基于多机器学习的强夯有效加固深度预测对比研究

采用当前应用较为广泛的6种算法模型,即BP神经网络模型、SVM模型、RF模型、MLP模型、XGBoost模型以及朴素贝叶斯模型,对不同土质、不同夯击能量、不同夯锤面积下的强夯有效加固深度进行预测,采用均方根误差、平均绝对百分比误差、决定系数以及平均绝对误差4项指标对比各模型的预测准确率、误差及泛化能力,并结合工程实例数据做检验。结果表明,机器学习方法具有较高的预测精度和泛化能力,可通过少量且简单的强夯数据进行预测强夯有效的加固深度,能为强夯工程设计提供参考依据;在小样本的情况下,RF模型性能较为优异,其次为XGBoost模型与朴素贝叶斯模型,BP神经网络模型、MLP模型与SVM模型表现较差,建议在样本数据有限的情况下,优先选用RF模型进行强夯有效加固深度预测。

基于LSTM和ARIMA的负荷预测对比分析

针对负荷预测精度有待提升的问题,基于不同原理进行负荷预测研究。首先进行了数据预处理,其次形成了基于LSTM的负荷预测流程,再次形成了基于ARIMA的负荷预测流程,最后进行算例分析,验证了基于LSTM的预测方法在预测该地区综合负荷方面具有更高的准确性。进一步地,分析了两种方法的优缺点,ARIMA模型计算简单,但对于复杂的非线性负荷变化难以进行准确预测;而LSTM模型则能够更好地处理复杂的非线性负荷变化,但对计算资源和训练时间要求较高。

基于传统CNN-LSTM模型和PGAN模型的用电量预测对比研究

为保证新一代智能电网能够根据实时的用电量情况动态调节区域内电能分配及调度,需要实现高效且精准的用电量预测。传统电网中用电量预测方法是通过人工统计或者对历史同期用电量分析,粗略的计算出可能产生的用电量,不但消耗大量的人力物力,且无法满足智能电网背景下的用电量精准预测。现在采用差分整合移动平均自回归预测模型,长短时记忆网络预测模型和生成对抗网络预测模型等方法对用电量预测问题进行了研究,以取代传统的用电量预测方法。结果表明,智能算法可以最大程度上提高用电量预测的准确性,但要实现短时高效预测,还需在智能电网系统中对智能算法合理使用。

常州地区PM_(2.5)浓度预测对比分析

根据常州市生态环境局统计,近5年常州地区月空气质量主要污染物中PM_(2.5)仍然占有较大比例。收集常州地区近5年国家基本站大气成分和A文件数据,构建多元线性回归、KNN、RF、BPNN、Xgboost以及CNN模型,开展PM_(2.5)浓度预测对比实验。结果表明:PM_(2.5)浓度主要分布在30~60μg/m~3范围内,在该范围内6种学习模型都能得到较好的拟合效果,但当PM_(2.5)浓度低于30μg/m~3和高于60μg/m~3时,拟合效果不够理想;整体上Xgboost和RF模型拟合效果最好,Xgboost模型略优于RF模型,相关系数可达0.878 4。

中西方旅游需求预测对比研究:理论基础与模型

旅游需求预测在国家旅游发展政策制定和战略规划和决策等方面有着极为重要的作用。西方学者对于旅游需求预测的研究主要侧重于旅游需求模型与实证分析。我国旅游需求预测研究主要是建立在西方研究基础上的理论引介与探讨。本文基于对中西方研究差距与差异的对比分析,讨论了旅游需求预测的难点、全球及中国旅游需求预测的各种问题,明确提出了中国旅游需求影响因素的分类方法及旅游需求预测研究的未来指向。

激光熔覆层形貌预测对比分析

将多元线性回归分析和遗传神经网络对比应用于激光熔覆层形貌的预测,确定了主要工艺参数(激光功率、扫描速率、送粉速率)和激光熔覆层形貌(熔覆层宽、高、基体熔深)之间的对应关系.结果表明,多元线性回归分析应用于激光熔覆层的形貌预测是可行的,五组检验数据的平均相对误差为6.05%;基于遗传算法优化的神经网络预测熔覆层形貌是可靠的,五组检验数据的平均相对误差为2.49%.二者相比较,前者应用较方便,能直观的获得熔覆层宽、高、熔深等参数与熔覆层形貌参数之间的函数关系;后者精度相对较高,但运算过程相对复杂,函数关系模糊.一般情况下推荐采用多元线性回归分析.

基于ARIMA模型与GM(1,1)模型的居民消费价格指数预测对比分析

居民消费价格指数反映一定时期内我国城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数,是宏观经济分析与决策、价格总水平监测与调控的重要指标,同时也是反映通货膨胀的重要指标。文章运用历史数据,结合数学模型对CPI进行了科学合理的预测。在此基础上运用ARIMA模型和GM(1,1)模型对居民消费价格指数进行了预测的对比分析。

软土路基大应变黏弹塑性正/反分析沉降预测对比

结合软土变形的大位移、大应变、渗透固结及依时性特点,采用黏弹塑(西原)模型模拟土骨架,建立了分析软土地基的大应变黏弹塑性有限元列式和迭代求解算法,并采用动态"生""死"单元模拟路堤的施工过程,建立了软土路基双重非线性渗透固结分析模型,研制了相应的大型实用化有限元分析程序LSVEP。分别采用反分析所得参数和室内试验确定参数对路基地表沉降和地基深层沉降进行预测,并将所得结果和现场实测结果进行对比分析,结果表明:所建立的大应变黏弹塑性有限元分析方法正确;计算参数的准确选择对沉降预测精度影响很大;用反分析所得参数进行沉降预测的精度远高于正分析预测,是提高沉降预测精度的有效途径,可供类似工程借鉴。

基于频域和时域振动模型的轨道交通桥梁噪声预测对比分析

分别采用基于模态叠加法的时域车辆-轨道-桥梁耦合振动模型和基于移动粗糙度激励的频域耦合振动模型对某U型梁桥的动力响应进行仿真分析,对两种数值方法计算获得的轮轨力和桥梁振动加速度进行对比。然后分别结合2.5维声学边界元和三维声学边界元对两种振动模型的辐射噪声进行预测,并对比了两种模型获得的桥梁噪声频谱和空间分布规律。研究表明,两种模型获得的轮轨力基本相同,且峰值频率一致;考虑多车轮激励效应的频域振动模型和时域模型获得的桥梁振动加速度频谱较为吻合;基于两种振动模型预测的桥梁噪声频谱和声压空间分布吻合较好。

基于贝叶斯的滑坡稳定性预测对比分析研究

滑坡稳定性的分析是一个复杂的系统工程,影响滑坡稳定性的因素较多。首先,基于相关系数理论描述滑坡稳定性影响因素对滑坡稳定状态影响的大小。再根据关联度大小筛选出影响滑坡稳定性的主要影响因素。其次,引入贝叶斯理论,滑坡稳定性的主要影响因素和滑坡的稳定状态建立了基于贝叶斯的滑坡稳定性预测模型。最后,在贝叶斯理论分析和MATLAB软件的基础上,以竹溪县197组滑坡数据中的100组滑坡数据作为训练样本,其余97组滑坡数据作为测试样本,代入模型进行判别。研究结果表明:其训练集稳定性预测的正确率为80%,测试集稳定性预测的正确率为80.41%。故基于贝叶斯的滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。同时,相关的方法也可以为其他工程研究提供参考。

基于SVR算法与BP神经网络的地震预测对比研究

针对地震诱发因素的多样性和难预测性,采用了支持向量机回归算法(Support Vecfor Regres-sive,SVR),同时考虑多种因素,构建仿真模型,对震级进行了准确的预测。对比分析SVR和BP神经网络预测结果,证明了SVR预测结果速度更快、更准确、精确度更高。

海上断块油藏示踪剂现场监测与数模预测对比研究

海上某油田8井区构造复杂、断层较发育,主力油组产能不足,前期实施了注水开发。采用示踪剂监测技术,对D4、D13井加注示踪剂,现场监测了D8、D12采油井示踪剂浓度,测试了井组注采对应关系、前缘水线推进速度等参数。结果表明,D4井与D8、D12井在M2Ⅳ油组上连通,水驱前缘推进速度分别为38m/d和14.3m/d,向D8井推进速度较快;D4井M2V油组注入示踪剂Ho,D13井M2V油组注入示踪剂Lu,D8井、D12井均未见采出,表明其断层封闭不连通。运用数模预测软件对示踪剂产出曲线进行了对比分析,数模预测与现场监测趋势相吻合,为该类型海上断块油藏的开发措施(布井、堵水)提供了依据。

瓦斯涌出量的灰色模型预测与曲线拟合预测对比

为了研究矿井瓦斯涌出量预测的规律,分析了2种常用预测模型数据的处理方法.结合顾桥煤矿1116(1)工作面瓦斯涌出量监测数据,将灰色GM(1,1)模型与曲线拟合方法应用于该工作面瓦斯涌出量的数据处理和预测结果的分析、检验,精度满足瓦斯涌出量预测要求,并运用F检验法,对2种预测结果进行相关性分析,得出了合理选择灰色GM(1,1)预测模型预测矿井瓦斯涌出量的基本结论.

基于SPSS与BP神经网络的林产品物流运输需求预测对比研究

采用SPSS及Matlab软件分别建立多元线性回归模型和BP神经网络预测模型,通过HN省林产品物流运输需求量的算例,对比多元线性回归和BP神经网络预测模型的预测能力得出相应结论。

基于ESN和Elman神经网络的交通流预测对比研究

实时准确的短时交通流预测是实现智能交通系统中交通控制和交通诱导的关键技术之一。由于短时交通流数据的复杂性,首先采用饱和关联维数法和Cao氏法对交通流时间序列的嵌入维数和延迟时间进行计算,并采用Wolf方法计算相空间重构后的交通流时间序列的最大Lyapunov指数。结果表明,交通流时间序列具有混沌特性,可预测性较好。随后,分别采用基于ESN和Elman神经网络的预测方法对交通流时间序列进行预测,结果表明,两者在预测精度相当的情况下,前者的训练速度较后者有了极大的提高。

基于三种模型的昆士兰州短期电力负荷预测对比探究

为提高电力负荷预测模型的预测精度本文将基本ARMA模型与Kalman滤波结合建立ARMA-Kalman滤波模型,将ARMA模型与SVM模型以及SVM的优化方法结合,建立ARMA-SVM模型,以试图提高模型的预测精度。同时将前两个模型以及基本ARMA模型应用于澳大利亚昆士兰州短期电力负荷预测中。实例研究表明,ARMA-Kalman模型未能如期较大提高对澳大利亚昆士兰州的电力负荷预测精度,ARMA-SVM模型在一定程度上提高了预测精度。

BP和RBF网络的结构动力响应预测对比

主动控制中存在时滞效应,在线实时预测结构响应,可以解决这个问题。不同的神经网络对结构响应的预测效果是不同的,针对BP网络和RBF网络的不同特点,对它们的预测效果做了对比研究。仿真结果表明,RBF神经网络训练速度快、精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证。

PCI术后血清总胆红素和γ谷氨酰转肽酶水平变化及早期预测对比剂肾病的价值

目的 探讨经皮冠状动脉介入治疗(PCI)术后血清总胆红素(TBIL)和γ谷氨酰转肽酶(GGT)水平变化及早期预测对比剂肾病(CIN)的价值。方法 选取2017年8月—2018年7月行PCI的病人275例,根据是否发生CIN将病人分为非CIN组(252例)和CIN组(23例)。比较两组病变程度、治疗情况和不良事件发生情况及术后即刻、24 h、48 h、72 h TBIL和GGT水平变化;分析TBIL和GGT的相关性;通过Logistic回归分析PCI术后发生CIN的独立危险因素;通过受试者工作特征(ROC)曲线分析TBIL和GGT对早期预测PCI术后CIN发生风险的最佳临界值。结果 CIN组中性粒细胞与淋巴细胞比值(NLR)、超敏C反应蛋白(hs-CRP)、TBIL和GGT与非CIN组比较,差异有统计学意义(P<0.05),且NLR、hs-CRP、TBIL、GGT是发生CIN的独立危险因素。CIN组与非CIN组冠状动脉病变支数、支架数、支架总长度、支架直径、对比剂使用剂量、对比剂接触时间比较,差异均无统计学意义(P>0.05);CIN组院内不良事件发生率明显高于非CIN组(P<0.05)。两组PCI术后即刻、24 h、48 h TBIL水平明显降低,GGT水平明显升高(P<0.05);CIN组术后72 h TBIL水平明显低于术前(P<0.05),GGT水平明显高于术前(P<0.05);TBIL与GGT呈负相关(P<0.05);TBIL预测PCI术后CIN发生的临界值为11.2μmol/L,GGT预测PCI术后CIN发生的临界值为27.1 U/L,二者联合预测的ROC曲线下面积(AUC)为0.817,大于独立预测的AUC(TBIL为0.718,GGT为0.795)。结论 PCI术后TBIL水平降低,GGT水平升高,二者是PCI后CIN发生的独立危险因素,二者联合对PCI术后早期CIN发生风险有重要预测价值。

基于自回归模型与神经网络模型的车流量预测对比

车流量建模是车联网(vehicular Ad Hoc network,VANET)路由、多媒体接入协议、无线算法设计的基础。准确的车流量模型将对智能交通系统(intelligent transportation system,ITS)实时调度和车联网的信息安全起到十分重要的作用。基于上海市的交通流量数据,利用自回归(auto regressive,AR)模型与神经(back-propagation,BP)网络模型对车流量实测数据进行了仿真对比,给出了相应的预测结果。研究发现,两个模型均能有效地对数据进行跟踪与预测,但对不同时段数据预测的准确性有所不同。研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据。

两种不同方法下的矿井涌水量预测对比分析

水文地质参数影响矿井涌水,而在岩溶山区矿山中,含水介质的非均质性、各向异性特别突出,水文地质参数的获取难度很大.因此,文章以弱化水文地质参数的依赖性为目标,应用相关分析和灰色系统理论模型对老鹰山煤矿1995—2013年的矿井涌水量进行拟合,建立了回归方程模型和GM(1,1)模型,并利用2014—2016年数据对模型预测结果进行了验证.结果表明相关分析中老鹰山煤矿矿井涌水量与降雨量密切相关,相关系数为0.835,模型曲线显示是变化形态上的预测,预测模型的精度达87.19%;灰色系统GM(1,1)预测模型的精度良好为82.34%,适合于具有灰色特征的地质数据的模拟、控制和预测,模型曲线显示的是变化趋势上的预测;相关分析法比灰色理论法预测精度高.研究成果为岩溶山区矿井涌水防治提供可靠技术支撑.