基于组合预测算法的光栅信号新细分方法研究

针对现有光栅信号细分技术对光栅输出原始信号波形质量要求较高的问题,本文利用运动过程中时间与空间的映射关系,建立一种利用时间基准测量空间的新方法。通过光栅栅距触发采样时间建立样本序列,在通过分析不同运动状态特性的基础上,研究采用组合预测算法,提出一种光栅信号自适应细分新方法,实验结果表明此算法能实现圆光栅栅距内100倍细分,细分误差为±0.56″,满足实验所需的实时性和细分精度的要求,实现光栅信号细分。此细分方法充分利用光栅本身的制造精度,与光栅输出信号正弦性无关,在精密测量领域具有重要应用价值。

基于时域特征的故障行波灰色残差修正组合预测算法

针对传统故障行波灰色残差修正组合预测算法存在行波检测性能较差的问题,设计一种基于时域特征的故障行波灰色残差修正组合预测算法,对故障行波数据实施预处理,包括数据平滑处理、归一化处理、空穴填补、平稳化处理、失真数据查找与修正,利用处理后的故障行波数据,基于故障行波的时域特征对故障行波实施故障行波波形变化跟踪,通过TEO能量算子实现波形变化跟踪,根据故障行波波形变化跟踪结果,构建故障行波灰色残差修正模型,实现故障行波灰色残差修正组合预测算法。仿真实验结果证明,该算法的行波检测性能优于传统算法,实现了传统算法的性能突破。

基于EMD-VMD-LSTM预测算法的高桩码头结构安全预警方法

基于高桩码头健康监测数据,针对存在复杂环境因素影响监测精度问题,提出EMD-VMD-LSTM组合算法处理并预测高桩码头结构中的监测信息,通过对比分析验证在高桩码头结构现场监测大数据的预测预警分析中采用EMD-VMD-LSTM组合算法的可行性。同时,基于EMD-VMD-LSTM方法和固定预警阈值,提出动态预警阈值的确定方法,设计动静态预警结合的高桩码头结构预警方法,构建多指标、多层次的高桩码头结构安全预警体系以及相应的预警流程。研究成果可以提升高桩码头结构安全预警的准确性和效率,也可为类似工程结构的安全预警管理提供一定的参考。

基于LSTM-XGBoost组合的脱硫效率模型预测

在石灰石-石膏湿法脱硫系统中影响脱硫效率的主要因素有浆液pH值、液气比(L/G)、钙硫比(Ca/S)、烟气流量和原烟气SO_(2)浓度等。基于电厂实际运行数据,利用LSTM-XGBoost组合预测算法来预测脱硫系统的脱硫效率,并采用平均绝对误差MAE、均方误差MSE、均方根误差RMSE和决定系数R^(2)等模型评价指标对其准确性进行验证。实验证明,基于LSTM-XGBoost组合预测的脱硫效率与电厂实际脱硫效率非常接近,精确度高,对火力发电具有指导意义。

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益。结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高。支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力。组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作。

城市轨道交通客流预测算法研究

城市轨道交通客流预测是客运组织的基础,预测结果可为运营管理提供决策依据.针对城市轨道交通客流量预测问题,提出了一种ARMA-RBF组合客流预测算法:首先根据变点算法,通过对客流数据构成的时间序列处理得到变点集;然后基于小波变化对变点集进行去噪处理;最后利用ARMA-RBF算法对城市轨道客流进行预测.以北京地铁4号线新街口、平安里、西四地铁站进出客流数据进行方法验证,结果表明,相较于单独的ARMA算法或RBF神经网络算法,ARMA-RBF组合客流预测算法可提高城市轨道交通进站客流预测的精度.

基于民航团队旅客销售的预测方法分析

利用Matlab分别用后退的回归分析算法、BP神经网络算法、支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,为民航销售人员提供更加精准的预测信息,从而获得更高的航线收益.分析结果显示:后退的回归分析算法比常用的多元线性回归精准性提高,但是数据结果并不具有可靠性.神经网络算法、支持向量机算法和组合算法比常用的回归分析算法预测的精准度有了明显的提高.支持向量机算法预测精度相对神经网络算法稍低,但是却拥有更强的泛化能力.组合预测算法能避免单一预测方法的误差,更加适合航线销售人员的实际操作.

基于数据融合的变压器故障预测诊断研究

为解决利用单一算法对电力变压器运行参数预测准确性低的问题,提出基于BP神经网络、多变量灰色模型和多核支持向量回归机三种方法的组合预测算法。采用最小误差平方法求解组合公式中的组合权值,对单项预测数据加权融合求出新的预测值。