基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测北大核心CSCD

为提高埋地油气管道外腐蚀速率预测精度,建立了一种基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测模型。以沿川气东送管线所做埋片试验获取的数据为例,首先利用核主成分分析(KPCA)对管道外腐蚀影响因素进行处理,以重构的综合指标作为模型的输入值;然后利用加权最小二乘支持向量机(WLSSVM)对外腐蚀因素和速率进行仿真建模,并利用蚁狮优化算法(ALO)对WLSSVM建模中的参数进行寻优。结果表明:KPCA提取了累计贡献率为97.84%的3个主元,减化了建模过程的复杂性;所构建的ALO-WLSSVM外腐蚀速率预测模型的平均相对误差为4.390%,均方根误差为0.276,各项指标均优于其对比模型,证明了本模型具有更好的学习性和更高的拟合效果。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

BP神经网络模型的改进及其在海底管道外腐蚀速率预测中的应用

针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率,建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm, IPOA)的BP神经网络(Back Propagation Neural Network, BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射初始种群与收敛因子非线性化的方法提高鹈鹕算法(POA)的全局搜索能力和寻优精度,采用IPOA算法优化BPNN的权值和阈值,提升模型的预测精度与鲁棒性。以实海挂片试验数据为基础,建立POA-BPNN和BPNN模型作为对比。结果表明：IPOA-BPNN模型的决定系数R²为0.966 4,均方误差为0.235 3,平均相对误差为3.16%,均优于其余两个模型,模型的鲁棒性较未改进有较大的提升。这表明IPOA-BPNN模型能够为海底管道的维修与更换提供决策支持。     

基于SSA-CNN的长距离矿浆管道临界流速预测

针对长距离矿浆管道临界流速计算难度大、传统经验公式预测精度低且适用性差等问题,提出了一种基于麻雀搜索算法(SSA)-卷积神经网络(CNN)的矿浆管道临界流速预测模型。首先,分析矿浆管道临界流速的影响因素,选取4个主要影响因素作为模型特征;然后,利用SSA算法对CNN模型中的8个超参数进行迭代寻优,消除人为设置参数的不确定性;最后,将优化后的CNN模型用于临界流速的预测,以某一水平矿浆管道试验段为例进行实证研究。结果表明,SSA-CNN模型残差平方和为0.028 3,平均绝对百分误差为4.19%,平均绝对误差为0.054 0,与LSSVM、SSA-BP和CNN模型相比,该模型的预测精度更高,学习和泛化能力更强,为矿浆管道输送研究提供了一种新思路。     

突发事件网络舆情反转的PCA-LDA-LSSVM预测模型

为有效引导与控制突发事件网络舆情,建立科学的预警机制,提出突发事件网络舆情反转的主成分分析(PCA)-线性判别分析(LDA)-最小二乘支持向量机(LSSVM)预测模型。利用PCA提取具有相关性的影响因素主成分,利用LDA方法分析相互独立的影响因素和主成分对突发事件网络舆情反转的影响,并将LDA分析后的影响因素作为LSSVM的输入向量,预测突发事件网络舆情反转,通过选取33组突发事件网络舆情数据进行试验研究。研究结果表明:影响因素重要性由大到小依次为网民情感正倾向、网民情感负倾向、舆情事件性质、舆情传播形式、舆情首发主体权威性;当网民情感正倾向明显减少、网民情感负倾向明显增加时,应采取措施引导舆情发展。     

信息融合技术在火灾探测中的应用研究

为减少火灾探测中的误报警,基于信息融合技术对火灾传感器输出的信息进行处理。充分利用火灾探测系统的在线和离线数据,采用改进的主元分析法(PCA)、粗糙集(RS)理论、支持向量机(SVM)等3种方法的融合与互补,通过对系统的输入数据进行简化,消除原有信息的各分量之间的相关性,降低特征信息维数;实施最优最小约简,特征提取优化;构造自适应核函数,确定最优分类超平面,进行样本训练,获得火灾探测结果。从数据级、特征级、决策级3个层次上实现火灾信息融合。结果表明:该方法减少了融合过程中的信息损失,降低了计算的复杂性,有效地提高了火灾探测系统的可靠性和准确度。     

基于KPCA-LSSVM的矿井工作面动力环境安全评价模型

为实现对采前工作面所处动力环境的客观、准确评价,选取9个直接影响工作面 动力环境的指标因素构建安全评价指标体系,建立基于核主成分分析(KPCA)和最小二乘 支持向量机(LSSVM)的工作面动力环境多因素耦合安全评价智能模型。首先根据KPCA理 论对评价指标施行简约化处理,剔除冗余信息,得出6个简约后的评价指标并输入LSSVM 模型中训练学习,最后得到评价模型。选取从平顶山矿区和大同矿区搜集到的30组工作 面历史数据,按照20∶10的比例对模型进行训练和测试,并将测试结果与其他四种模型 结果进行了对比,结果表明:KPCA方法可有效减少数据信息冗余,利用KPCA优化的 LSSVM模型可准确评价工作面动力环境,误判率为0。     

红外热成像仪在埋地蒸汽管道泄漏失效分析中的应用

某埋地蒸汽管道地面上有局部蒸汽泄漏现象,具体泄漏点和泄漏原因不明.本文采用红外热成像仪对该埋地蒸汽管道进行检测,在不开挖、不停气的情况下,检测出了泄漏发生的部位,通过对热成像图像分析及现场实地观察,分析泄漏产生的原因并提出后续防护对策.通过该案例,表明红外热成像仪在埋地蒸汽管道泄漏失效分析中取得了成功的应用.     

灰色-马尔科夫链模型在埋地油气管道腐蚀预测中的应用

针对我国埋地油气管道泄漏事故发生频繁的现状,为了准确地预测油气管道的腐蚀状况,应用灰色GM(1,1)模型对埋地管道的管壁最大腐蚀深度进行预测,并结合马尔科夫链模型对管壁腐蚀的最大概率状态进行分析和预测,实现对埋地油气管道腐蚀现状和运行情况的科学评价和预测,并对模型精度进行检验。结果表明:在检测数据较少的情况下,该组合模型能够很好地预测油气管道的最大腐蚀深度和腐蚀状况,为管道的进一步维护、维修和检测提供参考依据,对于保障油气管道安全运行具有重要的指导意义。     

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。     

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。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

改进GM(1,1)模型在管道结蜡厚度预测中的应用研究

为了准确预测含蜡原油管道的结蜡厚度,构建了基于灰色系统理论的改进GM(1,1)模型.在分析GM(1,1)模型基本原理和建模步骤的基础上,基于平移变换的思想建立了改进GM(1,1)模型,对比分析了改进GM(1,1)模型和传统GM(1,1)模型预测结果的差异,探讨了不同平移量对改进GM(1,1)模型拟合精度和预测精度的影响.结果 表明:改进GM(1,1)模型的拟合精度和预测精度均高于传统GM(1,1)模型;随着平移量的增加,改进GM(1,1)模型的预测精度出现了先高后低的变化趋势,因此在实际应用中应对平移量进行合理选择;应用改进GM(1,1)模型来提高管道结蜡厚度的预测精度是可行的,具有一定的推广应用价值.     

改进灰色模型在含蜡原油管道蜡沉积厚度预测中的应用研究

为了对含蜡原油管道中的蜡沉积厚度进行准确预测,分别基于函数cos(x^T)变换与函数cot(x^T)变换建立了GM(1, 1)蜡沉积厚度预测模型。通过理论证明比较了函数cos(x^T)变换和函数cot(x^T)变换对原始数据光滑度的提升能力。以现场管道结蜡数据和室内环道结蜡数据为例,对比了传统GM(1, 1)模型、基于函数cos(x^T)变换及基于函数cot(x^T)变换建立的GM(1, 1)模型之间的预测精度,并分析了T的取值变化对GM(1, 1)模型预测精度的影响。结果表明：原始数据经函数cos(x^T)变换相比函数cot(x^T)变换具有更好的光滑度;基于函数cos(x^T)变换的GM(1, 1)模型精度最高,其次是基于函数cot(x^T)变换建立的GM(1, 1)模型,而传统GM(1, 1)模型精度最差;在所取T范围内,基于函数cos(x^T)变换与基于函数co...     

改进GRA-TOPSIS模型在装配式建筑施工风险评估中的应用

为使装配式建筑施工风险评估模型更科学,降低装配式建筑施工事故发生率,装配式建筑施工风险评估具有复杂性、随机性、模糊性特点,提出了基于改进GRA-TOPSIS的装配式建筑施工风险综合评价模型。首先,从人员、物料、技术、管理和环境5个方面,选取了18个典型影响因素,构建了装配式建筑施工风险综合评价指标体系,并确定指标分级标准;其次,借助区间层次分析法、改进CRITIC法和博弈论分别计算指标主观权重、客观权重和综合权重;引入盲数理论,对专家赋值进行处理,合理确定各指标得分,通过计算灰色关联贴近度,实现装配式建筑施工风险综合评价。最后,将建立的综合评价模型应用于5个装配式建筑施工风险评估中,得到了各个项目施工风险等级及排名,将评估结果与物元可拓和云模型评估结果对比,并基于雷达图法进行装配式建筑施工风险差异分析。研究表明,评价模型结果合理可靠,为风险评估工作提供了新思路。     

MI和SVM算法在煤与瓦斯突出预测中的应用

为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比.结果 表明:SVM数据填补前后的平均识别率分别为88.37％...     

改进灰狼算法优化GBDT在PM2.5预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees, GBDT)模型对北京市大气污染物监测数据中PM_2.5质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E_RMS为6.65μg/m³,平均绝对值误差E_MA为3.20μg/m³,拟合优度(R²)为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m³,平均绝对值误差降低了10.03μg/m³     

改进欧拉法的GM(1,1)模型及其在非煤矿山事故预测中的应用

通过对GM(1,1)模型中的微分方程使用数值算法求解,提出一种改进欧拉算法GM(1,1)模型.将此模型应用于我国非煤矿山事故预测中,并且对改进模型的预测数据及结果与原始模型进行了比较,表明该预测模型提高了预测精度,验证了模型的可行性,并对我国非煤矿山事故发生趋势做出统计学的判断.该模型可以精确的预测近期的一些数据,而长远的预测则为一种趋势的反映.     

基于最小二乘法的灰色 GM（1，1）改进模型在非煤矿山事故预测中的应用

根据灰色理论及其相关理论,通过对GM（1,1）模型中微分方程使用最小二乘法多项式拟合来求解,提出一种改进GM（1,1）模型。将改进模型的预测精度与原始模型进行了比较得出采用二次多项式拟合的改进模型预测精度高于原始模型,因此采用二次多项式拟合GM（1,1）改进模型。并将该改进模型用于我国非煤矿山事故预测中,对2008-2010年我国非煤矿山伤亡事故死亡率进行预测性计算并且与真实数据进行了比对,进一步验证了模型的可行性。