基于BP神经网络的区域森林植被覆盖率预测

森林也被称为地球之肺,人类的所有活动都离不开植物光合作用所产生的氧气,森林覆盖率已成为一个国家或地区的森林面积占有情况的重要指标。为了准确预测森林植被覆盖率,笔者基于BP神经网络算法对浙江省森林覆盖率进行预测。预测结果表明,BP神经网络预测森林覆盖率效果良好,预测模型具有良好的理论基础与应用前景。

蛋白质二级结构的条件隐Markov性及其预测问题

蛋白质二级结构预测问题自1957年首次被提出迄今已有40多年了,从知道的文献中可以得出如下信息:在统计意义之下,蛋白质序列中氨基酸之间的相互作用较弱,所以,统计方法中所依赖的独立性假设虽然不是从物理背景中得来的,但的确有其合理性和方便之处;交互信息准则优于均方误差准则;信息和统计的思想和方法在预测二级结构中不可低估;加入蛋白质的一级结构之外的信息可帮助提高二级结构预测的精度;而直接从一级结构出发无附加信息的情况下预测二级结构,现存在的预测方法的预测精度仍然无较大突破;预测精度和所使用的蛋白质样本序列在总体样本中的覆盖率,是评估各种预测方法的有效性的两个重要指标。本文作者建立了一个集蛋白质一、二级结构为一体联合结构模型,并将上述信息囊括在其中。由该模型首先得到蛋白质一、二级结构的信息与统计特性,然后利用这些特性分别对蛋白质一、二级结构中各种变量的信息传递关系及隐Markov性进行定量分析和确切地统计描述。最后给出直接从一级结构出发预测二级结构的几个原则。

风电场风电功率预测误差分析及置信区间估计研究

准确预测风电场风电功率有助于减小风电出力波动对电网运行的影响。置信区间估计能够量化不确定性因素弓起的风电功率预测结果变动,向风电场运行决策者提供更多的信息。为此,对风电功率预测误差及其概率分布进行了分析,通过与正态分布、β分布拟合效果的对比,证明非参数核密度估计对风电功率预测误差概率分布具有较好的拟合效果;采用非参数核密度估计方法对风电功率预测误差进行了置信区间估计,给出了不同置信度条件下风电功率波动区间的确定方法;结合美国德克萨斯州某风电场的风电数据绘制了风电场在不同置信度条件下实际出力的波动区间,计算了对应的预测区间覆盖率,验证了基于非参数核密度估计的风电功率预测误差置信区间估计效果的有效性。

航段油耗深度学习高质量区间预测算法

为提高给定置信水平下航段油耗区间预测结果的可靠性和稳定性,提出航段油耗深度学习高质量区间预测算法。通过对初级数据源进行按航段分类、无量纲化等预处理,提高预测结果的可靠性和算法的普适性;通过自适应相关参数、柔和化处理优化损失函数,进一步提高算法的可靠性、稳定性和普适性。训练得到的预测区间覆盖率在设定的置信水平周围,多次训练结果与置信水平的误差不超过1个数据点引起的覆盖率变化;对样本数大于10的、任意分布的航段均能实现区间预测。算法性能分析比较实验结果表明了该算法的有效性,其性能优于其它算法。

粗糙裂缝内支撑剂运移铺置行为试验

为了定量预测粗糙裂缝内支撑剂覆盖率,开展不同工况下粗糙裂缝内支撑剂覆盖率的试验研究。基于自主设计的粗糙裂缝试验装置,通过控制变量方法进行不同壁面粗糙度、泵注排量、支撑剂质量分数、压裂液黏度等条件下的输砂试验,定性揭示不同施工参数对支撑剂在粗糙裂缝中输送的影响规律,并基于试验结果提出粗糙裂缝内支撑剂覆盖率计算模型。结果表明:以分形维数(变差函数)为主的裂缝壁面粗糙度定量描述方法能够解释支撑剂在粗糙裂缝内运移沉降过程;支撑剂在粗糙裂缝内的运移、沉降和充填行为与光滑裂缝内有较大差异;不同的裂缝壁面粗糙度能导致支撑剂运移、沉降和充填方式的差异;粗糙裂缝输砂需要足够高的压裂液黏度及泵注排量才能保证支撑剂的有效流动;支撑剂质量分数越大需要与之匹配的流体黏度、携砂液排量越大;基于试验结果建立的粗糙裂缝内支撑剂相对覆盖率预测模型,能够实现对不同粗糙裂缝内不同施工参数组合下支撑剂覆盖范围的预测。