基于多元回归分析的煤的吸附瓦斯含量影响因素研究

结合朗缪尔方程,采用多元线性回归分析法,分析了影响贵州某煤矿煤的吸附瓦斯含量的主要因素。结果表明:在煤的吸附系数、煤层瓦斯压力、煤的灰分、水分、孔隙率、密度等因素中煤层瓦斯压力和煤的吸附瓦斯含量关系最密切,呈正相关关系。     

矿井未开采区瓦斯涌出量的预测

本文结合实测工程数据，利用数值分析的方法对矿井未开采区的瓦斯做出预测，为有效管理矿井瓦斯涌出提供了依据。     

矿井未开采区瓦斯涌出量的预测

本文结合实测工程数据,利用数值分析的方法对矿井未开采区的瓦斯做出预测,为有效管理矿井瓦斯涌出提供了依据。     

邢台显德汪煤矿瓦斯地质分析及瓦斯预测

分析了矿井瓦斯赋存规律，研究了瓦斯涌出特点，采用瓦斯涌出量与瓦斯含量比值法及瓦斯地质相关因素分析法，对矿井瓦斯涌出量进行了预测，为矿井深部的开采和灾害防治提供了科学依据。     

煤矿瓦斯和煤尘的控制研究

利用规划模型来寻求最佳通风量进而对矿井中各处的瓦斯与煤尘浓度进行有效的控制.依据《煤矿安全规程》及煤尘,瓦斯爆炸的特点及相互影响的关系,得出煤矿的爆炸危险可能性.最后利用线性回归的知识,拟和风速与瓦斯煤尘浓度之间的关系,从而把矿井中各个不同部位处的瓦斯浓度与煤尘浓度表示成风量的函数,又通过安全生产对瓦斯浓度和煤尘浓度的限制,找到对风量的约束,构造出线性规划模型,得到最佳的通风量及最优化的控制方法.     

基于Elman组合预测模型的瓦斯涌出量预测

为提高矿井瓦斯涌出量的预测精度,基于Elman回归神经网络原理,以指数型线性回归、双曲线型线性回归及灰色预测三种方法得到的瓦斯涌出量预测值为样本数据,建立Elman组合预测模型,并利用MATLAB软件进行预测。结果表明,Elman组合预测结果的拟合曲线更接近实际情况。该模型有效提高了瓦期涌出量的预测精度,为煤矿安全生产提供了理论支持。     

采煤工作面瓦斯涌出量预测逐步回归方法

在综合分析矿井瓦斯涌出量影响因素基础上,探讨了采煤工作面瓦斯涌出量与影响因素之间的关系,利用逐步回归分析方法建立了瓦斯涌出量预测数学模型,并将模型应用于平煤天安十矿己组煤层24110采面瓦斯涌出量预测. 结果证明,该数学模型对采煤工作面瓦斯涌出量预测比较准确.     

玉华矿矿井瓦斯涌出量预测计算

根据玉华矿矿井瓦斯涌出量预测计算情况,指出本矿井必须建立瓦斯抽放系统,以降低矿井生产中的瓦斯涌出量,加强通风管理,确保矿井安全正常地生产。     

矿井延深水平相对瓦斯涌出量的组合预测

根据组合预测的基本原理，建立了矿井延深水平相对瓦斯涌出量的组合预测数学模型。实例分析表明：组合预测提高了预测精度，是一种切实可行的预测方法。     

多元回归分析在煤自燃预测中的应用

通过对不同煤样中决定自燃的成分进行工业分析,以及实验测得的自然发火期,运用多元回归分析的数学模型,建立了最短自然发火期预测回归方程,并对方程及其系数的显著性作了检验,进行了残差分析.通过此数学模型能直观的反映煤层自燃性与煤的灰分、挥发分、硫分和氧含量对煤层自燃发火期的影响关系,可定性用于煤自然发火期的预测.     

基于二元回归法准确快速预测天然气纯组分黏度

为了准确快速预测天然气纯组分的黏度,基于多元函数微积分计算原理,提出了一种新的天然气纯组分黏度的二元回归分析方法,将黏度拟合为温度和压力表示的函数μ=f（T,p）。在所研究的温度、压力范围内（230 K≤T≤450 K,p≤20 MPa）,根据定温下黏度的μ-p曲线簇变化规律,以纯组分的临界温度T_c的范围为基准,将天然气各组分分为3类：T_c≤230 K,T_c≥450 K和230 K < T_c < 450 K,并针对前两类组分,分别以CH₄、iC₅H₁₂为例,对其黏度数据进行回归分析,得到黏度与温度、压力的函数关系式。将回归分析预测结果分别与数据源reference fluid properties（REFPROP）软件及实验数据对比,结果表明：预测结果与REFPROP及实验数据的平均相对误差均小于1%,满足工程精度要求。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。     

单变量的频分多曲线回归分析方法

回归分析中,如果自变量仅有一个,则只能进行单变量回归分析,拟合一条曲线.虽然该曲线能够反应数据发展的总体趋势,但是却不能体现数据在总体趋势周围的波动性,导致依据该拟合曲线的预测值是一种理想取值,偏差较大.针对此问题,本文提出分频曲线拟合的方法.按照数据所处的层次多次拟合,形成拟合曲线簇,在此拟合曲线簇的基础上,构造了多元回归分析算法,实现了单变量的多元回归算法.实验结果表明,本文的分析算法比传统的单变量回归分析和最小二乘曲线拟合有更好的预测精度,且能够更好的反应数据的波动性发展趋势.     

基于互信息的主成分分析结合支持向量回归的滚动轴承剩余寿命预测研究

滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。为了智能开展设备维护工作,提高设备的运转效率,提出一种基于互信息（mutual information,MI）的主成分分析（principal component analysis,PCA）（MI-PCA）结合支持向量回归（support vector regression,SVR）的滚动轴承剩余寿命预测方法。首先利用小波包降噪算法剔除原始振动信号中的异常数据点和噪声,并基于降噪数据提取其时域、频域和时频域特征;然后结合特征与剩余寿命的互信息值进行特征筛选,再通过PCA降维算法获得可表征轴承退化状态的敏感特征,用于SVR的输入;最后构建并训练SVR剩余寿命预测模型,并将其应用于滚动轴承全寿命试验数据。试验结果表明与基于MI和基于PCA的SVR回归预测模型（MI-SVR模型、PCA-SVR模型）相比,基于MI-PCA的SVR模型具有更高的预测精度（预测精度可达97%）,能够实现滚动轴承剩余寿命的精准预测,为开展及时有效的设备维护工作提供了决策依据。     

基于小波的回归分析

在变形回归分析处理前消除或减弱误差的影响,可以有效地改善回归分析的质量.通过一元回归试验对比可以看出,经过小波消噪以后,线性关系之外因素引起的数据波动性减小,拟合的效果得到了改善,线性关系显著增强.     

基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,本文以山西省1993-2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数(c,g)进行寻优,构建PCA-FOA-SVR模型;对试验结果进行验证,发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数(coefficient of determination,R2)分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对本文的后续研究提供了一定的帮助。     

基于多元回归分析的中国城镇失业率问题研究

从宏观经济层面分析影响我国城镇失业率的相关因素，采用全序列法对所采集的原始数据进行无量纲化处理。分别应用1978-2009和1990-2007年数据得出多元回归分析只适合对失业率的短期预测。最后根据预测模型得出结论扩大出口，减少进口有利于减少我国城镇登记失业率，多元回归预测只适合对城镇失业率进行短期预测。     

基于支持向量机回归的港口吞吐量非线性组合预测

提出了一种基于支持向量机回归算法的港口吞吐量非线性组合建模预测方法,并运用该方法进行了港口吞吐量预测,同时将该预测结果与其他方法的预测结果进行了比较．结果表明,该方法具有很强的学习及泛化能力,在处理具有一定程度的不确定性的非线性系统的组合建模预测问题时具有很好的应用价值．     

基于多元回归数学分析模型某区域内斜坡稳定性研究

基于多元回归数学分析模型对某县城区域内30个滑坡的稳定性进行分析,得出影响斜坡稳定性的最主要因素和该区域的多元回归数学分析模型。此方法对该县城区域斜坡的研究结果表明,得出的回归方程回归效果显著。多元回归分析方法可以用于斜坡稳定性的初步分级,并且方法简单、灵活、成本低,是规划阶段斜坡稳定性评价的有效方法之一。