智能变电站便携式变压器油色谱分析技术研究

变压器油色谱分析涉及因素较多,导致分析结果与实际情况的误差难以得到有效控制。为此,提出智能变电站便携式变压器油色谱分析技术。分别将关系到变压器性能和安全的气体成分浓度、影响油中气体溶解度的变压器内部温度以及影响油中气体浓度的变压器内部压力作为具体的特征参量,并将变压器油色谱原始数据特征参量累积方差贡献率之和为1作为约束,设置主因子;在分析阶段,考虑到气体浓度与选择的特征变量之间存在线性关系,引入线性回归模型对主因子进行分析,并通过迭代加权最小二乘估计回归系数,利用回归残差对变压器油色谱原始数据中气体含量进行分析。测试结果表明,设计的智能变电站便携式变压器油色谱分析技术可实现对变压器油中不同溶解气体含量的精准分析,误差稳定在3.00μL/L以内。

轮胎磨损性能与接地特性关系

轮胎磨损不仅影响车辆加速、安全及操控等诸多性能,而且产生的磨损颗粒物,还对环境造成污染。轮胎接地特性是影响轮胎磨损的关键因素。为探明轮胎磨损与接地特性之间关系,以205/55R16轮胎为研究对象,设计不同的胎面结构参数,选取摩擦能量损失率作为磨损性能评价指标,通过有限元方法获取接地特性参数。采用线性回归分析方法建立摩擦能量损失率与接地特性参数之间的回归方程,并研究不同胎面结构参数对接地特性及磨损性能的影响规律。分析结果表明,所建立的回归方程具有较高拟合精度,可以通过接地特性参数预测轮胎磨损性能,为轮胎磨损性能提升、胎面结构优化提供借鉴。

基于PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题，提出了基于主成分分析（PCA）、改进文化鱼群算法（MCAFA）和最小二乘支持向量机（PCA-MCAFA-LSSVM）的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分，降低模型输入向量维数，利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化，以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日～9月4日在线监测的水质数据进行了预测分析，试验结果表明：该模型取得较好的预测效果，与分别用蚁群算法或遗传算法优化LSSVM的方法相比，PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%，最大绝对误差仅为11.61%，均方根误差、平均相对误差绝对值和运行时间分别为0.0474、0.0041和4.367s，且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、测精度高，还能够为河蟹养殖水质调控管理提供决策依据。

诱发海洋褐胞藻赤潮的环境因素分析

对1991年3月20～21日在南海大鹏湾盐田海域首次发生的海洋褐胞藻(Chattonella marina Hara etChihara)赤潮发生前后,海洋环境理化因素的变化进行了分析。使用的方法为逐步回归分析和主成分分析。研究结果表明,海洋褐胞藻赤潮主要与水温、溶解氧、氮盐、叶绿素等有关。

玉米叶绿素含量高光谱反演的线性模型研究

叶绿素含量是衡量植被生长状况的一个重要指标,高光谱数据具有较高的光谱分辨率,利用其光谱信息建立叶绿素含量的关系模型,已成为监测植被长势的一种有效手段。传统叶绿素含量线性回归模型的输入因子是植被特征提取参数,由于高光谱数据波段间的冗余度较高,导致一般的线性模型的反演精度较低。主成分分析可以减少数据的维数,简化网络结构,得出能反映原始信息的综合变量。本文以盆栽玉米为研究对象,利用植被特征和主成分分析方法提取光谱反演参数,根据所提取的参数建立玉米叶片叶绿素含量的一元线性和多元线性回归模型。结果表明,利用绿峰峰值和近红外反射率均值两参数可在一元线性模型中较好地反演玉米叶片叶绿素含量;而利用分波段提取的主成分能够在多元线性回归模型中更好地反演叶绿素含量,反演精度较高。

概率积分参数选取的主成分回归分析

为解决地质采矿因素之间的相关性及信息重叠影响概率积分法参数的计算精度问题.采用主成分回归分析的方法,以43个典型观测站的实测数据作为样本,研究了概率积分法参数的计算方法.研究结果表明:通过主成分分析方法提取前5个主成分的累积方差贡献率已经达到91%,可用其代替原始的8个因素;该方法可以有效减少变量的个数,消除变量之间的相关性及信息重叠.采用提取的主成分进行多元线性回归计算参数的最大相对误差为8.9%,最大平均绝对误差百分率为5.4%;内部拟合误差及外部预测误差均较小,表明该方法的计算结果是准确可靠的.

基于PCA与支持向量回归的储层渗透率预测

在测井技术与储层基本特征研究的基础上,对与渗透率相关的测井参数和岩心参数进行了分析,根据传统的储层渗透率预测方法,提出了一种基于主成分分析与支持向量回归的储层渗透率预测方法。应用主成分分析对测井参数和岩心参数进行数据降维,优选出与渗透率最相关的参数,将优选出的测井参数和岩心参数作为支持向量回归模型的输入参数进行渗透率预测。实验结果表明,利用主成分分析算法提取的特征参数与渗透率有较好的相关性,且支持向量回归具有较高的预测精度,显示出主成分分析和支持向量回归在储层渗透率预测中的优势与实际应用价值。

全回转起重船主尺度模型研究

分析了国内全回转起重船的发展现状及发展趋势,对现有的船型数据资料进行整理分析,利用EXCEL回归分析、Matlab中BP神经网络工具与RBF神经网络工具分别建立了全回转起重船主尺度与最大起重量的关系模型,并对它们的回归分析误差进行了比较.该模型的建立有利于掌握全回转起重船主尺度要素随起重量的变化规律,对起重船方案设计以及后续的技术经济论证可起指导性作用,有助于该船型的报价设计和初步设计,并可使其总体设计得到优化.

大数据技术在船舶主尺度确定中的应用研究

为了将大数据技术应用到船舶主尺度确定,得到船舶主尺度的变化规律,分析了大数据技术在船舶领域的应用现状,通过整理分析双壳油船、小型游艇和高速双体船的主尺度数据资料,利用统计回归方法建立了一套主尺度计算公式,并进行了实船回归效果检验,检验结果显示该公式回归效果较好。为大数据技术在船舶设计领域的应用提供了方法,得到的回归公式可以作为船舶报价设计和初步设计的参考。

基于XGBoost的溶解氧预测模型研究

为了提高溶解氧的预测精度,以水产品溯源与安全预警平台的监测数据为基础,提出一种基于XGBoost模型的水质参数预测方法,并与LSTM和PCA-NARX网络预测模型进行48h内的溶解氧预测对比。仿真结果表明:通过XGBoost模型预测的结果均方根误差(RMSE)最小,在24 h和48 h内的泛化能力均高于LSTM和PCA-NARX模型。

织物基本结构参数与悬垂性能主成分回归分析

应用主成分回归分析方法考察织物基本结构参数对悬垂性能的影响。对织物的9项基本结构参数和5项悬垂性能指标进行测试,采用主成分分析方法对指标进行降维处理,提取综合指标,分析各综合指标的构成和内涵,并进行回归分析。研究表明:提取了基本结构参数综合指标:厚重因子和紧密因子;悬垂性能综合指标:悬垂形态因子和动态悬垂因子。分别以悬垂形态因子和动态悬垂因子为因变量,厚重因子和紧密因子为自变量进行回归分析,发现悬垂形态因子、动态悬垂因子都与厚重因子之间有一定的函数关系,与紧密因子关系不密切。

特征选择和支持向量回归参数的联合优化

为提高支持向量回归算法的学习能力和泛化性能,提出了特征选择和支持向量回归参数的联合优化方法。联合优化方法采用主成分分析产生新的特征集,以方均误差为目标计算回归精度,并应用实数编码的免疫遗传算法求解此优化问题。仿真实验结果表明,联合优化的回归精度要优于单独优化特征和支持向量回归参数,而且优化速度更快。

吲哚酚衍生物的结构-式电位关系及电氧化机理

以半经验分子轨道方法计算吲哚酚衍生物的分子结构参数.以主因子分析法和多元线性回归法研究了吲哚酚衍生物的式电位与其分子结构参数间的关系.研究发现,在所选择的19个分子结构参数中,双中心电子交换能(Eex(2)/eV),O -C键的共振能(Er(C1-O)/eV)和分子的电离势(Ip/eV)与其式电位有较好的相关性.其回归方程为:y=1.47×10-3Eex(2) -5.74×10-2 Er(C1-O) -1.41×10-2Ip(RC=0.9999,SD=0.00424).由分子结构与式电位关系及中间产物的稳定性可推测,在吲哚酚的氧化机理中氢的电离反应优先于电子转移过程.

基于MATLAB的豪华邮船主要设计参数回归分析

为提高豪华邮船的设计效率,搜集整理170艘豪华邮船的船型数据,基于MATLAB回归工具箱对其进行单变量回归和多元回归。以总吨位为自变量,以各主要设计参数为因变量,采用回归分析法建立豪华邮船主要设计参数的数学模型,给出6种邮船主尺度及主要参数的单变量非线性回归公式和2种多变量线性回归公式。通过算例进行计算分析,结果表明,单变量回归公式和多元回归公式的精度较高、适用性较强,可供邮船主要设计参数的初步设计参考。

基于GRNN和KPCA组合模型的变压器油中气体体积分数短期预测

电力变压器作为输变电系统的主要核心设备,保证其能够健康稳定的运行具有重要意义,由于收集到的电力变压器的状态信息比较多,这些数据可以从各个方面反映变压器的运行状态,利用这些信息对变压器运行状态进行预测具有重要的研究意义,设备的状态监测参量是一个复杂的数据序列,通过预测方法来对参量未来的变化趋势进行预测,能够更好的掌握变压器的运行状态变化,传统方法的输入信息通常是单一或者少数几维来拟合未来的变化趋势,存在输入特征信息量不足且不同信息维度之间存在耦合的现象,为提高变压器状态参量的预测精度,文中提出了一种基于GRNN、KPCA的组合模型实现变压器油中气体体积分数的短期预测,将常用的几种气体体积分数比值也作为特征参量,拓展了特征参量的维度,其次利用核主元分析方法从特征参量中选取主要参量,降低了信息的冗余,最后利用广义回归神经网络来对变压器油中气体体积分数进行预测。

产品平台设计参数的回归划分方法研究

为了定量分析参数化产品平台构建过程中产品设计参数划分的问题,建立了产品设计参数与性能目标之间不确定关系的回归模型。在回归方程显著性检验基础上,提出基于t检验和标准化回归系数检验的回归参数显著性综合检验进行产品设计参数的划分,消除了量纲不同和数量级差异的不利影响,确定了更合理的产品平台参数和可调节参数。最后,以高速动车组转向架产品平台中动车车轴为例,验证了该方法的有效性。结果表明,该方法可为不同量纲和数量级的设计参数与性能目标间存在不确定关系的产品平台设计参数划分提供有效的解决方案。

基于KPCA数据重构的参数优化方法

传统的多变量统计过程监控技术采用的故障模型是线性的,该模型在具有强非线性特征的工业过程的故障诊断及预测方面的效果不够理想。针对复杂系统,需采用非线性数据模型的故障描述,研究基于核主元分析(Kernel Principal Component Analysis,KPCA),KPCA数据重构的最优参数选择方法十分必要。采用网格搜索法和交叉验证法相结合的方法确定KPCA算法和支持向量机(Support VectorMahine,SVM),SVM回归算法的最优参数,使重构误差为最小。以TE过程为仿真实例,仿真结果表明:所提出的基于KPCA数据重构的最优参数选择方法是有效的。

青海东部雷电活动环境特征及其预报

选用2011—2013年6—8月西宁站探空和闪电资料,对雷电天气发生时的环境参数进行主成分分析,探讨多环境参数和单环境参数与雷电活动之间的相关性。结果表明:多环境参数主要为层结稳定度类、大气温湿类和动力类三类;700 h Pa假相当位温、全总指数、沙氏指数、深对流指数和高原修正K'指数5个单环境参数在一定的取值范围内与雷电活动关系密切。以单环境参数为预报因子建立青海东部雷电活动潜势预报方程,利用2014年6—8月实测数据样本进行试报检验,预报效果理想。

精纺面料织物结构参数与其抗皱性能的主成分回归分析

为了研究织物结构参数与精纺面料抗皱性能的关系,在确定影响织物折皱回复性能的各个结构参数的基础上,应用动态回复角测试仪对21种精纺面料进行折皱回复角测试。为避免多元回归分析出现多重共线性问题,利用主成分分析方法对织物多个基本结构参数进行降维处理,得到4个互相独立的主成分。以主成分为自变量,分别取经向折皱回复角、纬向折皱回复角以及经纬向折皱回复角之和为因变量,采用回归分析的方法建立抗皱性与提取主成分的关系模型。结果表明:建立的主成分与折皱回复角之间的回归方程,达到非常显著的水平,对抗皱性能进行预测是可行的。通过主成分分析可知,主成分Z_1,Z_2,Z_4是决定精纺面料抗皱性的主要因素。

20辊轧机工艺对厚度波动影响的主成分回归分析

运用主成分回归分析方法,以出口厚偏差表征厚度波动,研究了20辊森吉米尔轧机轧制工艺参数对厚度波动的影响。结果表明,在所选的11个自变量中,对厚度波动影响最大的变量为轧制入口厚偏差,该变量与轧制稳定性相关;影响次之的为材料塑性系数,该变量与材料本身性质相关;影响最小的为轧制力,该变量在轧制过程中可实时精确控制。