双向多尺度LSTM的短时温度预测

针对长短期记忆网络(long short-term memory,LSTM)无法有效提取温度数据的多尺度特征和反向特征的问题,该文提出了一种双向多尺度跳跃LSTM(bidirectional multi-scale skip long short-term memory,BMS-LSTM)的短时温度预测模型.该模型以LSTM为核心单元,采用双向深层网络结构提取反向特征; 根据温度数据日的周期性设置跳跃连接数提取多尺度特征,解决了指数增长的跳跃连接数后期跳跃尺度过大的问题; 最后使用全连接层进行特征融合预测.实验结果表明:BMS-LSTM成功提取了温度数据的多尺度特征和反向特征,预测均值误差仅为3.890,优于对比模型,是一种有效的短时温度预测模型.     

我国能源消费预测及政策建议

根据1978—2010年度经济数据,采用协整检验和格兰杰因果关系检验,分析了国内生产总值、第二产业占GDP比重、城市化率、居民消费水平与能源消费之间的关系,并建立协整模型预测出了2011—2020年能源消耗总数,其中,2020年的能源消费总量达到47.72亿t标准煤.最后依据实证分析对我国能源消费提出如下政策建议:大力发展节能工程、加快调整产业结构、有效引导城市化进程、合理控制居民能源消费.     

高速公路路面使用性能预测模型的研究

分析了路面使用性能的变化趋势及影响因素,论述了高速公路路面性能预测模型及分类,并详细介绍了各类模型的作用。     

基于4类神经网络的国债利率期限结构预测

以2011年1月至2016年7月的国债月度数据为样本,研究了在利率期限结构预测中,反向传播神经网络（BPNN）、小波神经网络（WNN）、径向基神经网络（RBFNN）和广义回归神经网络（GRNN）4种网络中相关参数的设定对精度的影响,并对预测效果进行实证比较。研究结果表明：广义回归神经网络预测效果较好,反向传播神经网络预测结果波动性较小,小波神经网络和径向基神经网络预测结果波动性较大。     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

川西南永探1井区火山岩储层预测方法及应用

四川盆地西南地区火山岩气藏地质条件十分复杂、岩相变化大、物性变化快、储层非均质性强,地震储层预测面临诸多技术挑战。以永探1井区为研究对象,通过井震标定和正演模拟,确定不同岩相的地震响应特征,通过多属性融合,预测岩相平面分布。基于地震岩石物理分析,明确储层敏感参数,应用叠后地震反演技术,进行敏感参数反演,在此基础上根据岩石物理分析结果将弹性参数转换为储层物性参数,开展储层预测。结果表明,该方法能准确地预测出研究区块目的层火山岩优质储层分布,与实际钻井结果吻合程度高,可为该地区下一步火山岩储层精细描述及生产部署提供指导。     

基于Logistic回归模型的红松立木腐朽分级预测

【目的】红松活立木在生长过程中极易受到各种生物的侵袭,其中木腐菌造成的腐朽是最为广泛和严重的危害之一,活立木腐朽将会造成木材资源的损失,降低木材的力学性能。为了监测红松活立木的健康状况,减少因腐朽引起的相关损失,须定期检测红松活立木腐朽状况,并采用腐朽分级的方法进行评估。【方法】使用阻抗仪和电阻断层成像技术(ERT)两种无损检测手段对黑龙江省五营国家森林公园内的红松活立木进行检测,并在检测截面使用生长锥钻取木芯。将野外测量数据导入电脑,获取立木的阻力曲线和电阻断层图像,分析处理微针阻力的下降幅度,得到样木的阻力损失;根据立木心材与边材腐朽在ERT图像上呈现的不同特征,首次采用一种基于OpenCV的图像处理技术识别腐朽样木电阻断层图像缺陷部分,实现了心材和边材缺陷面积的定量表征;采用烘干法测定质量损失率,根据每株样木的质量损失率将所有样木分为5个腐朽等级。将多分类有序因变量的Logistic回归分析引入到立木腐朽程度分级问题中,以阻力损失、心材缺陷面积比和边材缺陷面积比为自变量,腐朽等级为因变量,建立腐朽分级预测模型。检验模型的有效性、拟合优度及预测能力。【结果】Logistic回归模型性能良好,五营国家森林公园30株红松样木的综合预测准确率为86.67%,各等级预测准确率分布不均,高等级腐朽的预测准确率相对较高。【结论】运用提取心材与边材腐朽的方法处理ERT图像,有效地提高了利用ERT图像识别腐朽的准确率。建立Logistic回归模型可以较准确地预测出立木腐朽的等级,较之烘干法测定腐朽程度,其腐朽评估效率有了明显提高,且对立木损伤更小。     

BP_Adaboost算法的改进及在首轮融资时总票房分类预测中的应用

为获得改进的分类算法BP_Adaboost,利用思维进化算法(MEA)和列文伯格-马夸尔特算法(LM)结合改进的BP神经网络作为弱分类器,由改进的弱分类器集成得到MEA-LM-BP_Adaboost算法.提出了基于MEA-LM-BP_Adaboost算法的首轮融资时总票房分类预测方法,该方法包括变量选取及操作化处理、网络参数优化、MEA改进弱分类器、LM算法改进弱分类器、MEA-LM-BP_Adaboost算法的流程设计、待预测电影验证6个部分.选用2013～2018年的245部国产电影作为样本验证该预测方法和模型,测试集分类准确率可达73.3％.最后在模型准确率、稳定性、K折交叉验证3方面进行模型整体性能比较,结果表明本文提出的模型整体性能最好.     

乌里雅斯太凹陷南洼槽低渗透油藏勘探研究方法及勘探效果

针对乌里雅斯太凹陷南洼槽储层物性差、非均质性强、油藏类型以岩性和地层油藏为主的低渗透油藏特点,以沉积储层为主要研究内容,通过层序地层学方法和储层预测新技术的应用,识别出多个不同时期、不同类型的砂体,圈定了砂体范围,预测了有利储层部位。在3年的勘探实践中,先后钻探了10余口探井,全部获得成功,勘探取得了重大突破。     

基于混沌吸引子的压气机失速分析

采用基于混沌理论的非线性动力系统分析方法,进行压气机压力信号时间序列分析,重构了系统的相空间,从几何角度研究系统状态变化,计算出压气机系统的最大李雅普诺夫指数为正值,由此判断系统中存在混沌,基于某型发动机节流实验中压气机失速数据,将改进的混沌吸引子预测方法与局部线性化预测方法对比,分析表明新方法可减小误差9%。