基于PADIS-INT的新疆人口发展预测分析

基于PADIS-INT软件,对新疆2025—2050年人口总量及结构进行预测,预测结果表明(以中方案为例):未来新疆人口规模呈现下降趋势,到2035年和2050年,新疆人口总量分别达到2 569.779 3万人、2 386.067 3万人。同时,人口年龄结构逐渐趋向老年型状态,其中劳动年龄人口占比分别降至73.27%、64.40%;人口老龄化问题日益凸显,老年抚养比分别增至22.38%、38.43%;育龄妇女规模分别降至629.872 4万人、473.110 1万人,这在一定程度上会影响未来出生人口规模。因此,提出了政府应当从人口、经济和社会等多个方面适应和应对未来人口变化趋势,促进人口与经济社会的可持续发展的建议。

干旱形成机制与预测理论方法及其灾害风险特征研究进展与展望

在全球变暖背景下,干旱事件发生的频率和强度不断增大、影响不断加重,干旱发生规律的异常性和机制的复杂性也更为突出,对干旱形成机制、预测理论方法及灾害风险变化规律等方面都提出了新的挑战,也制约了当前干旱预测、预警及其灾害防控能力的提高。近年来,在国家重点基础研究发展计划(973计划)课题等多个国家级项目支持下,已在干旱灾害形成机制与预测理论方法及其风险特征方面取得了一系列新成果。通过动力诊断、数值模拟和田间试验等方法,开展了干旱形成的多因子协同作用和多尺度叠加机制、干旱致灾过程的逐阶递进特征,以及干旱灾害风险分布演化的主控因素等方面的研究。对如下几方面的新进展进行了系统总结归纳:(1)厘清了全球变暖背景下青藏高原热力、海温、夏季风、遥相关等多因子对干旱形成的作用机制。(2)发现了降水亏缺时间尺度和农作物不同生长阶段的干旱敏感性规律。(3)揭示了变暖背景下典型区域干旱灾害风险分布及其变异的新特征;构建了干旱灾害风险新概念模型。(4)研发了东亚季风区的季节和次季节干旱集成预测系统。在总结归纳已取得研究成果的基础上,对未来干旱形成机制及其灾害风险科学研究进行了展望,提出了5个重点研究方向:(1)多因子联动及其多尺度叠加效应对干旱形成的影响;(2)系统整合人类活动和决策以及相关反馈的气候模式研究;(3)揭示陆-气耦合和大气环流协同作用对干旱的影响;(4)认识干旱灾害对粮食安全和生态安全影响的关键过程;(5)提高不同气候情景下干旱预估的准确度。

基于混合分解和PCG-BiLSTM的风速短期预测

为降低风速的随机性对风力发电的影响,提高风速短期预测的精准度,提出一种基于混合分解、双通道输入、多分支PCG-BiLSTM深度学习模型的短期风速预测方法。首先,将全年风速数据分为春、夏、秋、冬4个季度,选取春季作为主要实验对象;其次,利用奇异谱分解(SSD)和变分模态分解(VMD)以降低原始春季风速数据复杂度,生成具有不同模态且复杂度低的子分量,两种不同模式子分量组合为混合分量,实现不同模式分解算法的优势互补;最后,将混合分量以双通道的形式输入到多分支PCG-BiLSTM深度学习模型中,其模型的每个分支由卷积神经网络(CNN)与门控循环单元(GRU)并联组成时空特征提取模块,用于提取两种分解分量组合的混合分量的时空特征,各分支提取对应混合分量的时空特征经聚合后再由双向长短期记忆网络(BiLSTM)进一步提取风速信号的正向和反向双向波动规律,进而得到最终的风速预测结果。多组实验结果表明:提出的组合预测方法在短期风速预测中具有较高的精度和泛化能力,优于其他传统预测方法。

基于特征变量扩展的含气饱和度随机森林预测方法

采用数据驱动的方式,提出了一种基于随机森林机器学习算法训练出含气饱和度地震预测方法,并将该方法应用于中国西部复杂天然气藏中,分别对单井资料和二维地震资料进行了含气饱和度预测与分析。研究结果表明:(1)抽取井旁道纵波速度、横波速度和密度3个弹性参数叠前地震反演结果作为基本特征变量样本,引入边界合成少数类过采样技术对基本特征变量样本和对应的含气饱和度样本进行平衡化处理;利用扩展弹性阻抗结合数学变换自动生成一系列的扩展变量;再利用随机森林对特征变量进行含气饱和度预测重要性排名,并优选重要性较高的特征变量进行含气饱和度随机森林训练。(2)该方法大幅减少了特征变量提取和优选的人工工作量,且有效减少了信息冗余以及因含气饱和度样本不平衡导致的训练偏倚问题,有效增强了随机森林算法在含气饱和度地震预测方面的能力。(3)实际单井应用中预测的含气饱和度与测井解释的含气饱和度的相关系数可达0.9855;在二维地震资料应用中,该方法比基于常规未平衡化的11个弹性参数作为随机森林输入预测出的含气饱和度精度更高。

三维成矿预测关键问题

三维成矿预测是当前深部找矿预测和勘查的重要方法和手段,其方法体系和实践应用均已取得大量成果,但同时存在若干关键科学技术问题,导致其进一步发展受到制约。本文从多尺度三维成矿预测方法体系不完善、不确定性分析与优化研究薄弱、三维成矿预测要素挖掘存在瓶颈、缺少针对三维成矿预测的三维深度学习模型和方法等关键问题出发,对目前三维成矿预测领域相关方面的研究进展进行综合分析,并提出针对上述关键问题可能的解决方案和研究方向。预期未来三维成矿预测领域的研究工作将创新发展出多种方法,实现对三维预测信息的深度挖掘;构建形成适用的三维深度学习模型和训练方法,有效增强三维成矿预测结果的预测能力;通过系统性地开展三维成矿预测不确定性研究,进一步优化预测过程和结果,有效提高三维成矿预测方法的可靠性和准确性;形成面向多尺度三维成矿预测的方法体系,更有效地指导矿集区-矿田-勘查区块(矿床)等不同级别的深部矿产资源找矿勘查工作。相关关键问题的解决将进一步深化和完善三维成矿预测理论和方法体系,促进三维成矿预测理论方法的实践应用,显著提升深部找矿预测和勘查工作的效率与水平,助力深部找矿突破。

基于融合注意力机制LSTM网络的地下水位自适应鲁棒预测

地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问题,本文提出了一种新的鲁棒自适应水位预测算法。首先,对水文数据进行预处理,解决了数据时间跨度大、噪声多、缺失及异常、非平稳等问题。其次,针对不同输入特征对预测指标的影响,在模型训练阶段提出一种新的空间变量注意机制,可快速识别与水位关联的关键变量,并对输入特征赋予不同的影响权重。然后,针对不同序列长度对预测效果的影响,还设计了自适应时间注意力机制,帮助网络自适应地找出与不同时间序列长度预测指标相关的编码器隐藏状态,以更好地捕捉时间上的依赖关系。在此基础上,以上下文向量作为输入,提出一种融合注意力机制的长短时记忆网络水文预测算法。最后,通过意大利Petrignano水文数据验证了所提算法的有效性,并与GRU、Elman、LSTM、VA–LSTM和S–LSTM等方法进行预测性能比较。结果表明,基于融合注意力机制的LSTM网络在面临大规模、噪点多的复杂数据时有优于其它几种算法的预测效果,表明该算法具有强自适应性和鲁棒性。本文研究结果可以为市政排水策略合理调整、及时控制提供参考。

渗出砂岩型铀矿成矿预测与找矿标志

文章基于渗出砂岩型铀矿成矿机理和模式,认为渗出砂岩型铀成矿作用不同于渗入砂岩型铀矿成矿作用,其成矿预测和找矿标志也不同;提出了渗出砂岩型铀矿成矿作用两大基本关键条件识别标志:红杂色含矿建造原生成因和其中控矿灰色砂体的后生成因识别;在提出的红杂色沉积建造中渗出砂岩型铀矿“上红下黑、上下连通、红中找灰、灰中找矿”总体找矿新思路基础上,阐明渗出砂岩型铀成矿区域预测评价条件和标志:深部富铀富有机质沉积岩建造、区域构造、区域建造、放射性异常信息和综合预测标志等,提出并阐述“小凹陷成大矿”条件;系统建立渗出砂岩型铀矿床预测定位标志体系,特别是野外可识别的宏观标志,包括控矿构造、沉积建造、蚀变改造、铀矿化砂岩颜色、外来有机质特征等,并对比了渗入和渗出砂岩型铀成矿预测标志。提出的渗出砂岩型铀矿识别标志体系不仅对区分“渗入”和“渗出”两种矿化成因,而且对厘清控矿要素、指导成矿预测和找矿工程部署具有重要意义和价值。

基于机器学习的空气源热泵干燥能耗回归预测

为了降低空气源热泵干燥过程能耗,研究了空气源热泵干燥能耗特性,采用多元线性回归模型(multivariate linear regression model, MLRM)和BP神经网络(back propagation neural network, BPNN)模型来预测干燥工艺能耗。在分析干燥能耗影响特征参数的基础上,提出将干燥工艺过程进行切分处理的方法以降低数据获取难度。选取烘房设定温度、烘房设定湿度、烘房初始温度、烘房初始湿度、环境平均温度、环境平均湿度、物料质量和初始含水率8个特征参数作为模型输入,能耗和物料结束含水率作为模型输出。使用MLRM模型、BPNN模型和其他机器学习模型进行能耗预测,MLRM模型对能耗拟合的决定系数为0.739,对物料结束含水率拟合的决定系数为0.931;BPNN模型使用Sigmoid函数作为激活函数时对能耗拟合的决定系数最高,为0.828,使用Identity函数作为激活函数时对物料结束含水率拟合的决定系数最高,为0.942,拟合效果优于其他机器学习模型,能够满足实际生产需求。以复水豌豆为干燥对象设计加载物料65 kg、持续时间4 h的完整变温变湿干燥工艺进行验证试验,结果表明:试验总能耗为15.066 kW·h,MLRM模型和BPNN模型的预测总能耗分别为14.476 kW·h、15.183 kW·h,预测精度分别为96.08%、99.23%;试验结束含水率为8.541%,MLRM模型和BPNN模型的预测结束含水率分别为9.560%、8.889%,预测精度分别为88.07%、95.93%。该研究提出了一种使用MLRM模型和BPNN模型对空气源热泵干燥能耗进行分段精准预测的有效手段,对于优化干燥工艺和降低干燥能耗具有实际意义。

基于CNN-LSTM的大坝变形组合预测模型研究

为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks,CNN)与深度学习长短期记忆(Long short-term memory,LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征,再利用LSTM生成特征描述,该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例,经过CNN-LSTM模型计算,将模型变形预测值与原型监测资料进行对比,再与LSTM模型及CNN模型的预测结果进行对比。结果表明,CNN-LSTM模型预测值最接近监测资料实测结果。

锂离子电池健康状态估计及寿命预测研究进展综述

随着锂离子电池的应用越来越广泛,锂电池健康状态的精确估计和剩余寿命的实时预测对于锂电池系统的安全运行和降低运维成本具有重要意义。锂电池内部复杂的物理化学反应和外部复杂工作条件,使得实现精准的健康状态估计和寿命预测具有挑战性。该文综述近年来锂电池健康状态估计和剩余使用寿命预测方法的研究现状,分析基于物理/数学模型、数据驱动、模型法和数据驱动融合,以及多种数据驱动融合的锂电池健康状态估计方法的优缺点及适用条件,并对比分析不同数据驱动类型的锂电池寿命预测方法。指出锂电池健康状态估计及寿命预测尚存在的问题,并对未来研究方向进行展望,对完善锂电池健康状态估计和寿命预测算法理论体系、指导实际应用技术具有重要意义。

基于地质三维建模的矿床蚀变带深部资源预测方法

随着矿产资源需求的持续增加,加之浅表矿产资源的逐渐匮乏,如何有效开发深部矿产资源成为国家重点研究课题之一。以往二维矿床信息无法确定精准的深部资源储量,阻碍矿产资源的开发进度,本文提出基于地质三维建模的矿床蚀变带深部资源预测方法研究。应用地质三维建模软件(GOCAD)与计算机技术,构建矿床蚀变带深部地质三维模型,以此为基础,确定最佳单元尺度,划分矿床蚀变带深部地质统计单元,提取矿床蚀变带深部地质变量,计算地质变量权重数值,探究深部地质统计单元之间的联系度,基于三维证据权法预测矿床蚀变带深部资源。实验数据显示:应用该方法获得的矿床蚀变带深部资源预测误差最小值为1.01%,充分证实了该方法的深部资源预测精度更高。

基于XGBoost的中国上市公司违约风险预测模型

准确预测上市公司的违约风险,是企业信用风险评价的关键,也是金融机构信贷决策的重要依据。通过线性回归模型的信息量AIC遴选违约判别能力最大的指标组合,采用粒子群优化算法构建基于XGBoost的违约预测模型。选取中国A股3425家上市公司不同时间窗口的数据为样本进行违约预测,将所构建的PSO-XGBoost模型与逻辑回归、支持向量机等13种预测模型对比,验证所建模型的有效性。通过UCI数据库中的3个公开信用数据集,利用Friedman检验,验证所建模型的稳健性。研究表明:使用上市公司数据与13种模型对比,PSO-XGBoost模型提高了预测精度G-mean;使用3个公开信用数据集,在多个评价指标上,PSO-XGBoost模型的平均预测性能显著优于对比模型;通过指标对预测结果的贡献获得指标重要性得分,增强了预测模型的可解释性。研究发现:“资产负债率”“流动比率”“长期资本负债率”等财务指标对违约预测的影响最大,“行业景气指数”“社会消费品零售总额增长率”“流通中现金(M0)供应量同比增长率”等指标是影响违约预测的重要指标。本研究可以为提高违约风险预测的准确性提供有效的方法和实证证据,有助于加强上市公司违约风险的预警和防范,降低违约风险监管成本,为企业管理者、债权人及投资者提供良好的决策支持。

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。

采油单螺杆泵动态力学特性及疲劳寿命预测研究

针对常规采油螺杆泵定子橡胶疲劳失效的问题,以油田常用的GLB120-27型单螺杆泵为研究对象,开展了50℃油浸工况下定子橡胶材料疲劳试验,获取了橡胶材料的疲劳性能参数,并构建了疲劳寿命预测模型。运用ABAQUS软件对螺杆泵进行动态力学特性有限元分析,基于数值模拟得到应力应变响应结果和定子橡胶材料单轴拉伸试验应力应变拟合表达式,计算了疲劳危险位置点应变能释放率的范围。利用构建的疲劳寿命预测模型对不同过盈量条件下的螺杆泵进行了疲劳寿命预测研究。结果表明,随着过盈量的增加,疲劳寿命呈指数函数下降,通过与某采油厂近5年单螺杆泵平均工作寿命的对比,发现基于裂纹扩展方法预测得到的螺杆泵定子橡胶疲劳寿命可以满足工程预测精度要求。

皖南农村地区需水量特征分析及预测模型研究

需水量的准确预测对于提高农村地区水资源利用率、优化农饮水厂日常调度有着重要作用,然而现有预测算法面临农村部分地区可用历史数据少、质量差等问题,同时部分预测算法的计算负荷较高,无法有效适应农饮水厂运维环境。选取2021-2022年安徽省南部不同地区3处农饮水厂日供水量数据作为研究对象。经过特征分析发现,皖南农村地区日需水量存在季节性变化趋势明显而短期内波动较大的特点。针对该数据特点及实际计算需求,选取了使用网格搜索法优化后的ARIMA模型进行预测,并与SVR、LSTM、RF等模型进行对比分析。研究结果表明,使用网格搜索法的ARIMA模型可以更好地适应农饮水厂运维环境,利用其对于周期性、季节性数据较强的学习能力,对农饮水厂供水量变化趋势和规律进行准确预测,具有一定的普适性,且计算负荷明显优于其他方法。模型对比分析显示,ARIMA模型的预测精度最高,在3处农饮水厂测试集数据上的平均绝对百分比误差(MAPE)分别为1.827、1.454、2.714。

面向产品设计改进的顾客偏好分析与预测

针对顾客产品偏好快速变化对企业分析和预测顾客偏好能力的要求,提出一种面向产品改进的顾客偏好分析与预测方法,首先构建长短期记忆网络模型,预测产品设计迭代期间的情感值和重要度,并计算预测准确度;然后通过基于产品特征情感变化模式的产品设计改进模型判断各个特征的变化模式,明确待改进的产品特征及改进优先级;最后以DJI Mini 2无人机的在线评论为例验证了方法的有效性。

民居建筑室内空间热环境多点能耗精准预测

在民居建筑室内热环境多点能耗预测时,若不能有效确定热环境下室内当前状态下舒适程度,会直接影响能耗预测精度。因此,提出考虑舒适度的民居建筑室内空间热环境多点能耗预测方法。根据室内状态建立民居建筑内热环境模型,采用主元分析法获取能耗评价指标,构建热环境下室内能耗指标评价体系,并利用指标建立评价模型,从而确定室内当前热环境能耗;将确定指标作为模型输入向量,利用RBF神经网络构建室内能耗多点预测模型;通过建立的模型实现对民居建筑室内空间多点能耗的精准预测。实验结果表明,所提方法开展室内能耗多点预测时,预测精度高、效果好。

基于时域卷积网络与注意力机制的车辆换道轨迹预测模型

精准的车辆轨迹预测模型可以为自动驾驶车辆提供其周围车辆的准确运动状态信息,进而判断本车与周围车辆短期内是否有发生冲突的可能性。本文提出一种基于时域卷积网络与注意力机制(Temporal Convolutional Networks with Attention mechanism,TCN-Attention)的车辆换道轨迹预测模型。该模型以时域卷积网络作为当前输入的特征提取器,利用时间与空间注意力机制使模型在不同时间和空间位置之间建立动态关联,更准确地捕捉车辆之间的动态时空相关性,实现准确预测车辆换道轨迹。与传统单一车辆轨迹特征输入不同,本文通过对输入特征进行多维扩充与融合,进一步提高了轨迹预测准确率。此外,本文提出一种换道执行起止时刻定义方法更准确地确定数据集中的换道起止时刻。实验表明,本文所提模型能以高准确率预测变换车道轨迹,在整体效果上优于其他深度学习模型,与ConvLSTM (Convolution Long Short-Term Memory)相比,TCN-Attention的平均绝对误差(Mean Absolute Error,E_(MAE))降低了69.8%,均方根误差(Root Mean Square Error,E_(RMSE))降低了49.15%,平均绝对百分比误差(Mean Absolute Percentage Error,E_(MAPE))降低了14.24%。

基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

盐冻耦合作用下水工混凝土耐久性及寿命预测

为研究西北地区冻融盐侵环境下水工混凝土的耐久性,制备了不同粉煤灰掺量的混凝土试件,以不同浓度的硫酸钠溶液作为介质开展了冻融循环试验,阐明了不同循环次数下试件的外观、质量、抗压强度和动弹模量的变化规律,基于XGBoost模型建立了混凝土寿命预测模型并对其进行了评价和验证。研究结果表明,随着冻融循环次数增加,混凝土质量、抗压强度和动弹模量逐渐减小;冻融循环次数和硫酸钠溶液浓度是影响混凝土寿命的关键因素,8%硫酸钠溶液破坏度最高,此溶液浓度下冻融150次后混凝土质损率达4.55%;粉煤灰的掺入量对混凝土耐久性有一定影响;最优粉煤灰掺量为10%,此掺量下冻融150次后混凝土质损率为3.99%;XGBoost模型在混凝土寿命预测方面具有较高的精确性和可靠性。本研究可为混凝土结构的耐久性设计和寿命预测提供参考。