基于多元线性回归算法预测上网清算电价建模的理论研究

针对电力市场环境中发电企业对上网清算电价预测准确度提出的新要求,分析了上网清算电价的影响因素,明确了历史清算电价信息、负荷信息、输电阻塞及市场力等因素对清算电价的影响,提出了利用多元线性回归算法进行上网清算电价预测的模型和算法。

多元线性回归算法的研究和应用

研究多元线性回归算法,利用相关系数分析,筛选与预测结果密切相关的影响因素作为自变量,建立多元线性回归方程,并进行误差分析。收集有关的宏观经济数据和企业内部数据,通过回归方程预测下一年度的利润总额,为企业的管理和工作计划制定提供可靠的理论依据。

基于多元线性回归算法的5G基站能耗模型

5G基站能耗高,对运营商的网络运营成本带来较大的压力。优化了5G基站能耗测试方法和业务加载方法,获取了大量现网5G基站能耗和无线利用率关系的实测基础数据。基于多元线性回归算法,构建了不同场景下的5G基站能耗模型,能耗模型拟合优度达到0.99以上。

基于Haar小波分析改进的多元线性回归算法在MBR中的应用

用MBR系统进行污水处理时,经常会遇到有大量的污泥被截留在膜表面的现象,该现象会造成膜污染,影响MBR系统处理污水的效果,因此我们需要解决的问题就是如何预测MBR系统中的污泥量以便及时清理污泥。为了解决该问题,本文利用基于Haar小波分析改进的多元线性回归算法对MBR系统中的污泥表观产率系数进行预测。通过实验,我们将预测结果与实际系统结果做对比,发现该算法达到了能够准确预测污泥表观产率系数的预期效果,解决了预测MBR系统中污泥量的问题,对提高MBR系统处理污水效果具有一定的价值。

中值滤波分析改进的多元线性回归算法对MBR污泥龄的计算

用MBR系统进行污水处理时,经常会遇到有大量的污泥被截留在膜表面的现象,该现象会造成膜污染, 影响MBR系统处理污水的效果。研究发现,通过预测MBR系统的污泥龄,可以使工作人员及时采取相应措施来控制膜污染,以此来达到减缓膜污染的目的。为了解决该问题,本文首先利用多元线性回归算法对MBR系统中的污泥龄进行预测,但是误差稍大。然后采用中值滤波分析改进的多元线性回归算法预测污泥龄,预测结果表明,改进后的算法更准确,与实际值误差更小,解决了准确预测污泥龄的问题,对提高MBR系统处理污水效果具有一定的参考价值。

基于多元线性回归算法的风电变桨电机温度预警方法

针对当前风电变桨电机温度预警过程中存在温度偏差大、预警响应时间长,影响其精度和时效性的问题,引入多元线性回归算法,开展对风电变桨电机温度预警方法设计研究。通过风电变桨电机温度状态监测数据采集与处理,风电变桨电机温度预警模型特征选择,基于多元线性回归算法的温度预警模型构建,温度异常趋势描述与预警响应,提出一种全新的预警方法。通过对比实验的方式证明,新的预警方法与基于自适应阈值的预警方法相比,温度偏差得到明显控制,并且预警响应时间更短,预警结果具备更高时效性。

基于多元线性回归及BP神经算法的电网事故事件原因追溯方法研究

本文通过运用多元线性回归及BP神经算法,对事故规律进行研究,对事故事件产生的原因进行追踪回溯,为定位问题原因提供辅助,为安全事故定性定级做数据支撑,为安全事故后续处置方案提供参考依据,防止和减少电力事故的发生,不断提高电力安全监督和管理水平。

基于多元非线性回归算法的动车组变压器温度预测研究

对动车组状态参数进行预测是实现动车组数字化精准维修的重要前提之一。目前对动车组数据的利用方式主要以定量观测和定性分析为主,缺乏准确的状态预测量。为此,文章提出了一种基于多元非线性回归的预测算法,通过建立变压器温度预测模型,实现了变压器温度值的次日预测,并以此指导由温度导向的变压器日常运维项目。通过对比CRH5A型动车组车载数据中变压器温度原始数据和预测模型数据,结果显示采用该模型变压器温度预测精度达到95%以上,验证了所提方法的有效性,其对提高列车检修效率、节支降耗有着重要的作用。

变压器类设备状态评价的回归建模研究

在国家电网系统中,电力系统变压器类设备起着至关重要的作用,而对变压器类设备的故障诊断又直接决定着电力变压器类设备的维护工作。文中提出在变压器类设备状态检修中,使用基于线性回归的建模方法,以大量运行中的设备的状态信息为样本,对变压器类设备状态建立回归模型,从而形成对变压器类设备更精确的状态评价,在很大程度上弥补了传统的阶梯性扣分评价体系的不足,以得出更精确的检修方案,并通过实验证明该方法的有效性和正确性。

一种基于大数据的出生人口预测优化算法

研究出生人口预测问题,对于未来人口的预测起着极其重要的作用。如今常用的出生人口预测算法都是基于影响出生人口的主观因素而设计的,如各年龄段妇女总数、死亡率、生育率等,没有考虑经济因素、国家政策因素、国民受教育程度、人口总抚养比等客观因素的影响。近年来我国实际的出生量远低于国家所预测的出生量就充分体现了相关算法所存在的缺陷。鉴于此,论文在考虑了客观因素的条件下,利用历年来我国的人口相关数据并结合主成分分析法、多元线性回归算法、Spass软件等算法和软件对分年龄组生育率法进行了优化,从而得到了一种新的出生人口优化算法。仿真数据结果表明,该优化预测算法极大地提高了出生人口预测的精度,具有一定的理论参考意义和较高实用价值。

基于神经网络算法的发射场坪承载能力预测方法

为进一步提高发射场坪的快速选定能力,提出基于线性多元回归算法、反向传播(BP)神经网络算法和径向基函数(RBF)神经网络算法的发射场坪承载特性近似模型,对其承载能力进行快速预测。采用了引入参数敏感度的优化拉丁超立方采样方法,构建样本空间并分别建立起竖载荷和发射载荷下的算法预测近似模型;利用上述预测算法,通过某结构参数未知的场坪在起竖载荷下的动力学响应,预测其在发射载荷下的可能最大弯沉值,判断土基弹性模量未知的发射场坪承载能力。结果表明:RBF神经网络算法对起竖载荷和发射载荷下的场坪最大弯沉量均具有最优的预测性能,与有限元计算结果相对比,回归系数分别为0.941和0.983,模型精度较高,具有可信性;预测结果与仿真结果的平均误差为10.46%;对于承载强度较大的场坪,残差范围在±2 mm以内,对发射过程中的场坪选定决策具有参考价值。

基于多元时间序列预测的智能交通系统

随着城市化进程的高速发展,交通拥堵已成为困扰和阻碍城市发展的重要问题。道路大多数是部分拥堵、部分畅通,准确预测出道路拥堵状态可以更好地实现汽车分流,缓解交通压力。本文分别运用VARMA(向量自回归移动平均)和LSTM(长短期记忆网络)算法对首都机场附近的57条道路的拥堵数据进行建模分析,在此基础上将LSTM处理多元时间序列的核心思想加入到多元回归算法中,使多元回归算法拥有处理多元时间序列的能力。之后对三个算法的预测准确度和建模复杂度进行对比,找出适合用于不同场景的算法。得出结论,VARMA模型适用于短期精准预测、RNN适用于长期大规模的波动预测、改造后的多元回归模型适用于中长期快速预测。本文中的算法和结论可以更好地帮助公安和交警及时把控道路拥堵状况,针对道路拥堵情况提前做出预案和防范措施。减轻出行压力,提高居民幸福感。

基于数据挖掘的配电网低电压成因分析

在介绍引入大数据挖掘概念基础上,将数据挖掘适应性运用在电网数据分析中。建立了基于分布参数电网的电压损耗模型,并对模型的影响参数进行了理论探讨。在对电网大数据的分析中,应用基于SPSS软件的多元线性回归算法,给出了SPSS的低电压数据的处理规则。在某市2021年上半年各区县的电力系统低电压问题的案例中,给出了低电压现象的成因判别,并提出了相应解决策略。

基于大数据技术的烘丝机出口水分影响因素研究

众所周知,影响烘丝机出口水分的主要因素是来料流量、来料水分、滚筒温度和热风温度等,具体到这些因素的重要性排序尚无明确的研究结论。该文在系统研究的基础上了构建其数学模型,并采用多元线性回归算法、神经网络算法、决策树算法三种监督学习算法对此问题进行了系统研究,从而确定烘丝机影响因素的重要性排序。

基于随机森林的水质监测指标预测

通过采集2020年6月至2021年6月南京市秦淮新河代表站的DO、WT、pH、COD、NH3-N、TUR 6类水质监测指标数据,利用Pearson相关系数对监测指标间的相关程度进行分析,从而得到各监测指标间的相关系数,进一步通过多元线性回归算法得到高度相关的参数指标间的统计关系,利用回归方程的形式表示监测变量间的因果关系,最后通过随机森林算法利用水质监测中的自变量指标实现对因变量指标的预测,达到减少监测项目从而降低监测成本的目的。研究结果表明因变量水质监测指标的预测值和实际值几乎重合,有效说明随机森林模型能够实现因变量水质监测指标的准确预测。

Peirce-Smith转炉冰铜吹炼过程中的“数理化”

Peirce-Smith转炉(简称PS转炉)冰铜吹炼过程作为间歇式的熔池反应过程,涉及到化学反应、传热、传质、流体流动等诸多作用,也是一个具有非线性、强耦合的非封闭系统。吹炼过程具有很强的动态变化特征,使得传统的静态平衡计算模型无法准确描述反应过程中各组成以及温度的变化情况,因而难以应用在吹炼过程的生产优化控制中;同时吹炼过程中受到现场实际生产数据的影响很大,产品品质参差不齐,由此文章针对冰铜吹炼中的化学反应进行了详细的原理介绍,并建立了一种利用多元线性回归算法来进行基于历史生成数据的吹炼时间终点预测模型,建立了相关的预测检测器,进一步改善精确度,有利于生产过程中效率的提高。

燃料油中有机硫化物在不同色谱柱上的定量结构保留关系(QSRR)的研究

硫组分的含量是表征燃料油品质的重要指标。采用遗传算法-多元线性回归法(GA-MLR)、BP神经网络法、列文伯格-马夸尔特人工神经网络算法(L-M ANN)对52种有机硫化物在4种不同极性固定相上的气相色谱保留指数分别进行了定量结构-气相色谱保留关系研究。采用GA-MLR方法选取模型的输入参数,并将筛选得到的描述符:一阶分子连接性指数(~1χ)、二阶分子连接性指数(~2χ)、电子能(EE)、Y轴偶极(D_y)用于BP神经网络、L-M ANN人工神经网络定量结构保留(QSRR)模型的构建。结果表明:3种方法所建立的定量模型均具有较强的稳定性和良好的预测能力,其相关系数均在0.98以上,但L-M ANN模型的预测结果稍好于其它2种方法;L-M ANN算法首次被应用于燃料油中有机硫化物定量结构-气相色谱保留关系的研究中,效果十分理想,表明L-M ANN算法可以作为一种替代性的建模方法用于物质的定量结构保留关系的研究中。

动车组WTDS轴温数据的深度挖掘及应用

为进一步对系统动车组车载信息无线传输系统(WTDS)中已有的数据进行深度剖析,总结规律、开发应用,针对WTDS的轴温数据,设定更全面的阈值线,采用标准曲线比样法以及多元非线性回归等数学算法,建立了轴温数据分析预测模型。基于CRH5A型动车组的实际轴温数据,采用上述预测模型预测其未来轴温并进行故障判别,结果表明:该分析预测模型能够有效判别动车组轴箱故障,满足生产实际的需求,具有较高的实用价值.上述预测模型的开发不仅实现了对动车组轴温数据的深度挖掘,同时成功拓展了WTDS的应用范围。

两种不同算法在青岛市成蚊密度预测中的应用

目的应用多元线性回归算法和基因表达式编程算法模型预测青岛市成蚊密度,探讨其在成蚊密度预测中的可行性。方法收集青岛市2016-2019年3-11月的月最高气温、月最低气温、月平均气温、月平均湿度、月累计降水量和月累计降水天数等气象资料和月成蚊密度资料,将2016-2018年数据资料作为训练集分别用2种方法建立预测模型,以2019年成蚊密度数据作为测试集分别验证2种模型的预测性能。结果多元线性回归算法模型中训练集和测试集的相关系数分别为0.94和0.93。基因表达式编程算法模型中训练集和测试集的相关系数分别为0.97和0.96。结论基于气象资料建立的2种算法模型均可较好地预测青岛市成蚊密度,为将来开展防蚊灭蚊工作提供了数据支持。

土壤水分的高光谱响应特性及定量监测研究

为及时、准确地监测土壤含水量(SMC),采用室内条件下人工模拟不同SMC环境的方法,通过测定各时间段的SMC及其对应的土壤光谱反射率,运用连续投影算法(SPA)提取土壤水分的特征波长,结合多元线性回归(MLR)方法,构建SMC的高光谱定量监测模型。结果表明,光谱反射率随着样本SMC的增加而逐渐降低,二者存在明显的负相关关系;采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm;构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果(校正集的R^(2)=0.930、RMSE=8.845、RPD=3.794,验证集的R^(2)=0.927、RMSE=8.799、RPD=3.581)。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。