基于改进PCA-BP神经网络模型的海宁市需水预测

需水预测是地区水资源规划中的重要部分,对于实现水资源合理有序开发,保障社会经济的可持续发展有重要的指导意义。采用改进PCA-BP神经网络模型对影响需水量的9个影响因子进行降维处理,并分别以海宁市2001~2014、2015~2020年数据作为训练样本和检验样本完成模型训练,其中,综合灰色预测模型GM(1,1)对降维后的影响因子独立预测,从而预测海宁市规划年需水量,并与传统定额法的需水预测结果进行对比分析。结果表明,人口、GDP、居民生活用水量、城镇公共用水量为影响海宁市需水量的主要因子;通过构建改进PCA-BP神经网络模型得到的2025、2030、2035年需水结果,比传统定额法更为真实、合理,进一步证实了预测模型的合理性,可为海宁市未来水资源规划提供指导。

基于OCTA构建糖尿病肾脏病临床预测模型

【目的】探讨基于光学相干断层扫描血管成像技术(OCTA),筛查糖尿病肾脏病(DKD)高风险人群的临床预测模型。【方法】本研究以567例糖尿病患者为研究对象,在逐步logistic回归分析的基础上,运用随机森林算法筛选纳入建模的指标,构建基于OCTA糖尿病肾脏病临床预测模型。通过受试者工作特征曲线评价模型区分度,通过决策曲线分析评估模型临床有效性。【结果】构建基于OCTA的DKD临床预测模型,ROC曲线下面积为0.878,Brier=0.11。【结论】本研究构建了基于OCTA结果进行糖尿病肾脏病临床预测的列线图预测模型,并从多维度验证模型,从而达到早期预警、提前实施干预的目的。

基于多序列MRI影像组学与深度迁移学习特征的脑胶质瘤分级预测研究

目的:探讨基于多序列磁共振成像(magnetic resonance imaging,MRI)手工影像组学(hand⁃crafted radiomic,HCR)和深度迁移学习(deep transfer learning,DTL)特征的机器学习(machine learning,ML)模型在术前预测脑胶质瘤分级的效能。方法:选取BraTS2019数据集中332例患者的影像数据[高级别胶质瘤(high⁃grade glioma,HGG)258例,低级别胶质瘤(low⁃grade glioma,LGG)74例],随机抽取30例HGG和8例LGG作为测试数据集,其余294例作为训练集和验证集。从T1、T2、T1c和Flair序列中提取病灶的HCR特征和DTL特征,并筛选出影响力前10的特征子集,基于HCR特征、DTL特征和两者组合的深度学习影像组学(deep learning radiomics,DLR)特征,分别建立7种ML模型,评估模型预测HGG和LGG的效能。选择最佳模型后,使用SHAP法对模型特征重要性进行量化及归因分析。结果:基于HCR和DTL组合的DLR特征构建的ML模型预测效能最高,当使用支持向量机的递归特征消除(support vector machine⁃recursive feature elimination,SVM⁃RFE)筛选特征后,使用T2+T1c+Flair序列组合的支持向量机(support vector machine,SVM)分类器的预测模型效果最佳。在验证集上,受试者工作特征曲线下面积达到0.996(95%CI:0.991~1.000),约登指数、准确度、灵敏度和特异度分别为0.920、0.976、0.988和0.932,在测试集上同样具有较高的分级预测效能。SHAP特征权重分析显示Flair序列的特征贡献较大,其次为T2及T1c序列,HCR和DTL特征均有重要贡献。结论:基于多序列MRI的DLR特征构建的ML模型可有效预测脑胶质瘤的肿瘤分级,其中经过SVM⁃RFE筛选后的T2+T1c+Flair序列组合的SVM分类器模型效能最佳。

流动条件下X65钢在含氧体系下的腐蚀行为及腐蚀预测模型

X65钢注水海管介质含有溶解氧,导致管道内发生严重腐蚀。针对该问题,基于现场注水海管基础数据,考虑流速、温度、溶解氧浓度和Cl^(-)浓度对X65钢腐蚀行为的影响,设计9组正交试验,采用高温高压反应釜、扫描电子显微镜和X射线衍射仪进行失重测试和腐蚀产物表征;结合多元线性回归法,建立腐蚀预测模型。结果表明:4种影响因素对腐蚀速率的影响程度由大到小排序为:溶解氧浓度>温度>流速>Cl^(-)浓度,溶解氧浓度是腐蚀主控因素;随着流速、温度、溶解氧浓度和Cl^(-)浓度的增大,腐蚀速率增大;腐蚀产物表征结果表明,腐蚀产物主要为Fe3O4和Fe2O3;考虑上述4个因素的影响,基于7组均匀腐蚀速率值,建立腐蚀预测模型;采用剩余2组均匀腐蚀速率值对腐蚀预测模型进行验证,误差最大为8.9%,表明该腐蚀速率预测模型的准确性较高。

基于深度学习的氢喷射火事故后果预测方法

加氢站作为氢能应用产业最重要的配套基础设施之一,其中存在的大量高压氢气伴随着泄漏风险。高压氢气一旦泄漏,极易形成喷射火,对加氢站内构筑物及人员生命财产安全造成严重威胁。为了实现氢喷射火事故后果的快速准确预测,提出了基于神经网络的代理模型事故后果预测方法,相较于传统数值仿真方法具有显著的时效性优势。该方法构建了一种基于生成对抗网络和长短期记忆神经网络的混合代理模型,使用数值仿真生成的训练样本对代理模型进行训练,完成训练的代理模型能够预测加氢站高压氢气泄漏产生喷射火事故后的温度分布情况。使用模糊C均值聚类方法和结构相似度指标定量分析了代理模型预测结果的准确度,结果表明氢喷射火后果预测代理模型能够在保证可接受预测精度的前提下,极大地提高后果预测效率,实现了加氢站氢喷射火后果的时空快速预测。

Combined model based on optimized multi-variable grey model and multiple linear regression

The construction method of background value is improved in the original multi-variable grey model （MGM（1,m）） from its source of construction errors. The MGM（1,m） with optimized background value is used to eliminate the random fluctuations or errors of the observational data of all variables, and the combined prediction model together with the multiple linear regression is established in order to improve the simulation and prediction accuracy of the combined model. Finally, a combined model of the MGM（1,2） with optimized background value and the binary linear regression is constructed by an example. The results show that the model has good effects for simulation and prediction.

基于CPTU的黏性土超固结比计算方法的对比分析

以江苏滨海某海上风电项目为背景,采用孔压静力触探(CPTU)技术对土层进行测试,并对土样进行标准固结试验.首先,将基于CPTU技术的土体超固结比计算方法分为基于归一化锥尖阻力和净锥尖阻力的经验方法以及基于临界状态土力学理论与圆孔扩张假设的理论方法.然后,以静探孔JT21的CPTU测试数据为例,采用CPTU技术计算黏性土超固结比,并与试验值进行对比.最后,将纳什效率系数、决定系数、均方根误差作为评价因子,采用非线性规划求解方法对原有公式经验参数进行优化处理,建立了预测江苏海域黏性土超固结比的修正预测模型.结果表明,修正预测模型的计算结果相比于初始预测模型结果更接近试验值,归一化锥尖阻力与超固结比存在线性关系.计算超固结比时推荐优先采用修正NGI模型,其决定系数为0.486,纳什效率系数为0.974.

基于FA-LN-BiGRU的机械设备剩余寿命区间预测方法

针对数据驱动融合模型存在前后模型不匹配、关键信息丢失等问题,提出了一种端对端的预测方法,即基于特征注意力机制的对数正态分布和双向门控循环单元融合(feature attention-lognorm-bidirectional gated recurrent unit,简称FA-LN-BiGRU)的剩余寿命区间预测方法。首先,利用特征注意力机制从多维度、非线性和大规模的传感器信号中提取出关键特征向量;其次,采用BiGRU网络从前向和后向2个方向对注意力加权特征的时变特性进行建模学习,并通过最大似然估计损失函数来训练网络参数,获得网络隐含状态输出向量的概率分布;最后,计算出基于对数正态分布的概率密度函数,实现设备剩余寿命(remaining useful life,简称RUL)不确定性的衡量。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够深入挖掘性能退化信息,有效提高机械设备剩余寿命点预测和区间预测的准确度和可靠性。

基坑变形混沌特征识别与非线性预测模型研究

混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。

基于修正卡尔曼滤波的目标跟踪

分析了卡尔曼滤波算法在目标状态发生突变和运动模型建立不准确时估计精度降低,甚至发散的原因,对比自适应渐消卡尔曼滤波算法,提出了一种通过直接修正预测值来提高卡尔曼滤波算法精度、改善算法性能的修正算法。修正的算法通过设置判定准则和修正准则,实时修正预测值,在滤波初始阶段可迅速降低估计误差、提高稳态时的滤波精度、缩短收敛时间;当目标发生状态突变时,可消除或降低由于目标状态突变造成的滤波跟踪精度下降、滤波发散的问题;当目标运动建模不准确时,可消除或降低由于建模不准确带来的模型误差。仿真实例说明了算法的有效性和较强的实际应用指导意义。

山城道路交通噪声的分析和预测

本文报道了以路面坡度为主要特点的山城道路交通噪声的分析和等效声级预测方法.根据山城路面结构,两侧建筑物分布特点,对机动车辆在坡道上行驶状态和噪声辐射进行了大量测量和研究,得到不同车种噪声与坡度、车速的线性关系式.研究证明上下坡侧声级值有差异,道路两侧建筑物阶梯式分布噪声污染特点.给出了坡道路面交通噪声等效声级及其在车流量较少条件下的预测方法,并与实测值作了比较.

四川盆地长宁区块页岩气水平井地质目标关键技术参数优化

近年来,针对四川盆地上奥陶统五峰组—下志留统龙马溪组在页岩气地质评价、工程试验和开发优化研究等方面均取得了较大的进展,初步掌握了页岩气开采主体技术,并在焦石坝、长宁、威远等区块实现了规模建产。为了给类似页岩气水平井的开发设计提供技术参考,以长宁区块五峰组—龙马溪组页岩气井为研究对象,采取地质与工程相结合、动态与静态相结合、统计分析与模拟预测相结合的技术手段,量化页岩气井产能主控因素,建立页岩气井产量预测模型,优化该区块页岩气水平井巷道方位、巷道位置、巷道间距、水平段长度以及气井生产指标等地质目标关键技术参数。结论认为:(1)水平段方位与最大主应力和裂缝发育方向之间的夹角最大、水平井巷道位于最优质页岩内、水平段钻揭Ⅰ类储层长度超过1 000 m,是页岩气井获得高产的基础;(2)水平井的井筒完整、优选低黏滑溜水+陶粒压裂工艺造复杂缝是页岩气井获得高产的保障。依据该研究成果形成了长宁区块页岩气开发的技术政策,指导了该区块页岩气的开发建产,也为类似区块页岩气水平井的开发设计提供了借鉴。

中国金矿成矿地质特征、预测模型及资源潜力

为了摸清全国金矿资源潜力,科学合理地部署金矿地质勘查工作,在全国金矿资源潜力评价成果的基础上,总结了金矿成矿规律、时空分布及资源潜力特征,跟踪金矿勘查进展,提出金矿勘查部署建议。中国金矿床虽以小型居多,但大中型金矿床的资源储量约占80%。金矿床在中生代呈大规模成矿特征,其矿床数和资源储量均居主要地位,其次为新生代、晚古生代、中新元古代、早古生代。金矿床在空间上呈区域集中分布特征,根据成矿地质背景、成矿条件和金矿床空间分布,结合地球物理、地球化学特征、预测资源量,修订了金矿成矿区带划分方案,确定了57个Ⅲ级金矿成矿区带,其中胶东、小秦岭—伏牛山、滇黔桂、西秦岭、燕辽、松潘—摩天岭、东秦岭、长江中下游、丽江—哀牢山和吉南—辽东成矿区带,其查明资源储量和预测资源量在全国均居前列。以服务于矿产资源潜力评价为目的,提出了金矿预测类型划分方案,将金矿床类型归纳为12类,分别为与中深成侵入岩有关的热液型、微细浸染型、构造破碎蚀变岩型、陆相火山岩型、变质碎屑岩地层中热液型、斑岩型、夕卡岩型、砂金型、花岗绿岩型、海相火山岩型、风化壳型、砾岩型,其中以前5种矿产预测类型为主。在总结金矿床地质背景、地质特征和找矿标志的基础上,建立主要类型金矿预测评价模型。全国金矿资源潜力评价预测金资源量31 125.6t,预测深度大多小于1 000m,50%的预测资源量分布于已知矿床外围及深部。根据资源潜力评价成果,结合近年来金矿勘查取得新的找矿进展,找矿主攻矿床类型为中深成侵入岩有关的热液型、微细浸染型、构造破碎蚀变岩型、陆相火山岩型;中国东部胶东、小秦岭—伏牛山、西秦岭、滇黔桂为金矿重点勘查区带,已知矿床深部和外围仍是金矿重点找矿地段;西部地区如东昆仑、巴颜喀拉、冈底斯、班公湖—怒江、丽江—哀牢山等区带的金矿勘查突破,基础性地质勘查和科研工作投入,为西部地区金矿勘查开发提供理论和技术支撑,有利于开创西部地区金矿勘查的新局面。

ET_0预测的卡尔曼滤波修正ANFIS模型研究

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术。预测模型的合理选择及精度提高是作物需水决策系统的核心。本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET_0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET_0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度。仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98。实验结果得到,ANFIS预测模型的平均绝对误差是28.94%,平均相对误差是26.37%,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24%,平均相对误差是6.59%。仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET_0的变化趋势。

基于小波-神经网络的井眼轨迹预测数学模型研究

以复杂钻井系统动力学为基础,从所建立的钻头位移模型仿真实验中提取数据,把所得的井眼轨迹时间序列进行小波分析重构,分别得到平稳的随机序列、周期序列和非平稳趋势序列;并把所得平稳随机序列、周期序列、非平稳趋势序列作为输入层,构造小波-神经网络井眼轨迹预测模型,充分发挥小波分析的多分辨率功能和人工神经网络的非线性逼近能力。通过实验验证,此模型能有效提高预测精度、延长预见时间,这将为复杂钻井系统井眼轨迹预测研究提供新的理论依据及方法。

模糊神经网络在精密卧式加工中心热误差的预测

为了提高精密数控机床的加工精度,减少精密机床的热误差,文章提出了模糊神经网络径向热误差的建模方法。以数控加工中心关键点的温度和主轴径向的热变形量的关系为基础,应用模糊神经网络建模法,采用精密卧式加工中心主轴径向热误差的数据,对机床主轴热误差进行建模与预报。从数控机床主轴建模试验结果分析表明,模糊神经网络预测模型能够较为精准的对机床主轴径向热误差的做出预测,在实际应用中有利于提高机床的补偿精度,对数控机床热误差补偿提供参照。

最优加权组合模型在边坡变形预测中的应用

利用某岩质边坡2002年-2011年的变形监测资料,结合区域地质与气象背景,运用莱茵达准则选定有效的监测数据,分别建立了GM(1,1)模型和趋势曲线预测模型;最后,基于最优加权组合原理,建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测,模拟变形趋势与实际变形趋势对比结果表明,组合模型的预测精度高于任何单一模型的拟合精度,证明该组合模型合理、可靠。

灰色优选组合预测模型及其应用

针对优选组合预测模型的择优难问题,依据灰色系统理论关联度分析的基本原理,提出了预测模型最优选择的综合评判法,并应用于京津唐电网月度负荷预测中,有较强的自适应性和较高的预测精度。

统计能量方法用于汽车振动噪声的分析研究

就汽车开发阶段的高频振动噪声预测进行了研究,介绍了建立汽车振动噪声统计能量分析模型的方法和过程,并对两种车型驾驶舱子系统的噪声特性进行了预测和对比。

一种在线社会网络的信息扩散预测模型

论文针对在线社会网络中的信息扩散问题,提出了一个信息扩散的预测模型。首先给出了以好友关系作为用户距离度量的方法;然后将信息扩散看作是"社会扩散"和"内部扩散"两种方式同时作用的结果,并分别将Fick扩散理论和Logistic增长模型用于描述这两个过程,设计了Fick-Logistic扩散预测模型。最后,用该模型对Digg数据集中最具代表性的新闻实例进行预测。较高的预测准确率表明,论文提出的Fick-Logistic扩散预测模型能较好描述Digg在线社会网络中的信息扩散过程,具有较好的预测性能。