DGPVT软件包的开发及应用

介绍了针对油藏流体及其注气体系的相态及物性的预测而开发的DGPVT软件包功能、模型及特点。基于实验数据对DGPVT软件包的预测准确性进行了检验,并与石油界知名的商用油气相态及物性计算软件包STATPACK进行了比较。     

数控铣床加工过程虚拟仿真系统软件包简介

概括介绍了数控铣床加工过程虚拟仿真系统软件包,建立这些内容进行阐述可以模拟真实零件的加工过程,可以检验各种数控指令是否正确。     

多变量约束控制及其在大型催化裂化装置中的应用

介绍多变量约束控制软件包的整体框架和主要功能,并阐述了ＭＣＣ的控制和优化策略。完整的ＭＣＣ软件包除核心组件－多变量约束预测控制组件外,还包含了模型辨识和数据校正、非线性预测控制,软测量,动态仿真、Ｉ／Ｏ接口、组态、共享数据库驱动,工艺过程动态监控,用户应用程序接口以及历史数据处理等组件。ＭＣＣ技术已成功地应用于一大型催化裂化装置,取得了显著的经济和社会效益。     

探讨中长期水文预报方法

介绍了水文预报的主要方法和基本途径,这种介绍了历史演变法的基本操作步骤,在目前长期预报没有成熟的方法的前提下,只能采取多种方法进行预测。然后根据各种方法的优缺点及预测的依据进行综合分析,合理取值。     

Kalman滤波理论在短时交通预测上的应用

介绍了基于Kalman滤波理论的短时段交通量预测模型,并利用京沪高公路和南京禄口机场高速公路所采集的数据进行了仿真预测.预测结果表明Kalman滤波预测方法对各种状态交通流有较好的适应性,具有较高的预测精度.     

煤层甲烷含气量预测的研究现状

本文就目前国内外对煤层甲烷含气量的预测研究进行了分析总结，并对各种预测方法的适用条件作了进一步的介绍。     

电力负荷预测方法

简要介绍了电力负荷预测技术的发展情况,具体介绍了电力负荷预测的几种常用方法,并详细分析了各种负荷预测方法的优点和缺点。     

模糊控制算法在炉窑温控系统中的应用研究

介绍了时变参数井式电阻炉温度控制的模糊算法及其实现方法，利用Ｍａｔｌａｂ软件包对其进行了大量仿真测试并对测试结果进行了讨论。     

爆矿瓦斯涌出预测方法研究

介绍了国内外有关瓦斯涌出预测方法的研究现状,通过对各种瓦斯涌出预测方法的评价,探讨了瓦斯涌出预测研究的发展趋势。     

浅谈电工实习预测提高实习教学质量

阐述了对实习教学过程中可能发生的各种情况进行预测的问题,并介绍了防范和解决实习教学中可能出现的一些情况的基本方法。     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。     

基于RBF神经网络和专家系统的短期负荷预测方法

深入研究了天气和特殊事件对电力负荷的影响,建立了结合径向基（RBF）神经网络和专家系统来进行短期负荷预测的模型。利用RBF神经网络的非线性逼近能力预测出日负荷曲线,然后利用专家系统根据天气因素或特殊事件对负荷曲线进行修正,使其在天气突变等情况下也能达到较高的预测精度。利用该模型编制的实用化软件在西北电网的多个电力局投入实际应用,结果表明：该方法用BP神经网络相比,具有较高的预测精度,同时具有较强的实用性。     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

基于神经元网络的短期电力负荷预测

基于多层感知器可任意精度逼近线性或非线性函数的基本原理，提出一种考虑气候影响因素的多层前馈神经网络的短期负荷预测方法，并给出相应的反向传播算法（BP）的构造过程和训练方法，研究结果表明，基于神经元网络的短期电力负荷预测方法具有精度高的特点，负荷预测结果的相对误差小于3．67％。     

基于趋势组合的知期电力负荷预测模型

在运用神经网络进行短期电力负荷预测中，天气是影响负荷的重要因素。为了更好地捕捉天气对负荷的影响，文中提出了一种基于神经网络的趋势组合短期负荷预测思想和模型，将短期负荷与天气变量的内在关系分解为3个不同的趋势分量，即周趋势分量、日趋势分量和小时趋势分量，每一个趋势分量分别用一个神经网络模型捕获，趋势分量的预测结果再用一个神经网络模型进行组合，从而得到最终的预测值，分别用改进的和传统的模型预测一周的小时负荷，结果表明，这种神经网络模型能取得更好的预测精度。     

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARC...     

基于人工智能的短期负荷预报

讨论了人工神经网络、模糊专家系统的原理;在分析负荷预报和贵州电网负荷变化特点基础上,提出了一种适用于负荷需求量增长很快的电网的短期负荷预报模型。     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本文针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络（ＡＮＮ）的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。进一步对ＢＰ模型的隐合层数和隐合节点数的选取进行定性的分析，同时探讨学习因子和动量项对学习收敛的影响分析，预测方法及结果得到肯定。     

城市供水负荷短期预测方法

结合城市用水量的影响因素及特点，分析了城市用水量的变化规律，探讨了水量预测时间序列分析方法；根据城市供水运行调度对用水量预测的实际要求，采用时间序列三角函数分析法建立了管网用水量的短期负荷预测模型。实例考核证明，该模型有效可行。