库布其沙地黑线仓鼠种群数量动态的研究

１９９１～１９９６年４～１０月,每月中旬在中国农科院草原研究所鄂尔多斯高原沙地草场改主试验站不同生境类型上进行啮齿类调查,并捕获黑线仓鼠９８９只,占总捕获数的１３．１４％,利用ＰＣＡ分析,季节性指标,移动平均等方法对其数据动态的定量分析表明,季节动态呈单峰型,季节性比较明显,年间动态亦成明显的上升趋势,并对造成加如此种群数量动态的影响因素作了初步分析,在数量动态分析的基础上升提出了一个用当年４,５     

神经网络在橡胶硫化温度预测中的应用

本文针对难以通过在线测温实现等效硫化控制的情况,在确定硫化条件的直接测温实验基础上,提出了用神经网络模型预测实际生产过程中硫化制品内部温度的方法．在该方法中将所测温度值作为样本提供给神经网络学习,温度采集时刻及易测外部温度作为网络输入,输出值则是在硫化时制品难测温点处不同时刻的内温．神经网络通过学习取得了良好的效果,网络输出的温度值将成为等效硫化计算和硫化质量智能控制的有价值的依据．     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的     

小麦流态化干燥实验关联式及在热泵流化床谷物干燥中的应用

基于流化床干燥理论,采用热风循环充分的电热烘箱作为干燥器,对小麦进行了一系列的薄层干燥实验研究,模拟小麦流态化干燥过程,总结出适用于流化床小麦干燥时间预测的经验回归公式.开发了热泵流化床谷物干燥实验系统,并将小麦干燥的经验回归公式应用于此实验台的干燥实验过程.结果表明,小麦干燥经验回归式可用于预测小麦在流态化条件下的干燥时间,所开发的热泵流化床谷物干燥装置经济性合理,有市场应用前景.     

关于河道一维非恒定流水温预测模型的研究

作者在全面地分析影响河道水温变化各种因素的基础上，根据大渡河流域实测资料所推荐的有关计算纵向离散系数的经验公式．确定了一种适宜于河道一维非恒定流水温的预测模型．作者运用此模型预测了水库下泄低温水、火电厂温排水对下游水环境的影响及其应用价值，其结果可为制定水库生态用水调度方案和流域开发的环境影响评价提供科学依据．     

公路客运量预测方法的比较

科学准确地预测公路客运量,超前掌握公路客运量发展的趋势、特点、规律和数量,是制定公路客运发展和站场配置规划的基础。运用灰色模型、指数平滑模型、回归分析法、弹性系数法等多种预测模型对某城市2003~2015年公路客运量进行了分析预测,通过残差分析和绝对百分误差(MAPE)进行择优,提高了预测精确度。最后采用组合预测确定终值并进行了分析比较。结果表明,组合预测综合考虑了各种因素的影响,能够提高公路客运量预测精度,为公路客运发展提供科学决策依据。     

一种改进的遗传优化算法在网络故障预测中的应用

模糊逻辑控制器(FLC)模型简明，易于利用专家知识，适应能力强．适用于多输入、具有不确定因素、非线性系统的控制。随着系统复杂度的提高，直观经验获取难度变得越来越大．既难表述，又难使用。本文针对网络系统中故障的预测和诊断问题，将遗传算法与前馈网络结合，提出了一种基于BP的遗传优化改进型算法(RGA—BP)，并与经典BP算法结果作了比较，迭代步骤很明显的减少，精度明显提高。     

N阶线性跟踪-微分器及其在电力系统相角预测中的应用

证明了一种N阶线性跟踪一微分器的收敛性。由于该线性跟踪一微分器的结构参数和跟踪性能对噪声和对象有一定的敏感度和依赖性，采用自适应遗传算法对三阶线性跟踪一微分器的结构参数进行了优化，以期获得较好的参数匹配，提高跟踪预测的精度和速度。将优化后的三阶线性跟踪一微分器用于电力系统参考相角预测研究中，仿真结果证明，优化后的三阶线性跟踪一微分器具有较好的跟踪性能和预测精度，满足电力系统相角预测的要求。     

利用“球壳失稳”理论确定煤与瓦斯突出瓦斯压力临界值

通过实验分析得出了马家沟矿9—12、12煤层初始释放瓦斯膨胀能与瓦斯压力的线性关系，从而确定了马家沟矿深部水平9—12、12煤层煤与瓦斯突出瓦斯压力临界值，为深部水平煤与瓦斯突出预测提供了依据。     

基于反馈加权组合的电力市场下中长期负荷预测方法

本文简单分析了几种常用的中长期负荷预测方法存在的缺点,针对电力市场环境下对负荷预测精度的高要求,提出了一套精度较高且实用的中长期负荷预测的方法.应用该方法对广西某地方电网进行负荷预测,计算结果表明,该方法的预测结果误差小,在实际预测领域有较高的实用价值.