基于改进灰色模型的管壁蜡沉积厚度预测研究

为对含蜡原油管道中的蜡沉积厚度进行准确预测,在函数cot(x2)变换的基础上,结合平移变换思想,利用cot(x2+c)变换建立新的改进GM(1,1)模型。以现场管道结蜡数据和室内环道结蜡数据为例,对比改进GM(1,1)模型、基于函数cot(x2)变换建立的GM(1,1)模型及传统GM(1,1)模型之间的预测精度,并分析平移量c对改进GM(1,1)模型预测精度的影响。结果表明:改进GM(1,1)模型的预测精度最高,其次是基于函数cot(x2)变换建立的GM(1,1)模型,而传统GM(1,1)模型的预测精度最低;随着平移量的增大,改进GM(1,1)模型的平均相对预测误差呈现出先减小后增大的趋势,因此合理的平移量有助于模型精度的提高。应用改进GM(1,1)模型来预测管道蜡沉积厚度是可行的,该方法可为含蜡原油管道蜡沉积厚度的准确预测提供参考和借鉴。     

SFLA-Verhulst组合模型预测矿井瓦斯涌出量

针对矿井瓦斯涌出量的时变性、波动性、非线性以及不确定性等特征，提出了SFLA-Verhulst组合预测模型，用于对具有非线性动态特征的瓦斯涌出量进行预测。该模型通过蛙跳算法对Verhulst模型的背景值参数寻优，并引入一次指数平滑法对原始数据进行优化处理，建立了基于混合蛙跳算法的SFLA-Verhulst组合预测模型；结果使模型在原始数据不准确或存在误差干扰的情况下仍能进行精度较高的预测。将新模型应用于某矿瓦斯涌出量预测，并对模型的预测结果进行检验分析，结果表明:该模型在结合蛙跳算法的全局寻优特点后预测精度较传统的GM(1,1)模型有明显的提高，适用性更强。     

管道腐蚀深度预测的优化灰色GM(1,1)模型建立及应用

管道腐蚀深度是腐蚀行为研究的重要内容，准确预测管道腐蚀深度变化规律对于保障管道的安全运行意义重大。针对传统GM(1, 1)模型背景值计算方法的不足，提出了一种基于二次多项式变换结合背景值优化的改进灰色模型，通过实例对比分析了改进模型和传统模型预测精度的差异。结果表明：当建模样本数为7时，传统模型、改进模型一(采用二次多项式变换方法所建模型)、改进模型二(采用二次多项式变换结合背景值优化方法所建模型)预测所得的平均相对误差分别为5.33%、4.00%和3.731%,因此改进模型二的预测精度高于改进模型一和传统灰色模型；当建模样本数分别为8和9时，改进模型二的预测精度仍最高，因此采用的背景值优化方法有助于提升改进模型一的预测精度；改进模型用于预测管道腐蚀深度完全可行，且所用方法具有计算简单、精度高的优点。     

深部矿山锚杆腐蚀失效风险评估研究

为解决地下矿山锚杆腐蚀失效问题,提出一种基于预测锚杆腐蚀失效速率的数学模型。收集矿山腐蚀失效锚杆相关数据,采用主成分分析法和梯度提升树方法,从原始数据中提取有用信息,并结合支持向量机(SVM)模型,预测复杂矿山环境中锚杆的腐蚀失效概率,利用具有连续特征和空间数据的数据集测试该模型,分析各环境因素对腐蚀失效影响权重,并与SVM、GTB-SVM这2种模型进行对比分析。研究结果表明：基于主成分分析的特征变换是可靠的风险预测方法,PCA-SVM模型在预测精度和结果的稳健性方面表现优越,训练集AUC值达到0.84、测试集达到0.83。该模型作为一个有用的在线工具,能够支持过程系统的安全和数字化。文中提出的主成分分析SVM模型,能够准确预测锚杆腐蚀失效的腐蚀概率。     

铁路行车事故加权马尔可夫SCGM(1,1)c预测模型及应用

从铁路行车事故的预测问题出发,试图找到稳定有效的方法对铁路行车事故进行预测.首先引入BX数据生成法对原始数据序列进行处理,以弱化原始数据之间的随机性.建立了单因子系统云灰色SCGM(1,1)c模型,揭示铁路行车事故时序变化的发展趋势.参照原始数据的中心趋势曲线,来划分铁路行车事故状态,得到了状态转移概率矩阵.据此计算自相关系数并进行归一化,作为各步马尔可夫链的权重,提出了加权马尔可夫SCGM(1,1)c模型,以修正SCGM(1,1)c模型的预测值,对铁路行车事故总数进行了拟合和预测.结果表明:相比较而言,加权马尔可夫SCGM(1,1)c模型在对铁路行车事故的拟合和预测中均有较好的效果,拟合精度和预测精度分别达到了98.92％和96.36％.     

基于改进灰色系统的深基坑变形预测方法研究

为了对深基坑工程施工期间地质灾害进行先期预警,使用了改进的灰色系统作为预测工具,对基坑周围建筑物的沉降进行了预测。对于灰色预测系统的改进包括对数据序列初始值的改进和对灰色系统模型背景值的改进,以及实测数据转换为单调增序列的方法。使用相对误差检验、关联度检验和后验差检验对模型的精度进行了评价。最后将改进后的灰色系统与原系统的预测结果进行了对比,结果表明:在短期预测方面,灰色系统模型和改进的灰色系统模型都有很高的精度。对于长期预测,改进的灰色系统模型对中长期预测有很好的精度。     

初值修正和函数变换的改进灰色模型在管道腐蚀深度预测中的应用

为了准确预测管道的腐蚀深度，借助灰色理论建立了改进GM(1, 1)模型。针对传统灰色模型的不足，引入反双曲正弦函数变换方法建立了改进模型一，并在此基础上提出了一种基于初值修正结合反双曲正弦函数变换的改进模型二，通过实例对比分析了改进模型和传统模型预测管道腐蚀深度所得结果的差异。室内试验测试数据和实际管道检测数据的计算结果表明：传统模型预测所得的平均相对误差(分别为5.300%和13.617%)均较大，因此模型的精度较差；改进模型一预测所得的平均相对误差分别为2.345%和2.639%,其预测精度较传统模型有大幅度的提高，因此该模型适用于腐蚀深度的准确预测；对改进模型一采用初值优化方法后，所得改进模型二的预测精度进一步提高，其提高的程度较为有限；总体来看，所建改进模型能够满足管道腐蚀深度预测的精度要求，具有较强的推广应用价值。     

煤矿百万吨死亡率动态无偏灰色马尔科夫预测

为掌握我国煤炭行业整体安全生产状况,构建动态无偏灰色马尔科夫模型,通过处理我国1999—2008年度煤矿百万吨死亡率数据,对2009—2011年度煤矿百万吨死亡率数据进行预测。用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,拟合得到煤矿百万吨死亡率数据的变化趋势,在此基础上应用马尔科夫模型进行预测,并在每一次预测中更新原始数据,最后对预测结果进行对比分析。计算结果表明:动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度尤其是中长期预测精度。其中,平均绝对误差为3.35%,平均相对误差为3.85%,均低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿百万吨死亡率数据的平均预测精度超过96%。     

南京市化学原料及化学制品制造业能源消耗预测

化学原料及化学制品制造业作为南京市高能耗、高污染产业,对其能源消耗总量及能源消耗结构进行预测,对节能减排具有重要意义。以2002—2012年能源消耗量弱化之后的数据为原始数据,运用灰色GM(1,1)模型对2013—2020年南京市化学原料及化学制品制造业能源消耗总量以及主要能耗进行了预测。由于部分原始数据序列光滑性较差,所建预测模型的精度较低,使用平均弱化缓冲算子对其进行处理。结果表明,处理之后建模精度提高,预测的结果更加准确。     

优化GM(1,N)模型在交通噪声预测中的应用和精度分析

背景值是影响GM(1,N)模型模拟精度和预测精度的重要因素.传统灰色系统多因素GM (1,N)模型对背景值采用梯形法求积,误差较大.为了提高GM(1,N)模型的精度,基于数值分析中的逼近思想,采用数值积分中的Newton-Cores公式和Gauss-Legendre公式对背景值进行修正求积.理论分析表明该方法能够有效地提高模型的预测精度.然后将经过优化的GM(1,N)模型应用到城市道路交通噪声的预测上,模型预测值的平均误差从2.913％降低到了1.108％.应用实例表明优化后的GM(1,N)模型精度比原始GM(1,1)模型精度有较大提高,验证了该优化方法的实用性和有效性,且该方法为提高模型的预测精度提供了新的途径.     

海洋大气环境下架空管道腐蚀失重预测

为提高海洋大气环境下油气管道腐蚀失重预测精度，提出了一种基于IWOA-DGM(1, 1,λ)的架空管道腐蚀失重预测模型。首先用佳点集理论优化鲸鱼优化算法(Whale Optimization Algorithm, WOA)初始种群的布局以增强寻优能力，并用非线性自适应权重和改进黄金正弦算法避免WOA模型的随机性，以提高收敛速度。然后利用指数变换、变权弱化缓冲算子和新陈代谢改进离散灰色模型(Discrete Grey Model, DGM(1, 1)),指数变换可以提高原始数据的光滑度，变权弱化缓冲算子可以抵消冲击扰动的干扰，加入新陈代谢可以实现动态的中长期预测。再用改进鲸鱼优化算法(Improve Whale Optimization Algorithm, IWOA)对改进DGM(1,1,λ)模型中的参数λ进行寻优，最后建立改进鲸鱼优化算法的优化离散灰色预测模型(IWOA-DGM(1, 1,λ)),并用该模型对西沙Q235碳钢管道腐蚀失重情况进行预测。结果表明，改进模型的灰色绝对关联度、平均绝对百分比误差和拟合度分别为98.99%、2.43%和98.73%,各项评价指标均优于其他对比模...     

基于长短时记忆网络的水质预测模型研究

在当前水质数据急剧增加的背景下,为了挖掘水质时间序列中的更多信息,提升水质预测的精度,构建了基于缺失值填补算法和长短时记忆网络(LSTM)相结合的水质预测模型。通过缺失值填补算法进行水质数据的缺失值处理,利用LSTM网络分别构建不同水质参数的预测模型,以太湖水质监测数据为样本,对模型进行检验。结果表明,基于缺失值填补算法-LSTM的水质预测模型适应性强,相较传统SVM、BP神经网络、RNN、LSTM模型预测精度更高,对水环境保护具有重要意义。     

页岩气压裂井下工况多步预测方法研究

为实现页岩气压裂井下工况预测,及时预控异常工况,基于粒子滤波(PF)算法与自回归滑动平均(ARMA)模型,提出优化的局部加权线性回归(LWLR)模型的方法。该方法以ARMA模型与PF算法构建PF_ARMA模型,并用该模型预测井口压力的变化,再将预测效果作为优化LWLR模型参数的依据,得到最优压力参数的LWLR模型,最后以某段页岩气压裂压力数据为例,比较优化的LWLR模型与传统模型的预测结果。结果表明:优化的LWLR模型预测精度有所提高,并且更能准确描述数据的变化趋势及幅度。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

安全系统稳健回归方法及预测置信区间探讨

在安全事故统计中数据存在较强的时序性,且常有异常点出现,本文建立了稳健最小二乘法和加权模型,探讨了对异常点的处理,以及不同时期的数据对预测结果的影响程度不等同的处理方法.同时为了估计的准确性给出了在一定置信度下的置信区间.本文通过事例证明了该方法的可行性和优越性.该模型也可应用于其它关系的预测,对于非线性关系通过适当的变换使其成为线性关系再应用稳健回归法进行预测.     

重特大火灾对南京市火灾发生影响规律的时间序列研究

本文采用时间序列法分析中国江苏省南京市每月火灾发生次数受该时间段内江苏省特大火灾以及南京市重特大火灾的影响规律。在对原始数据依次进行了异常点剔除、季节调整后，运用时间序列干涉模型对调整后的数据序列进行滞后分析，分析结果表明通常重特大火灾的影响可持续三个月。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病，在传统GM(1,1)模型的基础上，提出改进的非线性GM(1,1)模型，在传统的GM(1,1)模型中引入弱化算子，将紧邻均值与原始数据之间的线性假设改为非线性假设，提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象，进行数据拟合和预测分析，其中以2014年职业病例数作为验证数据，并利用后验差比值和小误差概率2个参数，检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面，改进的非线性GM(1,1)模型的预测精度提高到一级，曲线拟合度较高，预测得到2015年的职业病例数为34 900例。     

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归(VAR)模型的多参数融合水质异常检测算法。VAR模型是自回归(AR)模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。     

基于粒子群优化的DGM（1,1）模型在基坑变形安全预测中的研究

为确保基坑施工期间发生变形后能够正常使用,将变权缓冲算子结合DGM(1,1)模型构造出变权离散灰色模型,利用相对误差、后验差比,灰色绝对关联度3种精度检验法作为粒子群算法适应度建立模型,构造PSO-VWDGM(1,1)模型,并结合实际工程监测数据研究不同适应度对基坑变形预测精度的影响。研究结果表明:不同适应度函数对预测精度存在较大影响,以灰色绝对关联度作为适应度建立模型预测精度较高,可以更好应用在工程中。研究成果可为工程施工阶段的基坑变形预测、稳定性分析与灾害评估、预警提供参考。