健康状态权重测量问卷“健康日”在我国适应性的定性研究

目的:本研究旨评估健康状态权重的测量问卷“健康日(HROQL-5)”在我国人群中的适应性,及探索美国疾病预防控制中心提出的“总不健康日”算法在我国人群中是否合理,为健康期望寿命中健康状态权重的构建提出建议。方法:通过目的抽样分别于2021年9月及2022年8月在两省招募受访者进行深入访谈,访谈数据被转录和编码并采用主题框架分析法确定关键主题。结果:研究共纳入89人,其中女性49人(55.1%)。超过一半的受访者表示自己健康状况非常好(22.5%)或好(33.7%),中位身体不健康日为2.0天(Interquartile Range,IQR:0.0~6.0),精神不健康日为2.0天(IQR:0.0~3.0)。健康日问卷可以很好衡量个人的自评健康状况,大多数受访者表示可以量化过去30天的不健康日,但身体不健康日与精神不健康日并非完全独立。在回答日常活动受限及自理活动受限时,受访者表示相较开放式频率,固定式频率更容易接受。受访者表示日常活动与自理活动存在递进关系,但部分受访者难以区分二者的概念。结论:健康日测量中区别于原版问卷的改动适用于中国人群,未来可基于健康日测量发展本土化的健康状态权重计算方法。

发电设备重要度的综合权重研究

为更准确地体现设备对系统的影响,提出了设备综合权重的概念。根据发电设备在系统中的固有结构和设备的基本功能,以及设备的实际运行指标参数计算得到的设备综合权重,既体现了设备在系统固有结构中的静态重要度,又考虑了设备实际运行状态对系统功能的动态影响,可以较全面地反映设备在系统中的实际重要度,对准确评估系统的运行风险、进行状态检修都具有重要的意义。通过给水泵综合权重计算实例验证了其有效性。

基于知识与AW-ESN融合的烧结过程FeO含量预测

氧化亚铁(FeO)含量是衡量烧结矿强度和还原性的重要指标,烧结过程FeO含量的实时准确预测对于提升烧结质量、优化烧结工艺具有重要意义.然而烧结过程热状态参数缺失、过程参数波动频繁给FeO含量的高精度预测带来巨大的挑战,为此,提出一种基于知识与变权重回声状态网络融合(Fusion of data-knowledge and adaptive weight echo state network, DK-AWESN)的烧结过程FeO含量预测方法.首先,针对烧结过程热状态参数缺失的问题,建立烧结料层最高温度分布模型,实现基于料层温度分布特征的FeO含量等级划分;其次,针对烧结过程参数波动频繁的问题,提出基于核函数高维映射的多尺度数据配准方法,有效抑制离群点的影响,提升建模数据的质量;最后,针对烧结过程数据驱动模型缺乏机理认知致使模型预测精度不高的问题,将过程数据中提取得到的FeO含量等级知识与AW-ESN (Adaptive weight echo state network)结合,建立DK-AWESN模型,有效提升复杂工况下FeO含量的预测精度.现场工业数据试验表明,所提方法能实时准确地预测烧结过程FeO含量,为烧结过程的智能化调控提供实时有效的FeO含量反馈信息.

基于改进型灰色-马尔可夫预测模型的装备损耗研究

随着高新技术的发展,影响战场态势的因素错综复杂,针对战时装备损耗的特点,提出改进型灰色-马尔可夫预测模型,成功将其应用于某型航空弹药维修器材的消耗预测。该模型运用加速指数变换和几何平均变换方法处理原始数据,以提升灰色GM(1,1)模型的初步预测值的准确度。根据原始数据与初步预测值之差,运用模糊C均值聚类(FCM)法对状态空间进行合理划分,确定状态个数和聚类中心。为挖掘数据之间的相依关系,引入马尔可夫状态权重,以更合理地确定预测时间点的马尔可夫状态,获得最终预测值。实例分析表明该算法具有较高的精确度和可靠性,应用前景广阔。