基于多元线性回归模型的电力负荷预测研究

电力负荷预测是电力系统规划和电网运行的重要内容、前提和基础。科学、准确的电力需求预测对电力工业的健康发展,乃至对整个国民经济的发展均有着十分重要的意义。针对我国1995年至2008年人口、GDP和全社会用电量的历史数据,基于多元线性回归分析进行中、长期电力负荷预测,多元线性回归模型通过变量GDP和人口进行全社会用电量的电力负荷定量预测。结果表明模型的有效性,为电力负荷预测的滚动修正,进而为电力负荷控制和预测提供科学依据。     

基于扇区动态复杂性因素的航空管制员工作负荷计算

为了更加准确地计算和预测航空管制员的工作负荷,利用雷达管制模拟试验获取的数据,分别采用线性回归、神经网络的非线性回归和基于神经网络的支持向量机方法,建立了基于扇区复杂性因素的管制员工作负荷实时计算模型。结果表明,这3种模型的绝对误差平均值分别为0.969、1.049、0.240;相对误差平均值分别为16.667%、17.979%、6.229%;均方根误差分别为0.186、0.206、0.114。另外,若采用5%作为基准精度,基于神经网络的支持向量机模型可以将相对误差控制在-0.5%~0.5%,表现出较强的误差控制能力。研究表明,可以采用扇区动态复杂性因素来计算管制员的工作负荷,相比线性回归、神经网络的非线性回归方法,基于神经网络的支持向量机方法对管制员工作负荷的计算有更高的精度。     

烃类沸点的定量构效关系研究

应用CODESSA软件计算296种烃类物质的分子结构描述符,分别用启发式回归（HM）和最佳多元线性回归（B-MLR）筛选计算出的所有分子描述符,并建立沸点的线性回归模型。用B-MLR方法筛选出的4个描述符作为支持向量机（SVM）的输入建立了非线性模型。预测结果表明：所建立的模型稳健,泛化能力强,预测误差小。非线性模型（R2=0.9905,RMSE=10.2295）的性能优于线性回归模型（HM：R2=0.9819,RMSE=14.0606;B-MLR：R2=0.9842,RMSE=13.1058）,预测效果令人满意。     

煤矿安全宏观预测方法综述

对几种比较适用于预测煤矿安全宏观预测的方法(线性回归预测、非线性回归预测、灰色预测、马尔柯夫链预测、灰色马尔柯夫链预测、神经网络预测法)进行了介绍,并作了进一步评述和探讨.     

基于混沌、灰色理论模型,预测煤矿生产中安全状况的对比分析

建立煤矿安全生产状况预测的非线性回归模型、混沌动力学模型、灰色模型和灰色残差模型,用4种模型对我国百万吨煤矿死亡率进行预测分析,其结果表明:混沌动力学预测模型和非线性回归模型使用参数较少、计算简单,易于推广,但预测精度尚不高,误差较大;使用灰色残差模型进行预测,虽然计算复杂,但预测精度较高,验证2007年度百万吨死亡率相对误差仅为0.96%,煤炭生产的安全性指标百万吨死亡率宜采用残差模型进行预测。笔者认为,灰色残差模型在对煤矿安全生产的宏观管理领域有广泛的应用前景。     

烃类及其衍生物闪点、沸点的定量构效关系

基于定量结构一性质相关性（QSPR）原理,研究了烃类及其衍生物闪点、沸点与其分子结构间的内在定量关系。应用CODESSA软件计算384种烃类及其衍生物的分子结构描述符,建立了闪点和沸点的QSPR模型。用最佳多元线性回归（B．MLR）方法筛选得到的分子描述符建立了线性回归模型。用B-MLR方法所选择的5个描述符作为支持向量机（SVM）的输入建立了非线性模型。所有的化合物被分为训练集和测试集,对每个模型的训练集和测试集的复相关系数、交互验证系数、均方根误差等进行了计算,并用测试集对模型的预测能力进行检验,预测结果表明：预测值与实验值均符合良好,所建立的闪点模型稳健,泛化能力强,预测误差小,预测的效果令人满意,但沸点的模型预测效果有待加强。相比烃类物质的模型,加了衍生物的模型性能均有所下降。     

基于HP滤波与ARMA模型的生产安全事故时序预测

为了研究月度生产安全事故变化规律并进行预测,采用Hodrick-Prescott滤波将事故序列分解为长期稳定趋势和短期波动两部分。对长期事故序列进行了平稳性检验,建立了线性回归预测模型。通过比较不同形式模型变量的显著性,建立了反映事故短期波动的自回归移动平均模型,短期预测值用于修正长期趋势预测值。结果表明,事故序列在长期上符合线性回归模型;事故短期波动预测ARMA(4,6)模型显示,事故波动变量与前1、2、4期存在自相关特征。     

基于CBR的突发公共事件应急资源需求预测方法

应急资源需求预测是应急资源优化配置的前提和基础.针对应急资源需求预测的特点,提出了基于风险分析方法和案例推理技术(Case-based Reasoning,CBR)的应急资源需求预测方法.这种方法可以对应急资源的需求数量、需求质量和需求种类进行预测.最后,以一个预测案例来说明应急资源需求预测方法在实际中的应用过程.研究表明,这种方法可以满足应急的需要,为今后应急资源的储备、配置等提供依据,也可以为拟建的应急资源配置决策系统提供方法和模型支持.     

基于案例推理的化工园区应急资源需求预测

为确定化工园区突发事故的应急资源需求,提出了一种基于案例推理的化工园区应急资源需求预测方法。该方法主要由三部分组成:(1)基于案例推理的模型构建;(2)化工园区事故的案例描述;(3)基于人工神经网络的案例适应。最后,以石化园区火灾爆炸事故的应急资源需求预测验证该方法的有效性。研究表明,该方法可以实时地对化工园区应急资源需求进行预测,为化工园区的应急资源储备和配置提供支持。     

城市供水管网漏损动态预测的Bootstrap-Lee-Carter模型*

为对某城市供水片区的不同管径和管材的管道漏点率进行动态预测,考虑城市供水管网漏损时变特征,采用Bootstrap方法估计Lee-Carter参数模型。针对供水管网漏点率进行经典Lee-Carter模型预测,并通过残差等高线图及其同方差性质检验,比较分析最小二乘法和加权最小二乘法估计Lee-Carter模型参数的拟合效果;考虑供水管网漏损时变引起的模型参数不确定性扰动,利用残差Bootstrap方法抽样模拟Lee-Carter模型参数置信区间和模型改进后的供水管网漏损预测结果。结果表明:Bootstrap-Lee-Carter模型相比经典Lee-Carter模型具有更高的预测精度。     

基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行预测。首先,基于2011—2018年我国发生的危化品道路运输事故数据建立ARIMA模型,利用SPSS软件进行模型拟合预测,获取危化品道路运输事故起数的线性部分;其次,应用MATLAB建立LOESS回归模型,对ARIMA模型预测偏差进行残差优化,获取危化品道路运输事故起数的非线性部分;最后,建立ARIMA-LOESS组合模型,利用组合模型对危化品道路运输事故发生起数进行预测,并根据真实数据对预测结果进行对比验证。结果表明:ARIMA-LOESS组合预测模型可较好拟合危化品道路运输事故数据序列,并修正单一模型的误差,获取较高的预测精度。该研究可为危化品道路运输安全与运行的趋势分析与判断提供更加可靠的数据依据,也可为危化品道路运输事故防控方案提供帮助。     

尾矿坝浸润线数据挖掘预测模型的样本选取研究

本文分别应用时间序列功能模型和回归模型，在原始数据的基础上建立样本，并运用支持向量回归机算法对样本进行训练，得出了尾矿坝浸润线埋深预测模型并进行了实例应用。研究证明，运用时间序列模型选取训练样本能够得出更为精确的预测结果。     

基于GM-SVR的小样本条件下化工设备可靠性预测

为了准确预测化工设备可靠性趋势，针对化工设备失效寿命数据为小样本的情形，基于灰色估计法与支持向量回归机在小样本数据处理中的优势，建立了失效寿命时间服从三参数威布尔分布的化工设备可靠性模型；结合GM（1，1）和SVR对模型进行参数估计，在压缩机可靠性分析中进行了实例应用，对比分析了最小二乘法、灰色估计法和GM-SVR的估计效果。研究结果表明:GM-SVR对威布尔分布参数的估计精度明显优于最小二乘法和灰色估计法，可以有效地应用于化工设备失效数据为小样本时的可靠性预测。     

基于均匀设计的事故再现模型参数敏感性分析

借助参数敏感性分析方法确定那些对事故再现结果有显著影响的参数,进而通过对这些参数进行合理处理则可在花费不大情况下确保再现结果的精度。基于均匀设计并结合回归分析,提出了一种事故再现模型参数敏感性分析方法:该方法首先借助均匀设计寻找到事故再现模型的一阶响应面模型,再借助该响应面模型获得原事故再现模型内参数的敏感性向量。并在此基础上进一步探讨了如何通过该方法获得各输入参数的取值区间及各输入参数在其标称值附近有一定程度扰动时2种情况下参数对计算结果的影响程度。最后给出一数值算例,算例结果表明:笔者方法所得参数敏感性顺序与其他学者研究所得一致。     

航空装备事故的灰色时序组合预测模型

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数据中的随机波动特征。最后,将2个模型的预测值相加,得到所求的组合预测结果。实例中,以美国空军1996—1999年的A级飞行事故10万时率数据为基础,建立灰色时序组合模型,模型中短期预测精度优于单一灰色模型,平均相对误差控制在5%以内,预测结果能够反映航空装备安全的实际状况。     

某电厂灰渣库整体稳定性探讨

从物理力学参数的选取方面对某电厂灰渣库一期工程1号副坝的整体稳定性进行探讨，从中发现原有研究结果的偏差，并对坝体的整体稳定性作出了比较客观的结论，同时也通过对比总应力强度与有效应力强度指标的不同适用范围，提出了在灰渣坝（尾矿坝）的稳定性分析中应对其区别对待，以免出现不必要的错误，从而有效地指导灰渣库（尾矿库）的安全管理工作。     

基于多元线性回归的煤矿驾驶员情绪预测模型*

为研究煤矿人车驾驶员情绪状态不良引发的煤矿驾驶事故问题，设计眼动实验并建立基于多元线性回归的驾驶员情绪状况预测模型对驾驶员情绪状况进行预测；通过眼动仪采集煤矿驾驶员良好情绪与不良情绪状态下的各项眼动指标，记录其主观情绪状态；使用多元线性回归方程对数据进行分析与建模，采用平均相对误差对预测模型进行评估。结果表明:每秒注视点个数、平均扫视速度、反应时间、危险源辨识个数在情绪变化前后存在显著差异，且与情绪状态呈较强相关；基于多元线性回归的驾驶员情绪状况预测模型预测精度较高，平均相对误差为8.16%。模型适用于煤矿人车驾驶员的情绪监测，可为煤矿驾驶员安全行驶提供保障。