基于机器学习的火源热释放速率预测方法

火源热释放速率的准确测量对深入理解火灾演变过程至关重要,然而目前被广泛使用的氧耗法所需设备造价昂贵,成本较高。该文提出了一种基于机器学习的综合性框架,用于输入温度数据预测火源热释放速率。基于火灾动力学模拟(FDS)软件模拟ISO 9705房间内不同参数的火灾场景,获取不同位置的温度数据,并建立火灾数据库。分别基于最小绝对收缩和选择(Lasso)、随机森林(RF)两种模型的递归特征消除(RFE)算法进行特征筛选,得到两个不同的低维特征子集,并设置对照组。基于不同的特征子集,分析比较了线性回归(LR)、K最近邻(KNN)和轻量级梯度提升机(LightGBM)3种典型模型对热释放速率的预测性能。结果表明：基于随机森林模型的递归特征消除算法筛选所得的特征子集训练的LightGBM模型预测效果最佳,预测结果的根均方误差(RMSE)和均绝对误差(MAE)分别为23.89 kW和15.49 kW,决定系数为0.991 6。该基于机器学习的综合性框架预测效果优异且实施成本较低,为预测火源热释放速率提供了有效途径。     

厦门市机动车保有量的预测方法

为了预测厦门市未来5年、15年的机动车保有量,以厦门市历年机动车保有量为研究对象,选取地区GDP、财政总收入、人均可支配收入、燃料零售价格指数、常住人口、公路通车里程等6个影响较大的数据指标.采用传统的非线性回归方法,主成份分析与Logistic模型相结合的方法,综合考虑两种预测方法及其结果,预测厦门市2020年、2030年的机动车保有量分别约为220万辆、530万辆.     

基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息, 获取更大效益. 从时间序列分析出发, 经过特征调整, 利用支持向量回归对用户视听在线人数进行准确预测. 首先, 对数据进行时间序列分析建模并预测; 然后, 将模型视为线性回归对用户视听在线人数作进一步改进, 结合时间与实际生活中的特征进行调整, 并添加了新的特征; 接着, 对新特征组成的样本进行支持向量回归, 通过社会认知优化寻找径向基函数中的最优参数; 最后, 得到比较理想的预测效果.     

基于高阶累积量和改进GRNN的CSI手臂行为识别

为了挖掘信道状态信息(channel state information,CSI)在手臂行为识别中的非线性深层特征,提高识别准确度,提出了一种基于高阶累积量和改进广义回归神经网络(generalized regression neural network,GRNN)的CSI手臂行为识别算法.离线阶段,将在不同手臂动作下...     

钢筋混凝土板模态频率的温度效应分析及剔除方法

考虑到温度荷载作用下钢筋混凝土梁桥的模态参数产生变异,进而导致基于动力指纹的桥梁损伤辨识方法精度降低甚至失效。以钢筋混凝土板为例,提出了一种考虑内部温度不均匀分布特性的模态频率温度效应剔除方法。首先,采用主成分分析算法,提取温度主成分,构造了预测模型输入参数;其次,通过遗传优化支持向量回归,建立了钢筋混凝土板模态频率预测模型;最后,结合钢筋混凝土板模态频率长期观测值,基于训练好的遗传优化支持向量回归模型,剔除温度对模态频率的影响。试验结果表明,该方法能够准确预测不同温度分布状态下的模态频率,并有效剔除温度引起的模态频率变化。     

用户参与视角下多图推文的图像位置和布局效应

该文受用户认知研究启发,探究新浪微博平台中多图推文的图像位置与布局对图像内容向用户互动参与行为转化过程的影响.使用基于单图推文数据训练的XGBoost模型预测多图推文中各张图像所具有的"用户参与潜力",通过相关分析、Z检验、OLS回归分析验证图像位置、布局与用户参与的关系.研究结果表明,在新浪微博平台的多图推文中,图像...     

基于性能模拟的严寒地区体育馆低能耗空间布局设计

严寒地区体育馆冬季采暖能耗占到总能耗的86％左右.为降低严寒地区体育馆的整体能耗,使用Grasshopper、Ladybug、Honeybee和Design Explorer等软件对严寒地区体育馆的能耗进行模拟分析,并通过SPSS回归分析给出体育馆能耗与空间布局的数值关系,为严寒地区体育馆设计提供参考.     

时空加权回归模型的变窗宽局部估计

基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.     

碳排放、能源消费与经济增长的实证研究

从经济增长与资源环境的关系入手,构建经济增长、能源消费和碳排放的向量自回归模型（VAR）,运用脉冲响应函数研究三个变量之间的相互关系,并分别建立能源消费和二氧化碳排放为自变量的协整方程,结果表明: 经济增长与能源消费和碳排放具有长期的协整关系,经济增长每提高1%,能源消费增长增加0.240%,同时导致二氧化碳排放增加0.295%。这说明我国的高速经济增长过程中,付出了较大的资源环境自然代价。     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.