基于模型预测的矿用带式输送机节能优化控制

以煤矿中使用的DSJ100/80/160型带式输送机为对象进行研究,考虑设备运行速度、运载量对功率的影响,同时考虑分时电价制度建立设备的节能优化控制模型。基于历史数据信息利用GRNN神经网络预测模型对输送机的输送带速度进行预测,在此基础上对输送带运行速度进行滚动优化,实现速度的闭环控制,达到节能降耗的效果。将节能优化控制系统应用到带式输送机工程实践中,经过调试后正式投入应用,将系统与恒定运行工况下的情况进行对比。发现设备每日可以节省电能消耗11.74%,节省电费支出14.5%,设备在峰时阶段的节能效果最为显著。节能优化控制系统的成功应用可以为企业创造良好的经济效益。

城乡统筹背景下重庆市水生态足迹分析及预测

为研究城乡统筹背景下重庆市水生态足迹情况,利用水生态足迹模型,分析了重庆市2000—2014年水生态足迹和水资源承载力,运用GRNN模型预测了2015—2018年城乡人均水生态足迹与人均水资源承载力。结果表明,12000—2014年重庆市水生态足迹总体呈上升趋势,由0.093 2亿hm^2增长到0.143 5亿hm^2。水资源承载力受降水量的影响,整体波动较大。水生态压力指数介于0.115 6~0.235 9之间,远小于1,水资源开发利用空间大。2城乡水生态足迹与水资源承载力有差异:农村总水生态足迹大于城市,但人均水生态足迹小于城市。农村总水资源承载力与人均水资源承载力均大于城市。城市水生态压力指数大于农村,但二者都小于1,说明城市水资源利用程度高,但城市发展对水资源的压力也大。3预计2015—2018年重庆市城乡人均水生态足迹总体上都呈上升态势,城市人均水生态足迹将由0.386 64 hm^2增长到0.409 62 hm^2,增长了6%。农村人均水生态足迹将由0.276 50 hm^2增长到0.336 57 hm^2,增长了22%。城乡人均水资源承载力在一定范围内相对稳定,水生态足迹增长将威胁水资源可持续利用。在充分考虑重庆市水资源的时空分布基础上,优化产业结构、转变发展方式、统筹城乡布局,可促进重庆社会经济可持续发展。

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。

Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model

The general regression neural network(GRNN) model was proposed to model and predict the length of day(LOD) change, which has very complicated time-varying characteristics. Meanwhile, considering that the axial atmospheric angular momentum(AAM) function is tightly correlated with the LOD changes, it was introduced into the GRNN prediction model to further improve the accuracy of prediction. Experiments with the observational data of LOD changes show that the prediction accuracy of the GRNN model is 6.1% higher than that of BP network, and after introducing AAM function, the improvement of prediction accuracy further increases to 14.7%. The results show that the GRNN with AAM function is an effective prediction method for LOD changes.