基于ECSDNN的航空安全事件风险等级预测

航空安全事件风险等级预测是主动风险管理的重要手段。考虑海量航空安全事件数据呈现的高维复杂、类不平衡等特性,提出一种基于集成代价敏感深度神经网络(ECSDNN)的航空安全事件风险等级预测方法。采用分类型属性嵌入特征编码和数值型属性拼接的方法实现航空安全事件数据的特征表示;综合考虑错分比例和固定代价设计代价敏感矩阵和代价敏感损失函数,构建基于代价敏感深度神经网络(CSDNN)的基分类器模型;采用硬投票方法,集成多个参数不同、性能各异的基分类器,构建航空安全事件风险等级预测模型。在航空安全事件报告系统(ASRS)数据集上的实验结果表明:相比基准算法,所提ECSDNN模型的预测准确率提升了4.51%;相比单个CSDNN基分类器,所提ECSDNN模型的预测准确率提升了3.17%。验证了基于ECSDNN的航空安全事件风险等级预测方法的有效性。

不同波纹钢-混凝土板复合结构水下抗爆机理及损伤等级预测

为探究不同波纹钢-混凝土板复合结构的水下抗爆机理,采用光滑粒子流体动力学与有限单元(FEM-SPH)耦合方法模拟混凝土板在水下接触爆炸下的损伤过程,并与试验结果对比,以验证数值方法的有效性;采用FEMSPH方法探究不同防护方案下墙面板毁伤过程及失效模式,揭示其水下防爆机理,并构建出墙面板损伤等级预测曲线。研究结果表明:模拟结果与试验结果较为吻合,验证了模拟方法的有效性;在含12 mm厚波纹钢的复合结构(T-12)、含75°夹角的波纹钢复合结构(A-75)和含厚70 mm波纹钢的复合结构(WH-70)三种防护方案下,墙面板的毁伤范围较未加固墙面板最大降幅分别为83.0%、81.6%和82.5%;预测曲线可以直观评估出炸药量和复合结构中波纹钢波高变化对墙面板损伤等级的影响。

香港地区中学文凭考试等级预测研究

为研究香港地区中学文凭考试(简称文凭试)等级预测结果,以过往文凭试结果作为依据,通过标准化程序,对2020—2023年共计146180名考生根据其校内评核成绩进行文凭试等级预测;并采用问卷调查法,基于各参与学校组织架构、教师的工作经验、公开考试阅卷经验及专业发展活动等,运用多层线性模型探讨学校属性与校内评核的关系。结果显示:中文、英文、数学、通识教育4门核心科目等级预测结果具有较高的准确度,其中英文预测结果最佳,其余3科预测结果类似;选修科目则因每年选考人数少导致文凭试成绩变化大,进而影响预测结果;多层线性模型分析显示,不同学校属性对于不同科目的校内评核具有不同的预测效果。

基于数据挖掘的棉纤维马克隆值等级预测

为简化棉纤维检验流程,充分利用棉纤维公检数据,提出了一种基于LightGBM的棉纤维马克隆值等级预测模型。选取9672个棉纤维样本,对颜色级、断裂比强度、上半部平均长度等指标进行分析,通过Adaboost、LightGBM和GBDT筛选指标,并用决策树、随机森林和LightGBM 3种方法分别建立了马克隆值等级预测模型。结果表明:LightGBM对等级预测的准确率可达85.7%,较决策树和随机森林分别高10.1%和5.8%。反射率、黄色深度、杂质颗粒数等9项棉纤维品质指标与马克隆值等级间存在非线性关系;LightGBM模型可对棉纤维马克隆值等级进行预测,为棉纤维智能检验研究提供一定参考。

煤矿瓦斯爆炸事故致因选取与风险等级预测

为对煤矿瓦斯爆炸事故风险等级进行精准预测,以符合实际情景的特征向量为前提,基于改进粒子群算法优化概率神经网络(RWPSO-PNN)实现瓦斯爆炸风险等级预测模型。首先利用中文分词提取煤矿瓦斯爆炸事故致因,以灰色关联分析(GRA)选取模型的输入特征向量;并针对概率神经网络(PNN)中平滑因子易引起网络识别率低的问题,提出了RWPSO-PNN,实现平滑因子的自适应调整;最后对RWPSO-PNN进行了实例分析,并与极限学习机算法、BP神经网络和支持向量机算法进行对比。结果表明:RWPSO-PNN预测准确率为90%,平均绝对误差为0.133,明显优于对比算法。

基于灰色关联分析和SSA-RF模型的岩爆等级预测

矿山巷道、交通隧道等工程中岩爆灾害频发,岩爆预测变得尤为重要。为了提高岩爆等级的预测准确率和预测模型泛化性,提出了一种采用麻雀搜索算法(SSA)优化随机森林算法(RF)模型的SSA-RF模型。考虑岩爆等级预测指标的合理性,综合岩爆成因特点并根据灰色关联分析结果进行4组方案比选以确定最佳预测指标组合,采用模型的重要度分析验证最佳预测指标组合的合理性。方案一保留全部预测指标作为对比项,方案二筛除与岩爆等级之间灰色关联度较低的两项预测指标,方案三采用复合指标,方案四采用独立指标。搜集了151个岩爆样本数据作为模型数据集,将SSA-RF模型的预测效果与其他7种预测方法进行比较,并分析了不同样本容量的模型敏感性。结果表明:方案二为最佳方案,最佳预测指标组合为围岩切向应力、应力系数、弹性能指数和单轴抗压强度;相比于其他7种预测方法,SSA-RF模型在4组方案中预测准确率均最高且平均准确率达到88.09%,在最佳方案中甚至达到95.23%;SSA-RF模型的预测指标重要度排序较RF模型更合理并有效验证了最佳预测指标组合的合理性;采用SSA优化RF模型可以提高RF模型对不同岩爆样本容量的预测准确率和泛化性,有效弥补了RF模型随机性的不足。综上可知,SSA-RF模型对于实际工程的岩爆等级预测具有可行性和有效性。

基于熵权法-LGBM算法的岩爆等级预测模型研究

为了解决多个岩爆预测指标数据间存在的数值和量纲差异导致指标利用率较低的问题,建立了基于熵权法和LGBM(Light Gradient Boosting Machine)算法的岩爆预测模型。首先运用熵权法消除指标数值差异的影响,确定各指标的权重,在此基础上引入LGBM算法对样本数据进行训练,运用Leaf-wise叶子生长策略提升计算效率,最后将训练结果与传统LGBM模型、RF(Random Forest)模型和XGBoost模型的预测结果进行对比分析,结果表明,组合模型的预测准确率高达93.1%,明显优于单一模型。将组合模型应用于终南山隧道通风竖井的岩爆等级预测中,发现预测结果与实际情况基本相符,验证了组合模型的可靠性。

基于PSO-RF的冲击地压危险性等级预测研究

为提高冲击地压危险性等级预测精度,提出一种基于粒子群(PSO)优化随机森林(RF)的冲击地压危险性等级预测模型。以最大切应力、单轴抗压强度、单轴抗拉强度、应力系数、脆性系数、弹性能指数6个特征建立预测指标体系;利用PSO对RF模型的参数进行寻优,建立PSO-RF预测模型,并与未经处理的RF模型、决策树、GBC、Adaboost、LightGBM预测模型进行对比。结果表明:PSO-RF模型的预测准确率最高达到87.8%。是一种有用且稳健的冲击地压预测模型。

基于网络流量水平等级预测的自适应随机早期检测算法

针对随机早期检测及其变体算法中平均队列长度和数据包最大丢弃概率的计算对网络流量的变化反应迟缓的问题,提出了一种基于网络流量水平等级预测的自适应随机早期检测算法。基于自相似网络流量的统计特性,建立了网络流量水平等级转移概率表,设计了自相似网络流量水平等级预测方法,该方法复杂度较低且精度较高。进一步,将预测结果应用于等间隔平均队列长度计算及数据包最大丢弃概率调整中,在固定和可变瓶颈链路容量2种情况下的仿真发现,无论自相似程度如何,所提算法在丢包率和吞吐量方面都有提升,特别在Hurst参数较大且流量负载较低时,吞吐量性能提升较大。

柑橘溃疡病气象条件等级预测模型构建与应用

基于广东省2015—2020年柑橘溃疡病发病样本和同期候平均气温、候降水、候平均相对湿度等地面气象观测资料,采用加权综合法、通径分析等方法,确定了柑橘溃疡病发生发展气象条件等级分级标准和不同气象因子的权重系数,构建了广东柑橘溃疡病综合气象条件等级预测模型。结果表明:候平均气温23.0~26.0℃、候降水≥50 mm、候平均相对湿度95%~100%最利于柑橘溃疡病发生;候平均气温、候降水、候平均相对湿度的权重系数分别为0.421 3、0.342 8和0.245 9;柑橘溃疡病发生气象条件等级预测方程为F_(c)=0.421 3t_(p)+0.3428R_(p)+0.245 9RH_(p)。模型通过2015—2020年历史回代检验,准确率为84.9%,2021年预测验证准确率77.8%;运用2021年天气预测产品试报应用表明,准确率达66.7%,预报效果较好。

流域水文干旱等级预测问题的研究

采用滦河潘家口水库控制流域9个水文站1958-2009年的逐月流量数据,通过计算各站12个月时间尺度的标准化径流指数(SRI),得到了实测水文干旱等级序列。根据干旱等级转换的观测频数,提出了基于三维列联表的对数线性干旱预测模型,并计算了干旱等级转换间的优势及其置信区间,以估算干旱等级转换的概率,实现了滦河潘家口水库控制流域预见期为1个月和2个月的水文干旱等级预测。选取2000-2009年的水文干旱演变过程对预测模型进行了验证。结果表明:干旱等级转换的三维列联表呈现一种强对角线趋势,各站三维对数线性模型的检验显著性水平p均大于检验水准α(0.05),观测频数与期望频数吻合程度高,且预见期为1个月的水文干旱等级预测精度较高,可用于滦河潘家口水库控制流域短期水文干旱预警。但预见期为2个月的水文干旱等级的预测误差较大,需根据流域的气候特征及下垫面的物理状态对模型进行进一步的改进。因此,如何综合应用气象和水文干旱监测信息,并采用对数线性预测法建立新的模型对水文干旱进行提前预警是需要解决的重要问题。

基于网格搜索和ELM的冲击地压危险等级预测

为提高冲击地压危险等级预测模型的泛化性能及预测精度,采用网格搜索法结合十折交叉验证法对极限学习机(ELM)中的隐含层神经元个数及激活函数的类型进行组合优化,进而建立冲击地压危险等级预测模型;选取重庆砚石台煤矿36组实测数据进行试验,对影响因素数据进行标准化处理,选择其中26组样本对模型进行训练,采用该模型对后10组样本中冲击地压危险等级进行预测,并与其他方法作对比。结果显示:经过十折交叉验证,用该模型得到的正确识别率为84.615%,高于朴素贝叶斯及Adaboost M1的76.92%、61.54%,采用该模型对测试样本集中冲击地压危险等级进行预测,预测准确率为90%,高于朴素贝叶斯及Adaboost M1预测准确率80%。

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。

基于突变级数法的矿区地表开采沉陷损害等级预测研究

矿山开采沉陷是一种作用力集中、危害很大的地质灾害。它受地质条件和采矿条件等因素的影响,属于复杂的非线性力学问题,难以用数学模型描述,这给实际问题的解决带来困难。基于突变理论,研究了突变级数法在矿区地表开采沉陷损害等级预测中的应用。选取了某开采沉陷区的10个点作为样点,通过分析采空区长度、采空区宽度、开采深厚比、煤层厚度和煤层倾角等5个主要影响因素,确定预测指标体系,计算了各学习样本突变级数值。结果表明,该区开采沉陷损害A级与B级的突变级数临界值为0.91,B级与C级的突变级数临界值为0.85。利用检验样本对突变级数法的计算结果进行验证,结果和实测值基本一致,从而证明突变级数法对地表开采沉陷损害等级预测的可行性和实用性。

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。

基于模糊聚类和神经网络的干旱等级预测模型

干旱是造成小麦减产的主要因素之一。利用模糊聚类方法对1970年至2009年甘肃省定西县小麦、玉米、洋芋和油料四种作物的产量进行数据聚类分析,得出相应年份的受旱等级。再选择制约干旱发生的四个因素,利用三层人工神经网络建立基于作物产量的BP神经网络预测模型。模型选用1970年至2005年月平均最低温度、平均最高温度、平均辐射度和平均降雨量四个参数作为神经网络的输入层数据,受旱等级作为输出层数据,选用模糊聚类得出的1970年至1978年和1990年至1999年的数据训练神经网络,选用2000-2005年的数据验证干旱等级预测模型的准确性及可行性。结果表明:这与甘肃定西地区的农业生产实践是基本一致的。

基于遗传BP网络的城市空气质量等级预测

针对空气污染诱因复杂、影响机理非线性等特点,选用遗传BP网络,对城市空气质量等级进行短期预测.分别使用2类共10种方案对数据进行了关联,使用遗传算法对输入变量进行了筛选,对BP网络的网络结构、权值和阀值进行了优化.仿真结果表明,经优化后的BP网络对未来8天空气质量等级的平均预测正确率达67.1%.

基于海林格距离和AHDPSO-ELM的岩爆烈度等级预测模型

为提高岩爆烈度等级预测准确率,提出一种基于海林格距离过采样(HDO)和自适应混合差分粒子群优化算法(AHDPSO)-极限学习机(ELM)的预测模型。首先,在分析影响岩爆烈度因素基础上选取主要影响指标,采用HDO算法增加少数类样本数目,均衡各等级岩爆样本;然后,基于粒子群优化(PSO)算法,引入自适应种群间距和差分进化(DE)算法中变异算子设计AHDPSO,利用AHDPSO优选ELM的输入层权值和隐藏层阈值,构建岩爆烈度等级预测模型;最后,采用国内外301组岩爆样本对模型训练、测试并与其他模型对比。研究表明:经HDO算法均衡岩爆数据集后,整体的预测准确率提高11.91%,且各等级的平均预测准确率均得到提高;基于HDO的AHDPSO-ELM岩爆烈度等级预测模型平均预测准确率为98.92%,均方误差为0.0108,预测精度优于其他对比模型。

随机森林在棉蚜虫害等级预测中的应用

棉蚜是棉区的主要农业害虫之一,对于棉花的产量和质量影响较大。为了准确地对棉蚜虫害的等级进行分类预测,以便采取科学的防治措施,该研究对山东省滨州地区1990—2009年的20年中5—9月的平均气温、降水量、相对湿度、日照时数等气象数据、棉蚜天敌数据与棉蚜虫害数据进行了相关性分析,筛选后保留的影响因子数据构建随机森林棉蚜虫害等级预测模型。结果表明:随机森林模型的OOB为5.7%,等级的误分率为0.09和0.019,经测试集检验,模型预测的准确率为82.2%。模型泛化性好,等级的误分率低。

操作风险等级预测的朴素贝叶斯方法研究

操作风险数据积累比较困难,而且往往不完整,朴素贝叶斯分类器是目前进行小样本分类最优秀的分类器之一,适合于操作风险等级预测。在对具有完整数据朴素贝叶斯分类器学习和分类的基础上,提出了基于星形结构和Gibbs sampling的具有丢失数据朴素贝叶斯分类器学习方法,能够避免目前常用的处理丢失数据方法所带来的局部最优、信息丢失和冗余等方面的问题。