的可靠性 .     

基于熵权组合模型的风电功率预测

利用灰色预测法、人工神经网络法、ARMA时间序列法3种不同的预测模型对某风电场的风电功率进行了预测研究。计算结果表明,利用单一预测模型进行预测的精度有待提高。提出建立组合预测模型对风电功率进行预测,为了充分利用单一预测方法的优势,引入熵值理论。利用熵值法确定组合预测模型中的权重,进而建立熵权组合预测模型。模拟结果表明,熵权组合预测模型可以有效地提高风电功率的预测精度。     

注塑制品翘曲变形有限元数值模拟的误差分析

从数值分析理论、力学理论和注塑成型ＣＡＥ模拟的积累误差三个方面，系统地分析注塑制品翘曲变形有限元数值模拟中产生误差的主要原因，以求找到有效的改进方法和更深入研究的可行性方向，从而能提高模拟结果的可靠性。     

福建省公路货运量组合预测研究

公路运输量的预测对公路系统的规划建设,公路系统的合理利用,具有重要的意义。本文在灰色预测、指数增长曲线、抛物线型曲线三种单一预测模型的基础上,利用基于误差绝对值和最小的线性组合预测模型对福建省公路货运量进行预测。预测结果表明,组合预测比单一预测模型具有更高的预测精度,说明该组合预测模型对福建省公路货运量的预测是可行的。     

基于Moldflow的绘图板注射成形优化设计

绘图板的注塑件在注塑过程中易产生翘曲变形.为此,基于Moldflow注塑模拟分析软件和正交试验方法,对不同工艺条件下的注塑过程进行了模拟分析,并运用隶属函数对分析所得的翘曲变形量进行评判.通过采用极差法分析出各因素对该塑件翘曲变形的影响程度和趋势,同时绘制因素水平影响趋势图,分析得到一组最佳的工艺参数组合方案,经过模拟验证后最终可指导绘图板注塑成形,生产出理想的绘图板产品.     

地方税收收入预测的数学模型——以贵州省为例

建立地方税收收入的3个单一模型,针对单一模型中存在的模型误差,将组合预测的方法引入地方税收收入预测中,构建基于Cubic模型和ARIMA模型的非负组合预测模型.利用地方税收收入数据进行实证研究表明,组合预测模型的误差优于相应的单一预测模型.