基于改进局域平均预测法的PM2.5浓度预测

准确预测PM2.5浓度对人类生产生活具有重要意义,由于影响PM2.5浓度因素的复杂性和相关数据获取的不易性,使预测较困难。针对这些问题,提出了基于改进局域平均预测法的PM2.5浓度预测方法。该方法可避免上述问题,达到预测的目的。研究中首先采用C-C法得到PM2.5浓度时间序列的嵌入维和延迟时间并进行相空间重构,然后针对邻近相点选取问题这一难点,提出了基于邻近轨道的邻近相点选取方法。该方法能在一定程度上避免引入伪邻近相点。在回溯搜索优化算法的基础上,提出整数回溯搜索优化算法,并将其应用于邻近相点个数的确定。选取北京市2013—2015年PM2.5浓度数据进行仿真预测,结果表明改进后的局域平均预测法性能优于原算法,可短期实时预报PM2.5的浓度。     

基于克里格插值法的重金属污染分布分析

以变差函数为工具,对青岛某区域上Cu和Ni等重金属元素的污染进行了分析。随机性和结构性是重金属污染数据分布特性,在地质统计学的基础上,利用Sufer 8,对块金和克里格球面模型在不同方向进行变差曲线拟合,预测重金属元素污染区域的平面展布。结果表明,Cu元素与Ni元素污染情况分布各异,但都具有空间自相关性,且在样本点足够多的情况下,克里格插值法的预测精度趋于增高。     

基于技术扩散的客流量预测

旅游客流预测是旅游开发的基础研究内容.由于旅游客流具有动态的变化性和影响因素的多样性等特征,使定量的描述和预测旅游客流量具有较大的难度.鉴于此,综合技术扩散理论和区位论等理论,根据技术扩散的思想,在区域选择分析的基础上建立了具有较强实用性的客流动态预测模型.     

基于R-L技术的风电系统可靠性预测分析

随着化石燃料的日益枯竭和生态环境的逐渐恶化,风能凭借其清洁、环保、可再生等诸多优势,引起了能源行业的高度重视。然而,由于风速具有显著的随机性和波动性,风电场馈入电网的功率往往具有较大的不确定性,从而影响电网的安全经济运行,甚至会造成严重的电力故障。因此,有必要采用合理的预测方法获取风电场在未来某一时间段的出力,并量化其对电力系统运行可靠性的影响。本文提出一种风电出力的预测方法,以已有历史风电出力和负荷数据为基础,应用R-L技术建立风电系统的等效模型,通过对该模型的模拟,得到未来一年内满足负荷需求量的预期发电量,以此评估风电系统的可靠性。以某一装机容量为15 MW的风电场为对象,将采用所提方法得到的模拟数据与实际数据进行比较,验证了所提算法的有效性。     

基于深度学习的半导体器件寿命预测研究进展

半导体器件的可靠性对于电子设备的可靠使用有重要影响,迅速、准确地进行半导体器件的寿命预测是预防系统故障、保障系统可靠性的基础。基于物理模型的寿命预测方法依赖于器件结构和失效机理的认知程度,难度较高,传统的基于数据驱动的寿命预测方法对数据有较高要求,但无法对器件的性能退化做出解释。深度学习方法因其强大的自主学习能力逐渐被应用于寿命预测领域。本文首先介绍了半导体器件的寿命预测研究现状,其次介绍分析了几种基于深度学习的方法,最后对基于深度学习的寿命预测方法未来研究方向进行展望。     

基于ARIMA-BP模型的包头市环境可持续发展预测

以国家生态环境政策为基础,构建城市环境PSR模型并确定各个指标权重,模型包含5个环境压力指标、6个状态指标和4个响应指标因素。根据2000—2013年包头市环境PSR指标数据计算环境可持续系数、环境压力系数、环境状态系数和环境响应系数,运用时间序列ARIMA模型,分别预测2014—2020年各个指标的变化,构建三层BP神经网络15-21-4模型预测包头市2014—2020年环境可持续系数的发展趋势。根据预测结果,提出包头市转型发展、改善生态环境、建设生态文明的对策,以促进资源有效利用、加快产业转型、加大环保力度,呼包银榆经济区环境协调与可持续发展。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

环境试验设备温度波动度的抽样极值法讨论

温度波动是表征试验设备试点短时温度变化的参数,是连续型随机变量。本文通过分析抽样极值法的概率等问题,讨论这种方法对试点温度离散性的描述。     

基于灰色BP神经网络碳排放交易价格预测

在对中国碳排放交易市场碳交易价格形成机制讨论的基础上,提出了预测指标体系.利用2017年1月1日—2018年9月30日广州碳交易市场碳交易价格数据和指标体系中各预测变量的数据,应用Lasso回归方法对变量进行筛选,建立灰色BP神经网络对碳交易价格进行预测.预测模型对于10期以内短期预测平均相对绝对误差(MAPE)小于4...     

一种基于预测法的电磁兼容设计方法

文章以数模混合电路设计实践为基础,介绍了一种基于预测法的电磁兼容设计方法。先以电磁兼容测试理论为基础介绍数模混合电路设计中的电磁兼容方法,在以此方法建立电磁兼容设计模型,并通数模混合电路实践来检验和改进设计模型。     

基于有限元的电力电缆缆芯温度预测方法

温度作为评估电力电缆是否能安全、稳定运行的重要参数,但电缆受到安装环境等因素的影响,导致其电缆缆芯温度难以直接测得。基于此,提出依托有限元开展电缆缆芯温度预测的方法。下文在阐述有限元及BP神经网络相关概念基础上,利用有限元结合电缆热参数、边界条件等相关数据,创建电缆温度场有限元模型,并求出各环境及负荷参数下的缆芯温度,获得相应的样本数据。随之,借助样本数据训练神经网络构建相应的温度预测模型。实验结果证实,文中所提出的缆芯预测方法能准确预测其温度,能够对于电网实现主动预测性管理提供重要的参考。     

基于BP神经网络的重要水库水源地风险预测

水库是饮用水源的重要载体。近年来,社会经济急剧发展,大量污染物的排放严重威胁了水库饮用水源的健康。为保障人民群众饮水安全,准确识别水库型饮用水源地健康风险程度,基于模糊综合评价和BP神经网络建立了水库型饮用水源健康风险预测模型,构建了一个具有多层次多指标特性的饮用水源健康评价指标体系,并结合珊溪(赵山渡)库区的实例,对该库区饮用水源进行了健康风险预测。结果表明:该库区的水源健康等级为健康,与实际调研情况相符。神经网络模型可以用于对饮用水源健康风险预警,对水源地相关管理部门的水源健康评价工作具有一定的参考意义。     

基于随机森林算法的航材消耗预测研究

为了解决以往在研究航材消耗数量预测问题时,忽略影响因素,仅依靠数据进行预测,结果往往误差较大,本文采用随机森林算法对航材月消耗数量进行预测.首先,对航材消耗影响因素进行分析,提取特征;其次,对特征进行重要性分析;最后,采用随机森林构建模型对消耗数量进行预测,并将结果与实际和其他模型对比,实验表明该方法在航材预测应用上具...     

基于Elman神经网络的我国入境游客量动态预测

为了更好地拟合我国入境游客量系统动态和时变特性,对我国入境旅游游客量进行科学准确的预测,将Elman网络引入我国入境游客量预测,提出基于Elman神经网络的入境游客量预测模型。以国家统计局公布的最近30个月我国入境旅游游客量月度数据为研究对象,前27个月数据用于建立训练网络,后3个月数据用于检验模型,模型预测最大误差为2.928%,最小误差为1.492%,平均误差为2.19%,模型预测效果与实际非常接近。结果表明:模型能更好地反应我国入境游客量系统的非线性、动态性、时变性等特征,为我国入境旅游游客量预测提供了一种较可靠的途径。     

基于Wiener过程的霍尔电流传感器可靠性预测

霍尔电流传感器的退化机理复杂,退化具有波动性,非线性等特征,对高可靠、长寿命的霍尔电流传感器准确进行寿命预测是一个难点。本研究通过对霍尔电流传感器进行加速退化试验,利用性能退化数据,预测了传感器的可靠性及寿命。首先分析了霍尔电流传感器工作原理和退化机理,确定将输出电流漂移作为其性能退化参数。然后由试验数据推导得到Wiener过程漂移参数和扩散参数的约束关系,结合阿伦尼乌斯模型推导得到漂移参数和扩散参数的加速模型。从而得到霍尔电流传感器在正常工作温度条件下的可靠度函数和可靠寿命。将结果与基于加速退化轨迹法的可靠性预测结果进行对比,验证了本方法的可行性。     

基于IHS-RELM的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出这样复杂的动态变化系统,提出了改进的和声搜索算法(IHS)与正则极速学习机(RELM)相结合的预测方法。对和声搜索算法的基本原理进行了研究,通过采用动态变化的PAR和BW值,优化和声搜索算法的全局搜索能力;利用IHS选取RELM中的输入层权值(IW)和隐含层阈值(B),以均方根误差为目标函数,提高了算法的预测精度。仿真实验结果表明,通过与已有的BP神经网络和SVM预测模型作对比,该方法具有更好的预测效果。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

基于多元回归分析的我国能源消费量预测研究

针对目前我国能源消费量预测中变量选取单一、预测误差较大等问题,结合我国能源消费实际情况,引入GDP、人口、煤炭消费量、通货膨胀率建立了我国能源消费量预测的多元回归模型.利用该模型对1985-2010年能源消费量进行拟合,拟合效果较好;利用该模型对2011-2013年能源消费量进行实际预测,最大误差为1.708％,平均误差为1.3269％,最小误差仅为0.6748％,预测精度较高,为我国能源消费量预测提供一种新的途径.