MRA-RBF神经网络组合算法的煤矿材料成本预测

为解决煤矿材料成本预测存在的问题.将多元回归模型和RBF神经网络相结合,建立了煤矿材料成本预测的MRA-RBF耦合模型.从自然因素、技术因素、管理因素等方面选取8个变量建立煤矿成本预测指标体系.对实际煤矿材料成本进行预测分析.结果表明:MRA-RBF耦合模型预测最大误差为10.795 145 2%,平均误差为5.459 71%,最小误差仅为0.344 581 7%,预测效果较好,预测精度与单一MRA模型及RBF神经网络相比有了较大提高.验证了所提出模型的科学性、准确性,说明将线性拟合算法(MRA)和非线性拟合算法(RBF)结合起来用于煤矿材料成本预测是一种较为优越的算法,为煤矿材料成本预测及控制提供一种新的方法.

基于船舶阻力性能的船型主尺度参数敏感度分析

采用回归分析法研究船型主尺度参数对阻力性能的敏感度。首先确定船型参数及其变化范围;然后,通过均匀试验设计方法在设计空间选取样本点,并采用流体分析软件(Shipflow)对每个样本点进行阻力性能数值计算,进而构建样本集,再采用径向基神经网络生成近似模型,并验证近似模型的精度;最后,利用回归分析法得到船型主尺度参数对阻力性能的敏感度排序。通过研究可确定对总阻力性能影响显著的主尺度参数,从而为船型主尺度优化的顺利进行打下基础。

SVR参数对非线性函数拟合的影响

对基于径向基函数(RBF)的支持向量回归(SVR)模型参数的理论研究与实验论证结果表明,惩罚系数、不敏感损失函数的宽度以及核函数参数对非线性函数拟合精度均有影响,给出SVR参数的经验范围以减小人工选择SVR参数的盲目性,并通过缩小参数优化算法的搜索区间,降低算法的整体时间复杂度和空间复杂度。

因子相关性对大坝监测模型精度的影响探究

介绍了逐步回归、岭回归、偏最小二乘回归、RBF神经网络、主成分RBF组合模型的基本思路与特点。以陈村大坝变形计算为例,分别建立了各种回归模型,比较了各种模型的优缺点,指出线性统计模型中偏最小二乘回归法的拟合精度及解释能力优于逐步回归、岭回归法;RBF神经网络、主成分RBF组合模型优于线性统计模型,主成分RBF组合模型最优,拟合及预测精度最好。

基于时间序列的软件可靠性预测模型研究

将软件可靠性测试阶段获得的失效数据作为时间序列进行多尺度分解,对分解到不同尺度上的数据分别利用不同的时序预测模型进行分析,得到软件可靠性多尺度预测模型。数据实验表明与单一时序预测模型相比,该模型逼近和预测效果良好,具有较高的预测精度和很好的模型适应性。

WBRPLSR方法及其在化工软测量中的应用

及时测定化工过程变量, 对确保生产过程稳定、有效控制产品质量具有重要意义. 基于实时样本数据,采用偏最小二乘方法, 以分块递归的方式, 为过程变量建立软测量模型. 在分析时序数据特性的基础上, 引入加权策略, 并提出选定相关参数的方法步骤, 推导构建了加权分块递归偏最小二乘回归方法 (WBRPLSR). 将该法实际应用于某公司PTA装置溶剂脱水塔, 为塔釡排出液 H2O含量建立软测量模型, 效果良好. 与已有方法相比, 它提高了建模效率, 改进了预测性能.

Robust统计在主动声纳分裂波束目标方位走向估计中的应用

主动声纳通常采用分裂波束双通道互谱法进行目标方位估计,但信号处理过程中目标回波脉冲长度往往和 信号处理帧周期长度不匹配,或者在整个信号处理帧周期的信噪比不一致,造成瞬时方位估计目标走向算法具有 较大的误差,不利于目标参量估计与分类。采用Robust统计对瞬时方位估计数据进行处理,能够有效降低目标方 位走向估计的误差。本文通过对Huber估计进行了分析并提出了改进Huber估计,给出了其工程实现算法,实验 验证该Robust统计在降低目标方位走向估计误差上具有稳健收敛的性能。

压制生土砖强度的人工神经网络预测模型

为了获得压制生土砖抗压强度预测模型,针对成型压力、含水率、水泥含量及高厚比对压制生土砖抗压强度的影响,基于国内外研究中的91组压制生土砖抗压强度试验数据,分别建立了用于预测压制生土砖抗压强度的BP神经网络模型和径向基(RBF)神经网络模型,并将模型预测结果分别与试验结果及回归分析模型进行对比。结果表明:人工神经网络模型对压制生土砖抗压强度的预测精度显著优于回归分析方法;压制生土砖抗压强度与其配合比、成型压力及高厚比间存在复杂的非线性关系,回归分析模型不适用于解决此类复杂问题;BP神经网络模型的整体预测效果较好,但容易陷入局部最优;RBF神经网络模型能可靠地预测压制生土砖抗压强度,预测结果与试验结果比值的平均值为1.007,标准差为0.085,该预测模型具有较高精确度,能有效解决压制生土砖抗压强度与其影响因素间复杂的非线性关系,可为压制生土砖的配合比设计提供参考。

大型煤炭企业煤质分析全过程信息化研究

针对大型煤炭企业的特点,分析煤质分析全过程业务流程,提出了一种基于B/S的四层体系架构实现煤质分析全过程信息化。从煤层煤样煤质基础数据录入、工作面煤质数据图形化显示到毛煤及商品煤的煤质月度分析文档生成,各个阶段对煤质进行分析。并采用多元线性回归与RBF神经网络相结合的方法有效的提高了传统煤质预测的准确性,为大型煤炭企业煤质信息化建设提供了有效的解决方案。

小尺度封闭空间无网格Galerkin声场数值计算方法

文章将无网格法引入小尺度封闭空间声场的计算。首先推导了适用于任意形状小尺度封闭空间的无网格Galerkin声场数值计算模型。在模型中,利用Galerkin型加权残量法推导了计算节点声压的系统方程,根据移动最小二乘近似法构造了无网格形函数,并给出了积分运算方案;然后对一个矩形封闭空间的声传递函数及混响时间进行了计算,通过与理论计算结果、SYSNOISE计算结果及其文献实验结果对比,证明了模型的正确性;最后对一个实际机舱进行了建模计算,并与测量结果进行了比较,证明了模型对较复杂结构的正确性及适用性。

一种新的网格曲面上的特征线提取方法

提出一种新的三角网格模型的特征线提取方法。首先交互地选取几个初始特征点,利用追踪投影法确定初始特征线;对初始特征线进行均匀采样,找出采样点n环邻域内平均曲率最大的点作为新的特征点;利用这些新的特征点拟合B样条曲线;将B样条曲线投影在三角网格曲面上。实验结果表明,利用该方法获得的特征线比较光滑而且逼近特征。

带结构风险最小化的最优区间回归模型辨识

针对来自模型结构、参数以及测量数据的不确定性等因素,传统的辨识方法获取的是确定性数学模型的点输出,其鲁棒性差,易受外界干扰.因此,采用区间输出比点输出更易于实际问题的研究.基于复杂系统的不确定性测量数据以及系统参数的不确定性,提出了最优区间回归模型辨识的一种新方法,该方法将逼近误差的L∞范数思想与结构风险最小化理论相结合,建立求解区间模型的最优化问题,应用线性规划独立求解区间模型的上界和下界模型.该方法在保证模型辨识精度的同时,其泛化性能得到进一步提高.实验分析表明,提出的方法对来自噪声以及参数不确定性的数据,可以从区间模型的辨识精度和泛化性能之间取其平衡.

基于模糊免疫PID的超声电机控制

超声电机系统内在的非线性和强耦合性等特点,很难建立其适合于控制的非线性数学模型,传统的PID方法难以得到满意的控制效果。根据输入输出电压关系,利用非线性最小二乘法对通过实验获得的超声电机的频率响应数据进行参数识别,建立了超声电机的数学模型。提出了一种新型的基于模糊规则的模糊免疫PID控制器,这种方法可以在线调整PID参数来适应不同情况下的超声电机运行。通过MATLAB仿真和以TI公司的TMS320F2812 DSP为基础进行的实验表明,辨识法建立的数学模型比较准确,模糊免疫PID控制在超声电机的实时控制中取得了较好的实验效果,跟踪性能良好,具有较好的动态和静态性能。

基于Monte Carlo采样模型集群分析对定量结构-色谱保留相关关系(QSRR)常用建模方法的比较研究

本文收集了环烷烃类、环烯烃类、酮类、胺类、醚类、酯类等有机物在固定相角鲨烷和SE-30上的气相色谱保留指数,并采用基于Monte Carlo采样的模型集群分析（Monte Carlo sampling model population analysis,MCS MPA）方法进行了定量结构-色谱保留指数相关关系建模方法的比较研究。对于两种固定相上的有机化合物,分别采用不同的分子描述符予以表征,分子描述符的选择基于统计学与遗传算法。采用的建模方法包括多元线性回归（multivariate linear regression,MLR）、支持向量机回归（support vector machine,SVM）、径向基函数人工神经网络方法（radial basis function artificial neural networks,RBF ANN）,通过所建模型预测了独立外部测试样本的气相色谱保留指数。研究结果表明,对于本文所研究的数据,SVM回归方法的建模效果优于MLR与RBF ANN方法。