基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

改进多元线性回归模型在某油田产量预测中的应用

为了预测油田的动态产量,根据实际工作经验选择一些与油田产量有关的因素作为建模变量,通过对多个变量的综合回归分析,确定影响油田产量的重要因素,并建立适合某油田年产量预测的多元线性回归模型。分析回归参数求解过程中的重要信息,并建立了年产油量的改进回归预测模型。同时,将两种预测模型应用于某油田产量预测,通过比较,可以看出改进回归模型形式更加简单,预测结果更准确。

改进Logistic回归模型的滚动轴承可靠性评估方法

为解决滚动轴承可靠性难以评估的问题,提出了一种基于改进Logistic回归模型(improved logistic regression model,简称ILRM)的滚动轴承可靠性评估方法。首先,计算滚动轴承的时域、频域和时频域特征,选出有效特征组成相对高维特征集;其次,利用主元分析(principal component analysis,简称PCA)选取贡献率大于95%的主元,作为改进Logistics回归模型的协变量;最后,利用改进Logistic模型求取滚动轴承的可靠度并绘制可靠度曲线。该方法可以提取轴承退化的有效特征量;兼顾轴承的退化趋势,能够真实反映轴承的状态;消除信号随机波动对可靠度预测的影响。通过辛辛那提大学智能维护中心(intelligent maintenance systems,简称IMS)滚动轴承全寿命试验,验证了该方法的有效性。

基于改进时变自回归模型的滚动轴承故障诊断

针对现有的时变自回归(Time-Varying Autoregressive,TVAR)模型应用于滚动轴承故障诊断中的问题,提出一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares,RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度、更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。

改进的灰色线性回归组合模型在大坝变形监测中的应用

针对传统的灰色线性回归组合模型要求原始数据序列为单调递增的缺陷,以小湾拱坝某测点的径向位移为例,分别采用两种改进的原始数据二次累加生成法和绝对值法建模进行拟合和预测,并与实测值进行比较。结果表明,绝对值法模型精度较高,更接近于实测值。

基于改进多元回归模型与GIS的陕北凉水井矿井工作面涌水量预测

工作面涌水量的准确预测是预防煤层顶板水害的关键。通过调查收集凉水井矿区14个工作面的实测涌水量数据,利用多元回归模型进行公式拟合,使用层次分析法(AHP)与熵权法(EWM)相结合的方式确定因素的权重,得到基于多元回归模型与层次分析法、熵权法结合的工作面涌水量预测方法。与其他涌水量预测公式(大井法、水文地质比拟法)相比,基于多元回归模型与层次分析法、熵权法结合的涌水量预测方法预测误差最小,平均误差仅为11.6%。以凉水井煤矿42201、42202、42203、42205工作面为例,进行工作面涌水量预测,取得较好的应用效果,进一步验证了公式的适用性与准确性。该方法可准确预测凉水井矿区工作面涌水量,可作为该矿区涌水量预测的一种新方法。

土石坝料压实特性改进多输出预测模型研究

土石坝料压实特性对保证大坝施工质量至关重要。然而,当前坝料压实特性预测主要是对物理、力学和渗透压实特性的单输出回归预测,缺乏对各压实特性目标间相关性的考虑。针对上述问题,提出土石坝料压实特性的改进多输出高斯过程回归(IMO-GPR)预测模型。采用具有噪声的基于密度的聚类方法构建目标特定特征,对多输出高斯过程回归(MO-GPR)模型原始输入空间进行特征扩展,提高模型高维特征空间复杂映射关系解耦能力;同时,结合MO-GPR模型中的输出协方差系数矩阵,实现对多输出压实特性目标间相关性的有效考虑,以最终实现多输出压实特性精确预测。相比传统的高斯过程回归(GPR)、多输出极限学习机(MO-ELM)和MOGPR模型,所提IMO-GPR模型的预测精度分别提高了24%、20%和17%,且对噪声干扰、数据异常、数据量少等情况具有更强的鲁棒性,为土石坝料压实特性分析提供了新思路。

基于开放三孩背景下人口增长模型的构建与研究

人口的数量和结构是影响社会经济发展的重要因素。本文构建分年龄别生育率模型对年龄别生育率进行拟合,基于对数正态分布和泊松分布的生育率组合模型对开放三孩后的分年龄别生育率进行预测。根据预测到的分年龄别生育率,通过Leslie矩阵结合人口的年龄结构对未来10年人口状况进行预测。采用灰色关联度分析法,对新出生人口的影响因素进行分析,使用多项式改进的线性回归模型,将支出的比例与新出生人口的关系量化,得出结论:双减政策落地后能够增加新出生人口数量。依照以往中国在提高生育水平方面和克服人口老龄化方面的成功经验,结合中国的实际情况,从教育角度进行剖析,给出促进生育意愿的有效方案。

基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法

汽车总装工艺复杂、生产节拍快、产量大,百分之六十以上的时间都在进行主辅物料输送,因此输送装备由于故障引起的停机会造成巨大的经济损失。为了对生产物料输送装备的健康状态作出评估,并在可能发生故障时作出预警,提出一种基于生长型神经气聚类算法与改进最小二乘法支持向量机(LS-SVM)回归模型的汽车总装输送装备故障预警方法。首先根据传感器的历史信号数据进行特征提取和降维处理,获得特征向量;运用生长型神经气聚类算法,将正常状态数据划分为多种工况,得到若干聚类中心,并计算当前运行数据的特征向量与聚类中心的欧式距离从而得到相似度趋势;同时构建了历史记忆矩阵,并通过改进粒子群算法优化LS-SVM回归模型参数,计算残差值,并结合残差值与相似度趋势,得出风险系数,对装备状态进行评估和预警。将所提方法应用于汽车总装物料输送设备,将减速器与轴承的振动值的均方根输入模型,得出设备的风险因子,证明了该方法的有效性。

基于DBD的煤燃前脱硫机理和脱硫模型

基于介质阻挡放电(DBD)等离子进行煤燃前脱硫是一种全新的煤炭脱硫技术。利用其常温常压下产生活性基团,在无催化剂、吸收剂的条件下,将煤中硫氧化为酸雾(硫酸),实现从源头上脱硫。为了更好地掌握DBD的脱硫机理和创造这种脱硫在工业上的应用,分析了加煤对DBD的影响,通过加煤后对微放电加强的现象,确定DBD等离子脱硫的可行性。实验时比较同一条件的加煤前后放电波形,进一步验证上述理论。同时,探究DBD脱除硫的内部过程和反应机理,发现DBD产生丰富的活性粒子和自由基,能够将原煤中部分硫元素氧化成H2SO4,SO2-4等物质,从而实现煤的脱硫处理。最后,利用一维脱硫模型改进多元回归模型,从而建立外加电压、电极形式-脱硫效果的二维脱硫模型,并根据模型得到当外加电压19.173 kV、介质放在电极上时,得到最佳脱硫效果值2.406。为DBD脱硫的工业应用提供了理论依据。

改进的负二项回归模型在大连市水痘流行高峰开始时间预警中的应用

目的探讨改进的泊松回归模型或负二项回归模型在大连市水痘流行高峰开始时间预警中的应用。方法应用Z-D现象理论将2006-2014年大连市的水痘发病资料按照流行年进行整理,在此基础上采用圆形分布法计算发病高峰日和发病高峰期间,同时检验数据是否存在过度离散。采用改进的泊松回归模型或负二项回归模型建立水痘发病基线水平,并以灵敏度、预警探测时间和错误预警率为评价指标,以圆形分布法计算结果为参考标准选择适宜的预警界值构建大连市水痘流行高峰开始时间预警模型。结果2006-2014年,大连市共报告水痘病例26427例,年平均发病率为46.366/10万。圆形分布法计算结果显示,水痘发病具有一定季节性。2006-2014年间总集中趋势r值为0.195(P<0.010),年平均发病高峰日为2月25日,发病高峰期为11月12日至次年6月10日。由于水痘发病数据过度离散,应用改进的负二项回归模型建立水痘发病基线水平,赤池信息准则(AIC)值为418.854,在水痘发病的高发病年以基线水平+20例、低发病年以基线水平+10例为预警界值,可准确探测水痘的流行开始时间,预警灵敏度达100%,所需的预警探测时间在1.50~4.67周之间,错误预警率为0%。结论应用改进的负二项回归模型建立的大连市水痘流行高峰开始时间预警模型,灵敏度高,预警探测时间合理,可为水痘等传染病防控提供科学依据。

云平台任务资源使用状态预测分析研究

预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1)详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征;2)根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT);3)设计并实现了一种云平台任务的资源使用率预测方法 REPOTASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3. 2591.

考虑土地利用的城市公共自行车需求预测

针对新建公共自行车站点无法根据历史数据对未来使用需求进行预测的问题,提出了一种修正的地理加权回归模型探索单位时间节点需求生成与可达性间的关系。改进的模型以路网距离作为限制条件,获取基于泰森多边形的站点吸引重叠区域。同时,为减小用地区位导致的预测误差,改进的模型增添用地混合度和建筑强度作为解释变量。利用所提出的模型对西安市公共自行车系统运营数据分析的结果表明,各类用地最大需求生成率集中在早晚高峰时段,并在以天为周期的循环中具有各异的变化规律。公共自行车系统的需求生成率随着起点/终点与目标停靠站点之间距离增大而逐渐减小,表现为早高峰时期的线性衰减,晚高峰时期的指数衰减以及非高峰时期的立方衰减。研究成果可用于确定西安市新建公共自行车站点位置和规模,并预测其相应的使用需求率。

锅炉炉膛热负荷分布拟合算法研究

锅炉炉膛辐射热负荷测量及分布规律的研究可为蒸发受热面及节流孔设计提供必需的数据。提出了炉膛热负荷测量数据的处理方法，将测得的热负荷数据转换成相对于蒸发受热面平均热负荷的分配不均系数，该系数是炉膛相对高度的函数，它的多项式回归模型不仅要使误差平方和达到最小，而且根据平均热负荷的定义，多项式系数还要满足给定的等式约束。对于采用普通燃烧技术和空气分级燃烧技术的两类燃煤锅炉，利用该回归模型拟合炉膛辐射热负荷数据，得到不同的分布规律，并与某300MW锅炉炉膛热负荷测量数据进行了对比；这种以最小二乘法为基础的改进回归模型既满足了回归变量的内在联系，又对测量数据进行了最佳逼近。

辣椒疫霉病空间分布型的初步研究

80年代以来 ,新疆各地辣椒疫霉病(Phytophthora capsici)发生十分严重 ,由于新疆干旱少雨 ,辣椒需多次灌水 ,病菌主要以浸染辣椒的茎基部和根部为主 ,与内地主要靠雨水传播的情况不同 ,因此 ,病株的分布有其特殊的规律 ,为此 ,对病株的空间分布型进行了调查研究。调查研究在辣椒疫霉病发生严重的乌鲁木齐安宁渠乡进行 ,共查 18块田 ,通过聚集度指标 C、I、K、CA、Iδ、m※ /x等项计算 ,探讨辣椒疫霉病空间布局 ,并根据田间实测频次 ,按正二项分布、波松分布、奈曼分布和负二项分布模型 ,计算各田理论频数 ,用 x2进行测定 ,以确定各田符合的分布型。

融合多种相关性分析方法的行业电量需求预测

随着供给侧改革的深入推进,为满足电网发展的需要,需要对行业电量需求预测模型进行精细化改进。从行业电量增长因素入手,提出基于关联规则挖掘和主成分分析相结合的行业电量相关性分析方法,建立历史用电相关分析数据集,挖掘行业电量增长的主导因素;分别对传统ARIMA模型和多元回归模型进行改进,得到融合多种相关性分析方法的行业电量需求模型。最后利用某地区有色金属行业为例进行实证分析,结果表明改进后的模型较传统预测模型的预测精度有较大的提升。