基于半参数分析的电力需求预测算法

市场经济对电力需求预测提出了更高的要求。在简要介绍和评论以往国内外常用电力需求预测方法优缺点基础上,为了提高电力需求预测的准确度及预测方法的适应性,建立半参数回归模型预测电力需求。半参数回归模型分为线性和非线性两部分。线性部分反映了负荷预测可知的部分规律,非线性部分反映了负荷预测的不确定因素的影响。用偏残差方法估计半参数回归模型,估计结果由两步得到。首先估计线性参数部分,然后再估计非线性参数部分。通过示例计算,半参数回归模型对电力需求预测的估计误差数值小于二元线性回归法对电力需求预测的估计误差。结果表明:利用半参数回归法预测电力需求是一种预测精度高、计算容易、普适性强的算法。     

道路交通事故发展趋势分析与预测

根据福建省2000 -2010年交通事故相关指标,采用统计图表分析法进行交通事故发展趋势分析与安全水平比较研究,结果表明交通事故各项绝对指标总体呈下降趋势,但从万车死亡率、受伤人数与死亡人数比及交通事故死亡人数占各类事故死亡人数比重等相对指标看,交通安全总体水平偏低,交通事故后果比较严重.对交通事故死亡人数与GDP、机动车保有量、公路通车里程、人口数四项影响因素进行了多元线性回归分析,分析得出四个影响因素总体对交通事故死亡人数的线性影响是显著的,采取向后筛选策略线性回归分析得出,死亡人数与GDP的线性关系是显著的,根据回归结果建立了交通事故的预测模型.     

应用原子类型AI指数预测烃类燃烧热

以基于Xu指数的原子类型AI指数作为分子结构描述符,表征了80个液态烃的分子结构特征,并分别结合人工神经网络和多元线性回归方法,对这80种液态烃的燃烧热进行定量结构-性质相关性建模和预测研究。结果表明,基于Xu指数的原子类型AI指数能很好地表征烃类物质的分子结构特征。所建的最佳预测模型为基于Xu指数的原子类型AI指数多元线性回归模型,模型复相关系数为0.999,对测试集的平均预测相对误差为0.637%,模型预测值与实验值的一致性令人满意。     

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。     

城市火灾风险表征量及其与社会经济因素的多元相关性分析——以日本2005年统计数据为例

利用因子分析法对日本2005年统计数据进行了分析.从13个常用火灾统计指标中提取出火灾后果总量、火灾发生概率、平均死亡人数及平均经济损失4个公因子,并采用多元线性回归方法对若干社会经济因素与4个公因子建立多元线性模型.根据模型的判定系数和各自变量的偏相关系数,分析了若干社会经济因素与4个火灾风险公因子的相关性并对重要度进行排序.结果表明,4个公因子意义明确且相互独立,可全面表征城市火灾风险程度.基于分析数据,火灾后果总量公因子与人口总量呈显著线性相关;火灾发生率公因子主要受人员结构、人口流动性及居住条件3个方面影响,与人口总量、经济水平、教育水平之间不存在线性相关性;平均死亡人数公因子随消防训练提高而显著降低; 平均经济损失公因子与选用的任何一个社会经济因素之间都没有线性相关性.     

基于运行场次用时误差的载人设备故障预警可视化研究

针对国内游乐设施行业载人设备运行状态监测不够完善、故障诊断多数情况下需要依赖技术人员经验的现状,分析了基于机理模型、基于知识和基于数据驱动的载人设备故障预警方法,研究了载人设备故障预测的多元线性回归算法,并利用矿山车的时间系数、人数系数、温度系数,建立了矿山车载人设备的多元线性回归模型。通过矿山车15个同步点区间用时预测案例,在可视化平台上显示预测和实际运行曲线,实现了对矿山车或过山车类载人设备运行故障的有效预警。     

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。     

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。     

基于加权线性回归模型组的湖北省工矿事故死亡人数分析预测

以2005-2014年湖北省工矿企业事故死亡人数为基础,通过对时间序列图分析可知,该省工矿企业事故具有明显的周期性、季节性。另外,依据安全系统特征属性,系统近期的状况相对远期的状况对未来预测更具有影响力。因此,各个季节数据的权重应有所不同。综合考虑以上两种情况,提出对4个季节建立不同的线性加权线性回归模型,并进行组合,形成加权线性回归模型组,进而对2015-2016年各个季度进行预测。最后,与传统的时间序列分析方法比较可知,加权线性回归模型组的方法建立的模型显著性、拟合度更高,并且模型的可读性更强、更简单。     

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。     

基于神经网络模型的燃料空气混合物爆炸威力预测研究

燃料空气混合物爆炸威力准确预测研究是学术界的一个难题。针对燃料空气混合物爆炸威力有效预测问题,采用神经网络方法,设计多层神经网络模型,进行实际预测应用。应用结果表明,采用的预测方法简便、可行,可以为燃料空气混合物爆炸威力预测提供一种新途径。相比3层BP模型,设计的预测模型可以减少训练次数,缩短训练时间,提高预测正确率,应用优势较明显。     

基于STEAM的靠港船舶大气污染物排放清单研究

随着我国船舶排放控制区的设立,船舶大气污染物排放成为社会广泛关注的热点。以对城市影响显著的内河靠港船舶为研究对象,采用本土化的船舶交通排放估算模型(STEAM),结合船舶自动识别系统(AIS)中的船舶轨迹信息、船舶档案数据库信息及调研信息,实现基于船舶活动的"自下而上"的排放清单编制。将上述研究成果应用于南京龙潭集装箱港区,得到2014年该港区船舶大气物排放量分别为PM103.452 9 t、PM2.52.762 3 t、NOx196.004 4 t、SOx2.896 6t、CO 20.624 5 t、HC 8.127 8 t以及CO212 554.289 5 t。与整个港区排放相比,靠港船舶是SOx和NOx排放的重要来源,占比分别达到70.76%和58.16%。基于排放特性分析提出靠港船舶减排路径。     

基于机器学习的热释放速率实时预测方法

火灾态势的实时感知对提升消防救援指挥与决策水平有非常重要的意义。为实现火源热释放速率的实时预测,通过丙烷气体燃烧实验获取火焰体积和高度的实时数据,选取MATLAB中精细高斯SVM做分类训练,建立了基于图像处理的热释放速率预测模型。结果表明,训练完成后的模型可以根据3 s内的火焰体积/高度数据预测得到实时的燃料流量,获取相应的火源热释放速率。该预测模型在已知数据集和未知数据集上都表现出了较高的准确性,为火灾态势发展预测提供了理论和技术基础,有很好的应用前景。     

基于疲劳累积破坏机制的储罐结构动力可靠度分析

针对随机风载荷作用下储罐结构动力可靠性问题,以300 m3的中小型立式低温储罐为研究对象,利用AR模型进行数值模拟得到风载荷的脉动风速时程与脉动功率谱密度函数。采用ANSYS建立储罐三维有限元模型,并对储罐进行动力学分析,计算出储罐结构的随机响应,进而求出随机风载荷作用下储罐结构动力可靠性所需全部数字特征,最后利用疲劳累积损伤机制计算得到储罐的动力可靠度。结果表明:假设结构强度不随时间退化,前5 a动力可靠度基本保持不变,随着使用年限的延长,动力可靠度下降速度明显增大。研究方法可为储罐的动力可靠性及寿命预测提供一定的理论依据。     

基于MEE/JACK的工序标准作业负荷仿真与评估

针对当前标准作业制定过程中未考虑工人负荷状况的问题,应用能耗预测理论为制定的标准作业提供负荷反馈。结合工效学和仿真技术,基于JACK软件的MEE能耗预测模型进行标准作业负荷仿真和评估;提出仿真模型概念结构设计,并对各部分设计进行详细表述。研究结果表明:该设计可以直接得出标准作业中每个子任务的工人能耗情况,根据总能耗值判断标准作业负荷是否符合人因要求,进而优化标准作业,从作业制度设计上避免工人超负荷作业。     

基于EFDC水动力-水质模型的建立--以慈湖河为例

本文根据马鞍山市慈湖河流域水环境现状,结合当地政府对慈湖河的管理整治目标,选择EFDC水动力-水质模型作为慈湖河水环境模型。并根据慈湖河流域整体情况对时间空间进行概化。时间概化上,最终确定水动力学模拟时间步长为10s,水质模拟时间步长为20s;空间概化上,采用凸四边形网格概化,各网格之间为一维线性关系;通过CAD、GIS软件,将河道划分为106个网格,共计86行、24列,建立二维模型。通过研究参考文献及相似案例,最终确定本模型的参数和取值。将参数值输入程序中,对慈湖河流域2013年水质进行模拟计算。与马鞍山实际数据比对后发现,模型输出的水位、流速、水质结果在合理范围内。表明在慈湖河干流建立二维水质污染扩散模型,具有较高的拟合、预测精度和泛化能力,模型及方法可为相关水质预测研究提供参考。此外该模型可与web应用系统集成,应用于水质预警,模拟不同污染负荷情形下水质变化,模拟污染事故发生后不同应急措施对污染情况的改善效果,为污染控制和水环境管理工作提供科学依据。     

基于电力历史应急大数据的应急情景规则分析与发现方法研究

为了解决电力突发事件演化过程难于预测,进而导致事件应急缺少针对性,较为被动的问题,提出在现有应急预案指导、事故模拟仿真、事故案例经验总结等方法基础上,引入基于电力历史大数据分析与预测的应急情景规则分析与发现方法,将电力应急突发事件情景构建的结果与相关大数据预测模型（汇总统计、分类与预测）相结合,提出科学、合理且具有良好操作性的情景演化规则的获取方法与技术路线,为进一步提高复杂电力突发事件的应急处置与指挥能力提供技术支撑。     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。