基于生产间歇改进Elman的转炉煤气发生量预测

针对钢铁企业转炉煤气发生量间歇时长波动大,预测精度低的问题,基于生产间歇特征分类,提出基于混沌映射粒子群算法（CPSO）优化Elman神经网络的转炉煤气发生量预测模型（CPSO-Elman）。提取转炉煤气发生量时间序列中生产间歇特征,并根据间歇时长进行分类;引入经混沌扰动改进的PSO算法优化ENN的初始权值和阈值,利用非线性更新的惯性权重以平衡全局搜索与局部搜索能力,并在粒子初始化中添加了混沌映射;构建CPSO-Elman转炉煤气发生量组合预测模型;在预测未来时间内间歇时长基础上,预测转炉煤气发生量。仿真结果表明：所提方法在预测精度上比未经过优化而预测的方法提高了5%左右。     

双层套管射孔产能预测模型数值模拟研究

基于双层套管射孔后形貌的量化表征指标,在考虑多因素的情况下建立“多孔介质渗流+射孔孔眼内自由流”的耦合产能模型,并应用ANSYS数值模拟软件进行建模求解;设计多组数值模拟实验,在数模结果基础上利用最小二乘法对正交实验数据进行多元二次非线性回归,建立了各参数与双层套管射孔完井产能比之间的定量求解模型;用射孔末端缩小比来表征双层套管射孔内外层套管孔径变化对产能的影响,对经典油气井产能预测模型进行修正完善,建立了双层套管射孔产能预测的理论模型,进而通过分析各参数对其的影响规律优化了射孔参数。该研究对双层套管射孔参数的优选有一定的指导意义。     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

基于多目标规划对养老服务运营模式的研究

针对中国养老服务现行的运营模式进行研究.首先,建立主成分分析模型确定养老服务床位的主要影响因素,构造主成分与床位数的回归曲线,预测中国养老服务床位数量,求得2019年养老服务床位数874万张、2020年床位数902万张.其次,对中国的31个省市进行的人口数量、人均地区生产总值等因素进行模糊聚类分析,对市场需求进行分类....     

周期性需求下多级库存缺货控制模型研究

从一个以区域分销中心(DC)为主导地位且由多个供应商与零售商共同组成的多级库存系统出发,系统在假设DC和零售商都实行连续性盘点的(R,Q)库存控制策略,提前期为常量,零售商需求为正态分布的前提下,采用缺货策略的思想来确定订货临界点及订货批量.并且以确定DC的库存策略为目标,建立了缺货条件下的多级库存控制模型,从而达到有效控制库存的目的.最后,给出了一个算例,说明了该库存控制模型的可行度.     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫...     

面向节能控制的楼宇机理模型仿真研究

由于现有建筑系统能源消耗大,控制系统复杂,电力成本高,为降低电力成本,搭建建筑的机理模型进行仿真。为证明建立的模型适用于建筑系统,对模型的准确性进行仿真验证。通过对比恒定电价与时变电价的加热功率,可以看出系统通过模型预测控制能随着时间的推移响应电力价格的变化,进而很好地控制电力成本,节约能源。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数...