Optimal Maintenance Policy for a Storage System with Finite Number of Inspections

The expected cost per unit of time for a sequential inspection policy is derived. It still has some difficulties to compute an optimal sequential policy numerically, which minimizes the expected cost of a system with finite number of inspections. This paper gives the algorithm for an optimal inspection schedule and specifies the computing procedure for a Weibull distribution. Using this algorithm, optimal inspection times are computed as a numerical result. Compared with the periodic point inspection, the policies in this paper reduce the cost successfully.

基于时间序列与模糊推理的成品油库出库预测算法

油品出库量精确高效预测是成品油库存科学管理的源头和基础。为提高成品油库库存效率,降低油品库存成本,以某公司西部地区166座成品油库为研究对象,在库存管理、销量预测等相关研究成果基础上,分析库存管理的影响因素,集成多模型的时间序列模型算法库和基于Mamdani的模糊推理系统,设计双时间颗粒度的多阶段预测算法,开展月度和日度油品出库量预测,并进行量化分析。结果表明:所建算法可根据出库量数据特征自动选择合适的模型,在短时间内高质量匹配并完成大批量油库出库量的预测,预测结果平均绝对百分误差的中位数大于85%,预测置信度接近95%,应用案例月度出库量预测平均准确率可达90%。研究成果可为成品油库存管理决策优化提供科学化建议,对建立科学高效的现代化油品供应物流体系具有现实意义。

基于LSTM模型的排水系统流量预测研究

排水系统流量预测对于城市水安全、污水厂优化运行具有重要意义。与需要复杂建模和大量地理信息数据的传统水文水力学模型不同,机器学习可以通过数据驱动实现排水系统的流量预测预警。结合流量数据的时序性,分别在单变量(流量)、双变量(流量和降雨)的情况下,采用5种长短期记忆神经网络(LSTM)模型(Vanilla LSTM、Stacked LSTM、Bidirectional LSTM、CNN LSTM、ConV LSTM)对江苏省无锡市某污水处理厂的进水流量进行预测。结果表明,Bidirectional LSTM最优的实验参数条件是:隐藏层单元数为250,训练轮数为200,训练集样本数为250;在同等条件下,Bidirectional LSTM相较其他4种方法可以更有效地预测未来流量;相比仅输入流量变量,在增加降雨变量后,可以提升近20%的流量预测精度。

噪声模型的建立对速度及其不确定度的影响分析

针对现有全球定位系统时间序列研究中不同时间序列跨度内噪声模型的建立对速度及其不确定度的影响方面研究较少,选取ITRF2008框架下中国区域的10个国际GNSS服务组织基准站的坐标时间序列,将每个序列按照时间跨度分为5a、10a、15a和20a四个时段,采用不同的噪声模型组合对它们进行噪声分析,并对结果进行对比。结果表明,在各时间序列跨度内,噪声模型的建立对精化速度场非常重要;随着时间序列长度的增加,速度不确定度比值呈上升趋势。