基于GM(1,1)的残差修正模型的电梯故障率预测

为研究某城市某品牌电梯故障率发展趋势,建立了该城市该品牌电梯故障率的GM(1,1)灰色预测模型,并对所建模型进行了数据检验,检验结果表明该预测模型的预测精度波动较大。为了提高GM(1,1)灰色预测模型的预测精度,利用对模型进行数据检验时得到的残差序列,建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。利用经残差修正模型修正后的故障率预测模型对该城市A品牌电梯的故障率进行预测,结果表明:1)残差修正模型对原模型修正后的相对误差与修正前相比有升也有降,但精度有所提高且趋于稳定,表明残差修正模型有利于提高预测精度;2)利用所建立的故障率预测模型求得的预测故障率与实际故障率相比,相对误差不超过8.010%,表明该故障率预测模型的预测精度较高;3)修正模型预测值表明,在现有状态下该城市A品牌电梯的故障率呈上升趋势,应加强该品牌电梯的检维修与管理。     

基于灰色马尔科夫模型的电梯故障率预测

电梯故障率的预测对预防电梯事故的发生具有重要意义,可反映各品牌电梯的故障率发展趋势,也可为后续电梯维保和检验检测提供数据支撑.针对电梯故障的随机性,利用灰色预测的建模方法不能很好地进行预测,预测精度不高,但结合马尔科夫模型能适应随机性较大的数据特点,因此建立了电梯故障率预测的灰色马尔科夫模型.通过对某品牌电梯故障率的预...     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.     

基于灰预测模型的大跨度预应力混凝土桥梁施工监测

运用灰色系统理论,建立大跨度预应力砼刚构-连续组合梁桥悬臂浇筑施工梁段立模标高预测的GM(1,1)模型,并用残差的GM(1,1)模型对其进行修正;同时把该预测模型应用于松原龙华松花江特大桥实际工程;其结果表明梁段立模标高预测精度较高,完全能够满足工程的需要,为同类桥梁的施工监测提供参考。     

基于灰色神经网络组合模型的矿山安全事故预测分析

本文在分析灰色预测方法和神经网络预测方法所具有的互补优势的基础上,提出修正灰色预测残差序列的方法,计算其拟合结果,排除系统数据受到的冲击和干扰,建立基于灰色神经网络组合算法的模型,进而提高预测的精度。将此方法运用于矿业安全事故预测分析中,建立了多个预测模型,比较得出灰色神经网络组合预测模型的最优性,为矿业安全事故的预测研究提供了一种可行性途径。     

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。     

基于ARIMA和XGBoost组合模型的交通事故预测

近年来交通事故及其损失严重影响社会经济的发展和人民生活的提高,交通事故预测可以为交通事故预防提供数据支持。基于自回归滑动平均(ARIMA)模型和极端梯度提升(XGBoost)模型,构建时间序列组合预测模型,对交通事故相关指标进行趋势预测。根据交通事故的特点,选定"事故起数""受伤人数""死亡人数"及"损失"4个指标。首先,根据自相关、偏自相关图确定ARIMA模型参数,根据AIC(赤池信息准则)值确定最终模型;然后,对4个指标的ARIMA模型预测结果的残差构建残差序列,对其进行XGBoost建模,得出修正后的残差预测值;最后,根据残差预测值和ARIMA模型预测值得出组合模型最终的预测值。实例结果表明,4项指标的混合预测模型的预测精度均优于单一的ARIMA模型和Holt-winters模型,其中以"受伤人数"和"死亡人数"的模型改善效果最为显著,"受伤人数"指标的平均绝对百分比误差降低了5.431 7个百分点,"死亡人数"指标的平均绝对百分比误差降低了3.625 9个百分点。     

尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用

为解决海底油气管道由于外表面破损引起腐蚀加快,进而导致管道腐蚀失效的问题,基于传统灰色模型,建立尾段残差修正GM(1,1)模型,用以预测管道剩余寿命。首先,检验管道腐蚀深度数据的光滑性和准指数规律性,建立灰色微分方程;然后利用最小二乘法求出方程参数值,用传统灰色模型预测腐蚀深度,并对残差进行修正,从而得到一个完整的用于海底管道腐蚀趋势预测的尾段残差修正GM(1,1)模型,并对预测结果进行后验差检验。最后以某一海底管道试验段为例,预测管道剩余寿命。结果表明,传统管道腐蚀深度预测灰色模型预测相对误差为36.7%,尾段残差修正GM(1,1)模型预测的相对误差为3.79%,后者预测精度等级更高。     

煤矿事故预测的马尔可夫SCGM(1,1)c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

灰色预测在平朔煤炭工业公司安全生产中的应用

利用灰色系统理论,建立了平朔煤炭工业公司事故伤亡率的GM(1,1)动态预测模型,并采用残差修正方法,提高了预测精度.对于该矿山有效地控制安全事故的发生,减少其造成的经济损失起到了重要的作用.     

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。     

灰色预测模型在能源消费需求预测中的应用

以我国1998—2008年度5种能源实际消费数据分别作为原始离散数据序列,利用非线性理论中的灰色建模原理,以关联度分析和残差辨识为基础,应用缓冲算子三公理原理对各能源消费的原始序列进行二阶弱化(D2)得序列X(0)。再通过生成处理和倒数变换获得序列X(1),借助灰色系统理论数据处理软件、Originapro作图软件和Matlable计算软件求得各模型的待辨参数a,b和c后,获得基于贫信息的传统GM(1,1)模型、基于原始数据具有绝对误差的灰色CompertzI和具有相对误差的灰色CompertzII模型。通过残差检验发现,建立的15种预测模型的预精度在85%～98%,属好的预测模型,预测数据可靠。用其预测我国2015年度的能源需求发现,煤炭占总量的66%～70%,说明煤炭依然是未来能源中的主体能源,高效开发与科学利用是未来的重点,同时也揭示:高消费有限的不可再生能源,意味着主体资源即将枯竭,开发新能源已成未来社会稳定与发展的重大课题。     

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。     

单变量灰色预测模型在煤矿开采沉降预测中的对比分析

以预测煤矿开采而引起的地表高程的损失为目的,通过灰色系统理论的建模、关联度分析和残差辨识,建立基于贫信息的传统GM(1,1)模型、GM(1,1)残差模型、时序残差GM(1,1)模型,又建立基于原始数据具有绝对误差的灰色CompertzⅠ和灰色LogisticⅠ模型与具有相对误差的灰色CompertzⅡ和灰色LogisticⅡ模型,并将其应用到金竹山矿业公司土珠煤矿的地表沉降量的实际预测分析中,对该矿2007年度1—10月的地表高程损失量进行灰色生成后,建立了7种灰色预测模型。根据其预测值的精度检验结果对比分析表明,所建立的7种模型均为一级(好)模型,且灰色CompertzIⅡ和灰色LogisticIⅡ模型远优于传统GM(1,1)模型,预测精度高,可靠性强,对煤矿开采的复垦规划有重要指导作用。     

电梯设备安全事故率的广义代数差分预测模型

为预测电梯设备安全事故发生率，采用广义代数差分法(GADA)建立动态差分预测模型。首先，采用GADA设置多自由参数，构建系列动态差分方程；其次，采用代数差分法(ADA)设置单自由变量，构建对照方程；然后，耦合分析统计指标和图形形态，厘定电梯设备安全事故率的最优GADA预测模型；最后，利用近16年我国电梯设备安全事故数据验证分析最优预测理论模型的有效性。结果表明：我国电梯设备的安全事故发生率呈整体降低的趋势，但万台事故率的下降趋势有所减缓；采用GADA由指数方程推导的模型偏差为0.002 2,均方根误差(RMSE)为0.045 352,拟合度为0.886 8,是最佳预测模型，预测值相对误差为5.9%。该模型可根据电梯设备登记数、万台事故数等实时数据进行更新，预测我国电梯设备的安全事故发生率。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

基于FA-BAS-ELM的海洋油气管道外腐蚀速率预测

为提高海洋油气管道外腐蚀速率预测的精度和效率,建立基于因子分析(FA)和天牛须搜索算法(BAS)的极限学习机(ELM)腐蚀速率预测模型。利用FA对影响因素数据集进行降维处理,确定预测模型的输入变量;建立ELM预测模型,并采用BAS对ELM模型的参数进行优化,避免参数取值随机性对模型预测性能的影响;以实海挂片试验为例,通过建模仿真评价模型的预测性能,并与其他模型进行对比分析。结果表明：FA-BAS-ELM预测模型的平均绝对误差(MAPE)仅为1.92%,决定系数R²高达0.994 9,相比于其他模型,该模型具有更优的预测性能。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

矿坑涌水对大气降水的响应分析及预测

分析了程潮铁矿矿坑涌水对大气降水的响应特征,通过大气降水-矿坑涌水互相关函数值,研究了不同滞后期大气降水对矿坑涌水的影响程度。建立了基于时间序列分析的大气降水-矿坑涌水传递函数模型的预测方法。利用最小二乘法对传递函数部分进行参数估计,并对残差序列进行自回归处理,平均误差低于3.26%。预测模型在一定程度上能够反映出矿坑涌水对大气降水的滞后和相关关系,适用于采用崩落法或上覆围岩裂隙破碎带发育的地下矿山。     

煤层瓦斯含量影响因素分析及灰色预测

矿井煤层瓦斯含量与煤层埋藏深度、围岩性质等密切相关,以不同煤层地质参数及其相对瓦斯含量数据为原始序列,通过灰色处理建立微分方程预测模型,使用GM(1,4)灰色预测模型建立了未开采区瓦斯含量的预测方程,并进行了残差检验.同时对不同因素对瓦斯含量的关联程度进行了分析.