语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理.分别应用互信息法和Cao氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数,以完成语音序列的相空间重构.通过计算实际采集的语音信号序列的最大Lyapunov指数,完成了语音信号的混沌特性识别,判定其具有混沌特性.引入Volterra级数,提出了一种具有显式结构的语音信号非线性预测模型.为克服最小均方误差算法在Volterra模型系数更新时固有的缺点,在最小二乘法基础上,应用基于后验误差假设的可变收敛因子技术,构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra模型(DFPSOVF),并将其应用于具有混沌特性的语音信号序列预测.仿真结果表明:DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度,优于线性预测模型,并且能够很好地反映语音序列变化的趋势和规律,完全可以满足语音预测的要求;可以根据语音信号序列的嵌入维数选取预测模型的记忆长度.所提出模型可以为语音信号重构和压缩编码开辟一条新途径,以改善语音信号处理方法的复杂度和处理效果.

结合VMD和Volterra预测模型的轴承振动信号特征提取

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和Volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF分量进行相空间重构,在重构的相空间内建立Volterra自适应预测模型,根据类内类间距准则对模型参数进行优选,用于描述轴承振动信号。对4种状态的滚动轴承振动信号进行了分析,优选的特征参数表现出较好的分类性能。实验结果表明,该方法能有效提取振动信号中的非线性和非平稳特征,从而提高滚动轴承故障诊断精度。

电力系统短期负荷新型Volterra预测模型研究

针对电力系统负荷短时预测问题,从分析负荷数据的混沌特性入手,利用相空间重构理论对负荷数据进行重构,构建了一种新型的Volterra模型对电力系统负荷进行预测。该模型采用二次线性微分方程方法对原Volterra级数进行变换,与以往Volterra级数相比,该模型无截断误差,包含了系统更多精确的信息。最后,以某地区实际用电负荷数据为对象进行验证,结果表明:该模型2d和4d用电负荷预测结果和实际结果误差不超过5%,完全能够满足电力调度需求,同时也为电力公司制定经济模型和实时电价调整提供了理论支持。

基于Volterra模型的电力物资需求动态预测方法

针对电力物资需求量大、种类繁多、电力物资需求量预测误差较大等问题,设计电力物资需求预测系统,该系统由客户服务、数据中心和云通信3层结构组成,通过SQL Server数据库的电力物资数据信息访问,能够实现对电力物资历史数据和现有数据的分类;利用数学模型进行计算定量预测,实现电力物资需求预测的实时更新;采用STM32F103C8T6微控制器和NFC标签读写模块,实现结合电力物资需求量对电力物资库存数量的调整。通过实验,所研究电力物资需求预测系统的电力物资需求预测平均误差为11%,电力物资需求动态预测误差低。

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。

山东烤烟感官质量与化学成分关系及质量预测模型建立

为明确山东烤烟化学成分与感官质量之间的关系,探明影响山东烟叶质量提升的关键化学成分指标,对山东省6个地区代表性烟叶样品开展感官质量评价和常规成分、有机酸、生物碱、单双糖、多酚等5类23种化学指标测定,结合简单相关、方差分析、主成分分析和回归分析等统计方法进行数据分析。筛选出总糖、氯、绿原酸、降烟碱、柠檬酸/烟碱、油酸6个影响山东烟叶品质的关键化学指标,基于6个指标构建山东烟叶感官质量预测模型,验证样本预测值与真实值绝对差值0.43~3.88分,相对误差-5.66%~6.32%,平均误差3.18%。基于关键化学成分构建的感官质量预测模型可为山东烟叶质量的客观评价提供一定的技术支撑。

土石坝风险等级智能预测分析及模型优化研究

大坝溃坝会造成大量的生命财产损失和巨大的环境破坏。精准快速确定土石坝风险等级,对于控制土石坝溃坝危害具有重要意义。本文采用K-最近邻(KNN)算法填补了数据库中大量缺失数据,引入遗传优化算法(GA)优化轻量级梯度提升机(LightGBM)超参数,建立了基于GA-LightGBM的土石坝风险等级快速预测模型。采用受试者工作特征曲线(ROC)、曲线下面积(AUC)值等其他评价指标对模型精度进行验证,并将其与传统机器学习模型进行了对比。研究表明,所提模型预测准确率为89.95%,准确度最高。模型的AUC值为0.977,说明模型在适用性和预测精度方面都优于传统预测模型。采用SHAP分析对该模型进行了全局影响因素分析及案例分析,结果表明,检查频次是导致土石坝风险最重要的影响因素之一。

基于PLUS模型的2030年滹沱河流域山区段生态承载力时空格局多情景预测

为探讨滹沱河流域山区段当前及未来不同发展情景下生态承载力的时空变化,应用植被净初级生产力改进的生态足迹模型测算分析了流域2015—2020年生态承载力的时空格局变化,并借助经过精度验证的PLUS模型对2030年区域自然发展、经济发展及生态保护三种发展情景下的生态承载力时空格局进行预测。结果表明:2015—2030年滹沱河流域山区段单位面积生态承载力整体格局变化不大,但内部空间分异明显,整体呈东南及西北区域单位面积生态承载力高,而东北、西南部区域单位面积生态承载力低的特点。2015—2020年区域生态承载力总量由1.0780×10^(6)bhm^(2)增加到1.0796×10^(6)bhm^(2),呈上升趋势;2030年自然发展和经济发展情景下区域生态承载力总量分别为1.0783×10^(6)、1.0782×10^(6)bhm^(2),与2020年相比呈下降趋势,草地向耕地的转移、林地向建设用地的转移是生态承载力下降的主要原因;2030年生态保护情景下生态承载力总量为1.0802×10^(6)bhm^(2),与2020年相比呈上升趋势,耕地向林地、草地转移是区域生态承载力增加的主要原因。各类用地的生态承载力总量由高到低依次为草地>耕地>林地>建设用地>水域,生态保护情景有益于林地、草地生态承载力总量的增加,经济发展情景有益于耕地和建设用地生态承载力总量的增加,水域生态承载力总量在各种发展情景下变化较小。生态保护情景更有利于未来生态承载力的增加,符合区域未来发展方向。严格控制草地向耕地的转变以及林地向建设用地的转变,继续实施退耕还林、还草生态工程,加强区域废弃矿山生态复垦的力度,将会提高区域未来生态承载力,实现区域生态安全及经济、社会、生态的可持续发展。

基于RUN-XGBoost算法的土石坝渗流预测模型

针对传统土石坝渗流预测模型存在局部最优、抗干扰性差和预测精度低等问题,通过RUN算法优化XGBoost算法得到RUN-XGBoost算法,构建了RUN-XGBoost模型以获得更优的土石坝渗流预测结果。该模型在种群初始化时采用RUN算法对XGBoost算法的3个主要参数进行改进,使预测结果有较高的有效性;通过自动寻找最优参数增进算法的整体收敛速度和预测精度,同时引入随机解,使算法能够排除局部最小值并继续搜索,从而获得全局最优结果。工程实例验证结果表明,RUN-XGBoost模型具有简洁、高效、预测精度高、鲁棒性强等优点。

白条猪价格预测模型构建

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

基于WOA-BP神经网络下马铃薯产量预测分析模型

马铃薯是我国重要的粮食作物之一,营养丰富,用途广泛,是一种谷物、蔬菜和水果功能兼具的食物,其蛋白质含量远高于其他块茎类食物,且富含优质的氨基酸。马铃薯生育期短,在湖北平原、丘陵地区冬种春收适宜发展早熟品种,对于填补全国南北方鲜薯市场供应空档期具有重要意义。因此,马铃薯产量的高效预测对于制定生长期间的种植管理措施及相关决策具有重要意义。为此,针对传统BP神经网络在产量预测中存在精度低、鲁棒性差等问题,利用鲸鱼算法(Whale optimization algorithm,WOA)对BP神经网络模型进行优化。同时,基于湖北地区2009-2021年间田间物联网获取的气象因子(大气湿度、大气温度、降雨量)、田间水热因子及马铃薯产量,采用BP神经网络模型、GA-BP神经网络模型(遗传算法优化)及WOA-BP神经网络模型对所选地区马铃薯产量进行预测。研究结果表明:WOA-BP神经网络模型精度明显高于GA-BP神经网络模型及BP神经网络模型,R2达到0.9764,预测值与试验值之间拟合程度较高,表明基于WOA-BP神经网络模型可以更加科学、合理、准确地进行马铃薯产量预测。

计及采样扰动抑制的电压源逆变器三矢量无模型预测电流控制方法

针对传统电压源逆变器无模型预测电流控制(model-free predictive current control,MFPCC)方法存在电流纹波大、电流梯度更新停滞以及预测性能易受采样扰动影响的问题。该文提出一种计及采样扰动的三矢量MFPCC方法。在一个控制周期应用3个基本矢量,并根据价值函数计算矢量作用时间,降低了输出电流纹波;其次,通过建立不同矢量作用下的电流梯度方程组,实现电流梯度数据的实时更新,消除了停滞现象;再次,分析采样扰动对MFPCC的影响,采用扩张状态观测器估计采样扰动以补偿预测电流控制,抑制其对输出电流的影响。最后,通过仿真和实验,对所提方法的有效性进行了验证。

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度(Photosynthetic photon flux density, PPFD)及CO_(2)浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO_(2)浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO_(2)浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.962 12、0.979 44,均方根误差(RMSE)分别为2.983 2μmol/(m^(2)·s)、0.001 435 8 mol/(m^(2)·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。

基于随机森林和XGBoost算法构建心脏骤停患者自主循环恢复后神经功能预后不良的风险预测模型

目的 利用机器学习算法构建预测心脏骤停(CA)患者自主循环恢复(ROSC)后神经功能预后不良的预测模型,探索结局相关因子。方法 回顾性收集2016年1月至2024年1月沧州市中心医院收治的CA行心肺复苏(CPR)后ROSC的患者481例为研究对象。收集患者临床资料,根据患者转出重症监护病房(ICU)时的格拉斯哥-匹兹堡脑功能表现分级(CPC)评分,将其分为预后良好组(GNO,n=158)和预后不良组(PNO,n=323)。481例患者按7∶3随机分为训练集(n=338)和测试集(n=143),训练集用于构建模型,测试集用评价模型效能。利用极端梯度提升(XGBoost)和随机森林(RF)两种机器学习算法构建患者神经功能预后不良的预测模型,分别得出影响患者神经功能预后的变量,应用SHAP进行XGBoost模型可解释性分析。将XGBoost和RF算法得出的变量取交集,再将交集变量进行多因素Logistic回归分析,得到差异有统计学意义的变量,进而构建决策树模型。在训练集和测试集上利用受试者工作特征(ROC)曲线和曲线下面积(AUC)评估决策树模型的预测性能。结果 通过XGBoost模型得到与神经功能预后不良相关的变量15个,RF模型得到与神经功能预后不良相关的变量14个,两种模型取交集得到11个与神经功能预后不良相关的交集变量[视神经鞘直径(ONSD)变化率、神经元特异性烯醇化酶(NSE)、入ICU第3天ONSD(ONSD day3)、心脏骤停至心肺复苏(CA-CPR)时间、ROSC时间、急性生理学与慢性健康状况评价Ⅱ(APACHEⅡ)评分、血肌酐、白蛋白、住ICU时间、血乳酸及年龄]。将这11个交集变量进行多因素Logistic回归分析,结果显示,PNO组与GNO组ONSD变化率、NSE、ONSD day3、ROSC时间及年龄这5个变量差异有统计学意义(P<0.05)。用这5个重要变量构建决策树模型,得出3个与患者神经功能预后不良最相关的变量(NSE、ROSC时间及ONSD变化率),在训练集上的决策树模型预测CA行CPR后ROSC患者神经功能预后不良的AUC为0.857(95%CI 0.809~0.903,P<0.001),在测试集上的AUC为0.834 (95%CI 0.761~0.906,P<0.001)。结论 基于XGBoost和RF这2种机器学习方法构建的决策树模型能够更准确地评估CA患者ROSC后神经功能的不良预后,且评价指标可能简化为NSE、ROSC时间及ONSD变化率。

脊髓损伤病人膀胱功能障碍风险预测模型及其应用

目的:构建脊髓损伤病人膀胱功能障碍风险预测模型,并进行效果检验。方法:采用便利抽样法将2021年1月—2022年12月110例脊髓损伤病人纳为研究对象,按照是否发生膀胱功能障碍分为障碍组和正常组,采用单因素、多因素Logistic回归分析筛选脊髓损伤病人膀胱功能障碍的独立危险因素,据此拟合风险预测模型的回归方程,检验模型预测效果。结果:共29例(26.36%)脊髓损伤病人发生膀胱功能障碍;多因素分析结果显示,病程、损伤部位、排尿方式、泌尿系统感染、膀胱顺应性、逼尿肌括约肌失调为脊髓损伤病人膀胱功能障碍的独立影响因素(P<0.05);预测模型Hosmer-Lemeshow卡方检验结果显示,χ^(2)=8.203,P=0.336;C-index为0.818;AUC为0.794[95%CI(0.750,0.837)],约登指数为0.690,最佳截断值0.122,敏感度为94.4%,特异性为74.6%;模型预测准确率为81.81%。结论:本研究在脊髓损伤病人膀胱功能障碍的危险因素基础上,建立的风险预测模型具有良好拟合程度和区分能力,且准确度较高,能为临床早期预防、早期筛选、早期治疗和管理脊髓损伤病人膀胱功能障碍提供一定依据。

碳青霉烯类耐药肺炎克雷伯菌致血流感染风险预测模型的构建

目的构建碳青霉烯类耐药肺炎克雷伯菌(CRKP)致血流感染(BSI)风险预测模型。方法回顾性分析秦皇岛市第一医院2019年1月-2022年6月253例肺炎克雷伯菌致BSI患者的临床资料,将2019年1月-2021年12月收治的患者(223例)作为模型组,2022年1-6月收治的患者(30例)作为验证组。根据是否检出CRKP将模型组患者分为CRKP亚组(56例)和碳青霉烯类敏感肺炎克雷伯菌(CSKP)亚组(167例),对两亚组患者性别、年龄、合并基础疾病等基本信息进行单因素分析和多因素Logistic分析,筛选CRKP致BSI的独立危险因素并构建风险预测模型;以验证组患者为对象,对所建模型进行验证。结果患者入住重症监护病房(ICU)、使用免疫抑制剂和经验性抗感染治疗中使用碳青霉烯类抗菌药物、抗革兰氏阳性球菌药物是CRKP致BSI的独立危险因素(比值比分别为3.749、3.074、2.909、9.419,95%置信区间分别为1.639~8.572、1.292~7.312、1.180~7.717、2.877~30.840,P<0.05);所建风险预测模型的P值为0.365,模型受试者工作特征曲线的曲线下面积(AUC)为0.848(95%置信区间为0.779~0.916,P<0.001),分值临界值为6.5。用于验证组患者时,模型预测的总体准确率为86.67%,其生存曲线的AUC为0.926(95%置信区间为0.809~1.000,P<0.001)。结论患者入住ICU、使用免疫抑制剂和经验性抗感染治疗中使用碳青霉烯类抗菌药物、抗革兰氏阳性球菌药物是CRKP致BSI的独立危险因素;基于上述因素所建的CRKP致BSI风险预测模型的预测准确性良好。

上消化道肿瘤患者术后早期肠内营养喂养不耐受风险预测模型的构建

目的分析上消化道肿瘤患者术后发生早期肠内营养喂养不耐受的危险因素,建立风险预测模型。方法回顾性分析2021年5月至2022年12月收治于上海市某二级甲等医院普外科的210例上消化道肿瘤患者病例资料,所有患者术后均行早期肠内营养支持治疗。根据是否发生术后早期肠内营养喂养不耐受,分为不耐受组(n=121)与耐受组(n=89),比较两组患者间的差异。运用logistic回归分析上消化道肿瘤患者术后早期肠内营养喂养不耐受的危险因素,并构建风险预测模型,同时通过受试者工作特征(ROC)曲线下面积和霍斯默-莱梅肖(H-L)评价模型的校准度及区分度。结果上消化道肿瘤患者术后早期肠内营养喂养不耐受的发生率为57.62%,多因素logistic回归分析结果显示,低蛋白血症、高血糖、胃肠内补钾、术后疼痛评分≥4分、术后3 d后下床活动为上消化道肿瘤患者术后发生早期肠内营养喂养不耐受的独立危险因素。H-L检验结果显示,χ^(2)=6.523(P=0.367),模型ROC曲线下面积为0.916(P<0.001),灵敏度为0.857,特异度为0.832。结论上消化道肿瘤患者术后早期肠内营养喂养不耐受的发生率较高,本研究所构建的风险预测模型预测效能较好,能够帮助临床医护人员识别肠内营养喂养不耐受高危人群,为早期采取护理干预措施提供参考依据。

基于灰色GM(1,1)模型的我国医院感染患病率变化趋势及预测

目的了解我国医院感染患病率变化趋势,并采用灰色GM(1,1)模型对我国不同规模医院的医院感染患病率进行预测,为医院感染防控提供数据支持和新思路。方法采用描述性流行病学方法分析我国医院感染患病率变化趋势,2008—2016年我国医院感染患病率数据进行灰色GM(1,1)模型构建,2018—2020年数据进行模型验证。采用构建的灰色GM(1,1)模型对2022—2024年我国医院感染患病率进行预测。结果我国医院感染患病率呈下降趋势,随着医院规模的增加医院感染患病率升高。医院感染患病率灰色GM(1,1)模型的精度良好、拟合效果较高。2024年全国、<300张床位医院、300~599张床位医院、600~899张床位医院和≥900张床位医院的医院感染患病率可降为1.00%、0.49%、0.90%、1.13%和2.05%。结论我国医院感染防控效果明显,灰色GM(1,1)模型对我国医院感染患病率有较好的预测效果。

基于简化有限集模型预测电流控制的五相PMSM统一容错控制

在五相永磁同步电机(permanent-magnet synchronous motor,PMSM)中,有限集模型预测容错控制(finite control set model predictive fault tolerant control,FCS-MPFTC)存在计算量大、电流谐波含量高等问题。因此,该文提出一种简化FCS-MPFTC来实现相开路和短路故障情况下的统一容错控制。首先,将模型预测电流控制的电流代价函数等效转化为电压代价函数,并采用无差拍方法通过电流模型计算出参考电压。然后,基于抑制三次谐波电流为0的原则合成虚拟电压矢量(virtual voltage vector,V^(3));通过重构V^(3)和扇区,以直接获得参考电压矢量对应的最优电压矢量。最后,对传统和简化FCS-MPFTC在开路和短路故障下进行对比实验。结果表明,所提策略能够有效减小故障后计算量、转矩脉动以及电流谐波含量。

脑卒中静脉溶栓后早期神经功能恶化诺莫图预测模型的建立与验证

目的探究脑卒中静脉溶栓(IVT)后早期神经功能恶化(END)的危险因素,并构建诺莫图预测模型进行验证。方法回顾性分析2020年5月至2023年5月期间在大连市中心医院就诊的182例脑卒中患者的临床资料,所有患者均接受重组组织型纤溶酶原激活剂(rt-PA)溶栓治疗,根据溶栓后患者发生END的情况分为END组(n=52)和非END组(n=130)。比较两组临床资料,采用二元Logistic回归分析法明确发生END的危险因素,将独立危险因素引入R软件构建风险列线图,采用Bootstrap法验证模型区分度,绘制Calibration曲线和受试者工作特征(ROC)曲线进行拟合度及预测效能评估。结果END组患者既往脑梗死占比、入院时美国国立卫生研究院卒中量表(NIHSS)评分、发病至溶栓时间、溶栓时间、责任血管重度狭窄占比及糖化血红蛋白(HbA1c)、白细胞计数(WBC)、中性粒细胞/淋巴细胞比值(NLR)水平高于非END组,血红蛋白(Hb)、预后营养指数(PNI)水平则低于非END组(P<0.05)。二元Logistic回归模型显示,入院时高NIHSS评分、高HbA1c、责任血管重度狭窄及高NLR和低PNI是脑卒中IVT后发生END的独立危险因素(P<0.05)。根据独立危险因素建立脑卒中IVT后发生END的预测模型方程,采用Bootstrap法对预测模型进行内部验证,结果显示模型区分度良好,Calibration curve显示模型拟合度好,引入独立危险因素构建的诺莫图预测模型的AUC为0.928(95%CI:0.880~0.961,P<0.05),预测效能优于PNI、NLR单独预测(P<0.05)。结论入院NIHSS评分、HbA1c、责任血管狭窄程度及NLR和PNI是患者脑卒中IVT后发生END的影响因素,以此构建诺莫图预测模型区分度、拟合度良好,对发生END具有较高的预测价值。