基于多因素的混炼胶质量预测模型

根据密炼机胶料混炼流变理论和瞬时功率控制法等理论,基于填充因数、转子功率、转子转速、排胶温度和压砣压力5个因素建立混炼胶粘度预测模型。检验结果表明,门尼粘度预测值与实际值很接近,两者差的平均值为0.827,预测效果良好。

粉煤灰混凝土的多因素寿命预测模型

通过快速碳化试验，研究了不同粉煤灰掺量（0—60％）、不同养护龄期（1，3，7，28，90d）、不同弯曲荷载率（0，25％，50％）对m（W）／m（C）=0．34混凝土的碳化影响，并建立了综合考虑粉煤灰掺量、养护龄期、荷载率、环境温度、结合能力以及混凝土的CO2扩散系数时间依赖性的多因素寿命预测模型．结果表明：混凝土的CO2扩散系数与粉煤灰掺量成二次函数关系，粉煤灰掺量30％左右最佳．混凝土的CO2扩散系数随养护龄期的增加而降低，随荷载率的增加而增加．其关系分别符合指数关系和乘幂关系．使用多因素碳化寿命预测模型对大桥的箱梁和索塔进行预测，箱梁的运营寿命为211年，索塔为167年．增加养护龄期或提高保护层厚度是提高大掺量粉煤灰结构混凝土寿命的重要途径．

信息熵和多因素灰色系统模型在碳排放的分析与预测

碳排放是引起气候变化的重要原因.针对影响碳排放的因素和预测问题,以2007-2016年广西碳排放10年的数据为样本,提出了利用信息熵与灰色系统理论分析能源结构、能源强度、人口数量及碳排放之间的相关性和相关程度,建立了多因素预测模型对碳排放量进行了预测.通过评价指标P=0.98和C=0.14,表明了预测模型具有良好的精度.

基于粒子群算法和BP神经网络的多因素林火等级预测模型

针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。

水泥改良风积沙无侧限抗压强度影响因素分析

为了研究水泥掺量、压实系数、养护龄期等因素对水泥改良风积沙无侧限抗压强度的影响,开展一系列无侧限抗压强度试验。试验选取的水泥掺量为4%,5%,6%,9%和11%,养护龄期1,3,7,14,28,56和90 d,压实系数为0.90,0.93和0.95。试验结果表明,水泥掺量、压实系数、养护龄期以及水泥掺量与压实系数的交互作用对水泥改良风积沙无侧限抗压强度的影响都具有显著性。水泥改良风积沙的无侧限抗压强度随着水泥掺量的增大呈幂函数增大,水泥掺量从4%提升至11%时,试样的无侧限抗压强度提升了6.2~6.26倍;水泥掺量越大,无侧限抗压强度增长比越大。水泥改良风积沙的无侧限抗压强度随着压实系数的增大而增大,压实系数从0.90增大到0.95时,试样的无侧限抗压强度增大了20%~67%;但强度增长幅度随着压实系数增大而降低,低压实系数下的水泥增强效果更显著。随着养护龄期的增长,水泥改良风积沙的无侧限抗压强度呈双曲线函数增长,28 d龄期的无侧限抗压强度为7 d龄期的1.21~1.50倍,90 d龄期的无侧限抗压强度为7 d龄期的1.31~1.78倍,强度增长率随着养护龄期逐渐减小。建立了水泥改良风积沙无侧限抗压强度受水泥掺量、压实系数、养护龄期等因素影响的多元非线性预测模型,预测效果好。研究成果可以为风积沙地区铁路路基基床设计提供参考。

基于少数据的城市住宅价格预测分析

本文选取了影响城市住宅价格的多种因素,结合中国城市住宅市场下少数据的具体现实,在灰色理论的预测方法与技术的基础上,基于单因素的GM(1,1)预测模型构建了城市住宅价格多因素预测模型,结合西安市的城市住宅价格以及相关数据构建了西安市城市住宅价格预测模型,并对西安市未来城市住宅价格进行了模拟预测。

基于数据融合和改进MUGM(1,m,w)的导弹装备故障预测

针对现代导弹装备系统组成复杂、结构关系模糊、特征参数获取不完整和不确定,造成其故障预测实现困难的问题,借鉴数据融合技术和灰色预测理论,提出了一种基于数据融合和改进多因素新陈代谢不等时距加权灰色预测模型(improved multi-variables metabolism unequal interval weighted grey model,IMUGM(1,m,w))的导弹装备故障预测方法。首先,通过引入加权因子w的方式建立多因素不等时距加权灰色预测模型(UGM(1,m,w)),再通过初始值改进、残差修正、新陈代谢思想相结合的方式对模型进行改进;然后以特定个体的历史监测数据为基准,计算同类产品和特定个体的相应预测值及其与特定个体性能退化数值的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的性能退化模型,最后结合实时监测数据依次更新性能退化数据、Euclid距离、隶属度权值和性能退化模型,实现导弹装备故障预测,实例仿真及分析验证了方法的有效性。

基于残差修正的多因素灰色模型的网络舆情预测研究

【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建基于残差修正的多因素灰色模型,并结合"莆田系事件"对模型预测性能进行验证。【结果/结论】仿真结果表明,相对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具有一定的优势。

北京市义务教育学龄人口多因素灰色预测分析

在非首都功能疏解以及相关政策影响下,北京常住人口发生了很大变化,也影响着北京市义务教育学龄人口的数量.通过对北京市义务教育学龄人口相关影响因素的分析,收集了 2010年-2016年的相关数据,构建了多因素灰色预测模型,对北京市义务教育阶段学龄人口变化进行了分析.结果显示,2017-2025年北京市小学学龄人口数量呈现先上升后减少的趋势;初中学龄人口数量在2017-2020年基本保持平稳,之后则呈现递减趋势.

改进的加权不等时距灰色IMUGM(1,m,ω)模型及其应用

针对传统的灰色预测模型的缺陷,提出了改进的多因素不等时距加权灰色预测模型.首先,以引入加权因子ω的方式建立多因素不等时距加权灰色模型,再通过初始值改进、残差修正以及新陈代谢思想相结合的方式对模型进行改进;然后结合实际消耗数据,依据欧氏距离、隶属度权值等模型,实现备件消耗预测,实例仿真及分析验证了方法的有效性.