基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。

某三甲中医医院ICU感染发生率时间序列分析及趋势预测

目的:了解某三甲中医医院ICU感染发生率的时序分布特征,预测其发生规律和趋势,为中医医院ICU感染监测提供数据支持。方法:收集某三甲中医医院2019年1月至2024年2月ICU医院感染数据。利用求和自回归滑动平均模型(Autoregressive integrated moving average,ARIMA)对ICU感染发生趋势进行预测并评价其预测效果。结果:2019年1月至2024年2月某三甲中医医院ICU医院感染发生率为2.61%(232/8895);时间序列分析显示,ICU医院感染发生率波动较大且存在一定周期性,总体呈下降趋势。根据赤池信息准则和贝叶斯信息准则拟合,ARIMA(0,1,1)为最优预测模型。经参数估计与效果评价,感染发生率实际值均在预测值95%可信区间内,模型预测效果较好。结论:运用ARIMA对某三甲中医医院ICU医院感染发生率的预测结果良好,可显示其长期发生规律与趋势,能为医院感染监测提供科学依据。

东北三省碳排放影响因素分析和趋势预测——基于STIRPAT模型和情景分析法

东北三省是“双碳”目标下碳减排工作的重点区域。利用STIRPAT(可拓展的随机性环境影响评估)模型对2000—2021年东北三省各省的碳排放影响因素进行分析,并利用情景分析法预测截止到2040年以前、均衡情景下东北三省各省的碳排放趋势。模型分析结果表明:各省只存在导致碳排放量增加的影响因素;能源消费总量、碳排放强度、人均GDP是各省的共同影响因素;各省的影响因素是不同的组合;各省影响因素的促进作用存在省份差异性。预测结果表明:碳排放量同期数值由高到低依次为辽宁省、黑龙江省、吉林省;各省的碳排放量曲线都呈现出倒“U”形并能够看出明显的峰值;黑龙江省和吉林省碳达峰的时间都为2012年,而辽宁省碳达峰的时间为2025年。针对分析和预测结果,提出能源、社会经济、区域协调3个方面的建议。

基于运行效率分布差异的水电机组劣化状态趋势预测

为解决水电机组劣化状态难以刻画及预测精度低的问题,需深入探究不同机组状态下运行效率的分布差异特性,提出了一种基于运行效率分布差异的水电机组劣化状态趋势预测方法。首先,综合考虑水电机组工况(水头、流量)与效率之间映射关系和状态监测数据随机性,利用高斯混合模型拟合多工况下机组健康状态运行效率的概率分布特性;在此基础上,计算观测样本在机组健康状态分布下的负对数似然概率,并以此作为水电机组劣化状态指标,表征观测样本与机组健康状态标准分布之间的偏差;进一步采用非因果原理和高斯误差线性单元,分别改进时间卷积网络(TCN)的膨胀卷积模块和残差模块,并融合门控循环单元(GRU),设计并构建水电机组劣化状态预测模型;最后,利用某水电站#6机组实际运行监测数据开展方法验证。结果表明,所提方法能有效提升机组劣化状态趋势预测精度。

1980—2020年洱海流域土地利用变化及趋势预测研究

以洱海河流域为研究对象,探究其1980—2020年间土地利用变化及未来20年变化趋势。基于40年间5期土地利用数据,借助ArcGIS、IDRIS、Excel软件,利用土地利用变化指数、转移矩阵、土地利用演化信息图谱,分析洱海流域40年来的土地利用变化及相互转换;利用IDRIS的CA-Markov模型预测其未来20年土地利用变化。结果表明,1980—2020年间洱海流域土地利用变化呈多元上升趋势,耕地呈持续下降趋势,建设用地逐渐快速增长,综合土地利用年变化率呈上升趋势。CA-Markov模型预测结果表明,未来20年耕地面积有所下降,林地、建设用地面积有所上升,草地、水域、未利用地面积保持相对稳定。从土地利用演化信息图谱来看,土地利用转换主要集中在自然保护地范围外,保护地内土地利用变化主要集中在1990—2010年间,且变化不大。未来20年内城镇化持续扩张,主要集中在洱源盆地、凤羽盆地和海西坝子区域。

跨领域跨时间的技术需求热点分布及其趋势预测

[目的/意义]技术需求热点预测是技术创新过程中起引领作用的关键因素,准确识别对预见技术创新的实际应用市场价值、降低创新风险以及产业现代化升级至关重要。[方法/过程]通过使用Word2Vec模型和TF-IDF提取关键词,结合LDA建模和主题聚类进行跨领域综合分析,生成技术热点主题,并通过词云图展示现有技术热点分布趋势。此外,通过选取高频词和低频词,并结合时间序列及回归分析,跨时间识别技术需求聚焦领域,并计算不同技术的相对增长率,以获取技术的发展潜力。[结果/结论]中部地区的技术需求热点主题主要集中在“智能系统与设备升级”“环保与资源化利用”和“生产流程与质量管理”等领域;在高性能、智能化的工艺技术及装备等方面存在技术需求缺口,并且产品检测、富硒化合物以及智能化的合成研制生产工艺具有较高的发展潜力。

基于改进Transformer和超图模型的股票趋势预测方法研究

股票预测是一项令人痴迷又极具挑战的任务。近年来,融合关系信息的股票时序预测方法取得一些进展,但仍存在如下问题:首先,基于图神经网络的方法仅考虑股票之间简单的成对关系,而未考虑股票间的高阶协同关系。其次,现有方法采用预定义图的方式直接给出股票间的静态关系,无法建模股票间潜在的动态变化关系。为了解决上述问题,提出一种端到端的动态超图卷积神经网络股票趋势预测框架。该框架基于改进的Transformer提取股票的时序信息,通过静态超图和动态超图将股票间的协同关系信息引入到时序建模中。在中国A股和美股市场数据集上的实验结果表明,与当前先进模型相比,本文模型的预测性能具有显著优势。

基于RF-MIC-PCA的股票趋势预测

股票因子具有丰富性、相似性等特点,但对其进行趋势预测较难得到良好效果。针对此问题,提出了一种基于RF-MIC-PCA的股票趋势预测算法。首先,利用随机森林(RF)的基尼指数构建因子与类别间的重要性评分规则,剔除低分因子;然后,利用最大信息系数(MIC)构建因子间的相关性评价方法,并融合主成分分析法(PCA)减少因子冗余度;最后,通过随机森林算法预测的分类准确率作为衡量标准,建立基于RF-MIC-PCA的股票趋势预测算法。为验证算法的有效性,从沪深300中选取10只代表性股票进行实验,结果显示RF-MIC-PCA算法在数据集维度降低了20.45%的同时有效提升了算法的预测性能。另外对沪深300、上证50指数进行趋势预测,准确率分别提高了4.1%和5.0%,验证了算法的普适性,具有一定的实用价值。

生态文明建设背景下国家湿地公园景观生态健康评价与趋势预测——以湖南汨罗江国家湿地公园为例

科学评估国家湿地公园景观生态健康水平与演进趋势对促进国家湿地公园高质量发展具有理论意义与现实价值。以湖南汨罗江国家湿地公园建设前后的遥感解译数据为基础,从湿地环境、景观结构、综合功能层面构建评价体系,采用空间插值等方法分析其景观生态健康时空差异,并结合灰色预测模型预测未来一段时间该研究区的景观生态健康趋势。研究结果表明:(1)从景观格局来看,建设用地持续扩张,水域、林地、草地等景观逐渐减少,景观破碎化趋势虽有减缓但依然存在;(2)从景观生态健康水平来看,时序演变上总体处于亚健康状态,2013年下降尤为明显,2018年和2022年有所缓和;各子系统中湿地环境基本健康,但指数值逐年下降,景观格局日渐破碎,2018年有所缓解,社会经济指数增长显著。在空间分布上区域差异明显,研究期内中部偏南区域景观生态健康水平持续下降,东南部景观退化问题严重;(3)从景观生态健康演变趋势来看,未来一段时间内湖南汨罗江国家湿地公园景观生态健康水平虽有所回缓但基本处于亚健康状态。

基于HHT-LSTM的冬奥会临时设施运行趋势预测方法研究

针对冬奥会延庆赛区临时设施的安全性和可使用性,本文充分结合信号处理算法与深度神经网络,提出了一种由希尔伯特黄变换(Hilbert-Huang transform,HHT)对时序数据进行信号分解和信号特征提取,长短期记忆网络(long short-term memory,LSTM)进行临时设施运行趋势预测2部分构成模型。该模型基于受严寒天气和大客流诱发的看台振动等一系列外因影响所测得的真实振动和倾角数据,实现对设施进行有效的预测,以避免发生安全问题,解决了由于受数据中一些无关特征因素的干扰导致预测准确度低的问题。论文提出的方法与循环神经网络(recurrent neural network,RNN)、门控循环网络(gated recurrent neural network,GRU)、双向RNN和双向GRU等运行趋势预测方法进行比较,验证了本文方法的可行性和有效性,实验结果也说明所提出的模型在此类任务中表现非常出色。

基于CSSA-LSTM的IGBT模块退化趋势预测

针对逆变器中绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)模块失效率高且易损伤老化以及器件退化过程难以预测的问题,文中提出一种结合长短期神经网络(Long Short-Term Memory,LSTM)和混沌麻雀的神经网络预测模型。通过引入二维皮尔逊相关系数法获取组合退化特征,构建基于LSTM的电压退化预测模型。利用模型自适应提取退化特征内部相关性,实现对关键信息筛选,挖掘深层次退化特征。在麻雀搜索算法的可行域中引入高斯变异的正态分布随机数和Tent映射对应的混沌序列,提升预测的精度和稳定性。对模型的学习率、神经元个数、batch-size进行寻优,寻找最优值匹配网络拓扑。采用最优结构参数的LSTM对各原始数据分别预测,得到最终的退化预测值。以NANS实验中心的加速退化数据集进行算例分析,并与常规预测算法对比,验证所提算法的有效性和准确性。

甘肃省农牧业碳排放影响因素及趋势预测研究

为探讨甘肃省农牧业碳排放特征及影响因素,预测2023—2035年农牧业碳排放趋势,为甘肃省制定农牧业碳减排政策提供理论依据,文章基于甘肃省2010—2021年种植业、畜牧业两类碳源数据,运用IPCC经典碳排放计算理论测算其碳排放量,分析动态变化趋势;使用LMDI模型展开影响因素分析,并利用灰色预测模型预测2023—2035年农牧业碳排放发展趋势。结果表明:2021年甘肃省农牧业碳排放量为7.64×10^(6)t,2010—2021年甘肃省农牧业碳排放总量呈波动上升趋势,其时间演变轨迹可以分为“持续上升、波动下降、逐步回升”三个阶段,化肥与农膜是种植业碳排放重要来源,畜牧业牲畜肠道发酵对碳排放的贡献略高于粪便管理。农业生产效率和劳动力因素在减少农业碳排放方面发挥一定作用,而经济发展水平和农业产业结构推动了农业碳排放的增加;模型预测结果显示,甘肃省2023—2035年农牧业碳排放量将逐年下降。

基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测

针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction, SER)与随机森林(random forest, RF)-长短期记忆网络(long short-term memory, LSTM)的混合预测模型。首先,利用改进自适应噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive white noise, ICEEMDAN)方法,将复杂非线性振摆信号分解为一组本征模态(intrinsic mode functions, IMFs)分量;其次,采用SER原理重组具有相似复杂度的IMFs,得到多个重构特征分量(reconstruction feature components, RFCs);然后,利用随机森林预测样本熵最小的RFC,利用LSTM预测剩余的RFCs;最后,叠加各RFCs预测结果,实现水电机组状态趋势的准确预测。实验结果表明,所提方法具备更优的预测性能,可为实施机组预测性维护提供可靠的数据支持。

基于深度学习的用气趋势预测与管网气量调配算法——以中国石油西南油气田公司为例

生产实时数据是油气生产的重要资产,通过监测实时数据,管理人员可以及时掌握油气田的生产运行状况,目前数据使用主要集中在数据监测、设备联锁、支撑报表自动生成等应用。为了提升已有数据价值、支撑调度管理,对某气矿已采集天然气开发生产实时数据再利用,通过深度学习进行用户用气量趋势预测,并研究出一种管网气量调配的算法,实现了管网输气调配方案的自动生成。研究结果表明:①通过对历史数据的处理,可以对异常值进行分析和过滤,从而获取能够使用分析的数据,并能生成参数的正常运行区间,对有效数据提取、指导工艺参数运行范围具有重要意义;②通过神经网络进行用户用气量小时趋势的预测,能较好地捕获未来一段时间内的用气量变化趋势,从而实现对需求量变化的提前感知;③通过构建最少调整次数和最接近标定产能两种基于管网汇总气量的井口产量调整算法,实现了气井生产管网调配方案的自动计算,减少了人工计算分析管网气量调配的工作量。

基于MDN和VMD-TPA-LSTM的泵站主机组劣化趋势预测

为提高泵站主机组的安全稳定运行能力,解析其运行状态,获取机组设备的健康状况,准确预测其未来发展趋势,提出一种基于混合密度网络(Mixture Density Networks,MDN)和融合变分模态分解(Variational Mode Decomposition,VMD)与基于时序模式和注意力机制的长短时记忆网络(Temporal Pattern Attention-Long Short-Term Memory Network,TPA-LSTM)的泵站主机组劣化趋势预测模型。模拟结果表明,此法能够准确地表达机组的劣化趋势并可有效提高其预测精度。

呼伦贝尔市草原有害生物发生情况趋势预测及对策建议

文章统计呼伦贝尔市2019—2023年草原有害生物发生情况,结果表明:呼伦贝尔市草原有害生物危害面积946.9万公顷,严重危害面积475.4万公顷,防治面积489.8万公顷。其中:草原鼠害危害面积863.1万公顷,严重危害面积440.7万公顷,防治面积459.8万公顷;草原虫害危害面积75.9万公顷,严重危害面积31.7万公顷,防治面积28.5万公顷;毒害草危害面积7.9万公顷,严重危害面积3.0万公顷,防治面积1.5万公顷。2024年全市鼠害预计危害面积45.2万公顷,与2023年相比呈下降趋势;草原虫害预计危害面积16.9万公顷,与2023年相比呈上升趋势。在此基础上,提出持续加大草原有害生物防治投入力度、大范围使用生物药剂防治草原有害生物、增加绿色防控比例等对策建议。

基于卡尔曼滤波的旅游经济发展趋势预测算法研究

旅游经济是经济体中十分重要的一部分,对其发展趋势进行预测,对旅游市场的决策制定以及市场开发等都有着很大的影响。基于此,提出基于卡尔曼滤波的旅游经济发展趋势预测算法。通过在权威渠道选取旅游经济数据,引入卡尔曼滤波原理,在算法框架中定义卡尔曼滤波的矩阵,并利用新息方程求解该算法。实证预测结果显示:在未来几年内,旅游经济在2027年之前将呈现出较高增长率的发展趋势,2027年至2034年旅游经济增长率发展趋势放缓,于2035年呈现负增长发展趋势后,再次呈现正向增长的发展趋势,这表明旅游经济整体上将呈现正向增长的发展趋势。

住宅物业管理的三个趋势预测

近年来住宅物业管理越来越被社会关注和讨论,上到中央政府,下到基层社区,大到专家学者,小到街坊老太,有客观认知正面发声的,但更多的是误解和偏见。这一次笔者专门谈谈住宅物业管理,因为非住宅物业管理是各个机构和法人之间的业务交易,是非常成熟的市场经济中的一项业务而已,不涉及社会问题,有它的商业模式和发展逻辑,不适用笔者文中的观点。

基于时间序列和改进随机森林算法的混凝土价格趋势预测

有效而准确的预测商品混凝土价格变动趋势,对各类建筑的施工规划具有重要意义。相比其他预测模型,随机森林模型具有更高的预测精度。然而不同的数据结构都有其独特之处,针对特定数据结构进行模型优化,有助于提高算法在特定数据上的处理性能。我们针对时间序列分类(TSC:Time Series Classification)的特征提出一种改进随机森林算法。首先将随机森林创建训练子集时的随机抽样调整为倾斜抽样,然后将决策树分裂时的随机特征向量抽样调整为分层抽样,最后以加权投票取代平均投票。实证结果表明相比原始随机森林算法,改进模型具有明显优势,对商品混凝土价格变动的预测准确率达98.4%,预测精度、召回率和F1评分分别为:98.7%,98.2%,98.4%,可以实现了商品混凝土价格变动趋势的精准预测。

城市社区治理发展趋势预测

自《民法典》在2021年1月1日起施行,我国社会治理迈入了一个新的阶段。社区治理形势的复杂性增加,各地出现了形式多样的业主活动和联合组织,标志着业主时代的到来。中央政府加强了对基层社会治理的重视,意识到社区治理的重要性和紧迫性。同时,“互联网+”时代的到来也为社区治理带来了新的机遇和挑战,对业主自治和物业管理格局的发展演进产生了深远的影响。本文试图从困境破局、转型升级以及规范发展三个方面对城市社区治理发展的趋势进行预测。