应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

沪市上市公司股权结构与公司绩效的实证分析

目前上海市的上市公司最终由政府控制的占89％，政府或国家在上市公司的控制中仍占主导地位。从净资产收益率(ROE)和市净率(Q)的角度比较不同的中间控股类型的绩效情况，得出同行业同专业的实业公司作为控股股东公司绩效最好，同时通过这些比较表明股权结构和产权的不同归属与公司绩效之间存在密切的关联。     

战区反导拦截效率模型研究

在未来防空作战中,反战术弹道导弹(TBM)是防空导弹部队担负的重要作战任务。针对拦截战术弹道导弹过程中,难以用一般预警雷达完成情报预警的问题,建立了情报预警系统的发现概率和预警概率计算模型,以及防空导弹拦截系统的排队论模型,给出了反导作战拦截效率的计算方法,并讨论了提高反导拦截效率的对策与方法     

非线性时间序列建模的混合GARCH方法

在文献[1]的基础上，首次提出混合广义自回归务件异方差（Mixture Generalized Autoregressive Conditional Heteroscedastic Model简记MGARCH）模型；给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分务件；给出该模型参数估计的EM算法：利用BIC定阶准则对MGARCH模型的各成份进行定阶；计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力，有广阔的应用前景。     

太原市水资源可持续利用的问题探讨

简述了太原市水资源的现状，分析了太原市水资源开发利用中存在的问题，提出了合理的水资源可持续利用的建议。     

聚合物不可入孔隙体积影响因素研究

采用双段塞法分析了部分水解聚丙烯酰胺 (HPAM)的相对分子质量、岩心孔隙分布、温度及矿化度对聚合物的不可入孔隙体积 (VIP)的影响规律。分析结果表明 ,VIP随HPAM的相对分子质量的增大而增大 ;VIP随着岩心平均孔隙半径增大、温度升高、矿化度增加而减小。在不断变化的地层条件下 ,HPAM的VIP可能出现高值的现象 ,这将严重影响聚合物驱的波及系数 ,从而使聚合物驱的原油采收率降低。     

改进PSO 算法在振荡式注汽速度优化中的应用

针对蒸汽驱恒定式注汽速度驱油效果差的现状,提出了一种基于改进PSO( Particle Swarm Optimization) 算法的蒸汽驱振荡式注汽速度优化方法。该方法建立了蒸汽驱注汽速度数学模型,采用改进粒子群优化算法对此模型进行求解并优化振荡式注汽速度,最后得到蒸汽驱振荡式注汽速度最优方案。改进粒子群优化算法引入混沌优化算子产生初始解,依据各粒子适应值的距离,完成对各个粒子的自适应变异,同时引入极值扰动算子对个体历史最优值和全局最优值实施随机扰动,加快了收敛速度,提高了种群的可进化能力。实验结果表明: 所建立模型准确,优化算法有效。通过此方法可指导蒸汽驱注采方案合理编制,指导蒸汽驱高效运行。     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.