水基完井液静态沉降稳定性回归分析

试油完井液在长期高温静置后易降解、固化,引起测试管柱堵塞、封隔器卡埋等井下复杂情况。本文通过研究蓬深2井、磨溪151井和龙兴1井水基完井液在不同密度、不同温度下沉降1~15 d的静态沉降稳定性SSSI值后,通过多元回归分析收敛回归方程,回归方程R^(2)为0.84,残差平方和为0.57。经回归方程计算不同沉降天数的完井液SSSI值,预测完井液未来的沉降情况,SSSI值预测误差均在0.025以下,具有由完井液已知沉降状态预测未知沉降状态的理论价值。

城市停车设施需求预测研究

从分析影响城市内停车设施需求量的因素入手，全面总结了多种停车需求预测模型，并在此基础上提出静态交通发生率的模型及求解算法．模型应用在上海市停车需求预测中并取得了良好效果．

预测地铁施工中地表变形的动态系统方法

提出了基于自回归 (AR)模型对时间序列统一建模的新观点和方法 ,可大大减少计算量 ,并在微机上编程实现 .以实例对动态模型与静态模型分别作了应用比较 ,结果表明 ,时间序列分析动态模型是系统分析的重要方法 ,是统计预测法中的高级预测方法 ,预测精度高 ,用途广泛 .而静态模型适合于内插 ,不适合于外推预报 .

基于参数变化的云应用程序执行时间预估方法

根据程序执行的语句条数,提出了一种基于参数变化的程序执行时间预估方法。通过分析任务源码,进行资源评估,得出任务执行的语句数;通过自动曲线拟合,得出语句数随参数变化的趋势;通过实际运行程序,找出了语句数与运行时间的关系,得出程序运行时间随参数变化的趋势。使用pascal汉诺塔程序对预估方法进行验证,发现测得的参数变化下的程序运行时间与实际运行时间非常接近,误差率很小。

基于时间序列分析的动态变形预测模型研究

提出了基于AR并将其推广到CAR模型对时间序列统一建模的新观点和方法,并以实例对动态模型与静态模型分别作了应用比较。结果表明,时间序列分析动态模型预测精度高,用途广泛。

应用静态法预测季节性服装需求

针对泳衣等对季节性敏感的服装商品市场需求波动较大,企业难以对需求量进行准确预测的问题,通过对企业历史销售数据进行归纳整理,按照销售季的时期,采用静态分析法着重研究生命周期较短的服装———泳衣的需求预测。结果表明,对于和泳装这类季节性需求明显的产品有相同变化规律的其他时尚类产品,如羽绒服,也可以通过该方法进行需求量的预测。

雷暴潜势预报中几个基本问题的讨论

基于雷暴发生三要素的雷暴潜势预报思路已被广为接受,文章旨在讨论其在业务预报应用中的一些具体问题,澄清一些容易混淆的概念。内容包括大气层结不稳定与对流;雷暴触发机制与抬升作用及其与天气系统的关系;如何处理雷暴发生三要素"足够"的问题;"流型识别"与"配料法"的综合应用等。层结不稳定是雷暴发生三要素之一,也是短时预报分析的重点.文章讨论了各种中尺度不稳定在雷暴发生中的作用,给出了估计CAPE值时空演变的着眼点,对位势不稳定和对称不稳定概念及其判据进行了较深入的讨论。

新城区CBD区域停车需求预测方法

在总结现有停车需求预测模型及新城区CBD区域停车特征的基础上,分析了现有模型对新城区CBD区域停车需求预测的适应性。针对现有模型在停车预测时存在的不足之处,综合考虑新城区CBD区域用地特征及交通特性,根据出行吸引强度及交通方式划分,构建适用于新城区CBD区域的停车需求预测模型,并结合济南西客站片区CBD区域进行实例验证。结果表明了该预测方法的可行性及结果的合理性。

电网静态安全的自适应性超实时预测

研究在智能电网下电力系统在线静态安全分析所面临的问题,提出了一种具有自适应性的超实时预测方法。利用电力系统静态安全分析的精确计算与人工智能方法的有机结合,将传统的样本库分成静态样本库和动态样本库,利用分类误差编辑修改动态样本库,以解决系统的自适应性问题;采用蚁群算法做特征提取,缩小系统规模,解决超实时计算的问题。该方法提高了特征量对网络结构、运行状态、数据误差等在线静态安全分析的适应能力,具有计算速度快、鲁棒性强、自适应强、模型通用性强等优点。

基于灰色预测的电力系统静态频率特性系数计算

提出了一种基于灰色系统GGM(1,1)模型的电力系统静态频率特性系数的快速识别与预测计算方法。该方法在分析对比常规静态频率特性系数定义公式、识别计算方法及灰色系统理论基础上,提出了适用于电力系统静态频率特性系数预测的灰色模型构建方法,在同一运行方式下施加递增扰动计算系统频率偏差最大值并计算系统静态频率特性系数的等测度数据序列,替代时间序列建立静态频率特性系数的灰色GM(1,1)模型,预测计算系统静态频率特性系数变化趋势并进行分析。应用灰色系统中的GGM(1,1)模型对特高压电网某年度运行方式下的系统K值进行了预测计算,同时在仿真算例中进行了验证并分析了计算误差。

基于PLS负荷预测的空调系统的控制

准确预测空调系统的负荷,对指导空调系统控制策略的实施,实现节能,有重要意义。应用偏最小二乘(PLS)回归分析法建立了空调系统负荷预测模型,预测出系统负荷。分析计算获得系统的供应负荷,将预测负荷与供应负荷进行在线比较,基于此进行变静压变送风温度控制。

基于电网状态和结构的连锁故障预测

电网连锁故障可能导致大规模停电并造成严重后果,在故障初期对后续故障进行预测有助于对大停电事故的预防。在分析了典型连锁故障的发展过程的基础上,建立了完整的支路静态能量函数的模型,构建了映射潮流变化的能量指标。结合反映电网结构脆弱性的电气介数,计及前后故障之间的累积效应,提出了反映电网故障后状态变化和结构变化的综合性裕度指标预测连锁故障。仿真结果能够搜索出较严重的连锁故障模式集,验证了该方法的合理性、有效性。

计及风电功率不确定性的经济调度问题求解方法

在调度模型中考虑风电功率不确定性的影响时,需要计及高估及低估风电的代价,优化问题的目标函数中将含有不可解析微分的项,无法基于经典的等微增率准则对该静态经济调度问题进行求解。通常使用的现代优化算法在实际应用中具有一定的工程局限性。对此,文中提出使用一种近似函数来模拟服从正态分布的风电功率预测误差,使该静态经济调度优化目标函数可以得到解析的微分表达式,进而可用等微增率准则求解含风电功率不确定性的经济调度问题。算例分析结果表明,该算法的计算结果符合一般的经济学原理,且能够较好地反映不同经济政策因素对系统经济调度结果的影响。

基于组合预测的静态利率期限结构优化模型

针对单个静态利率期限结构模型在拟合收益率曲线时的不足，本文引入组合预测的方法，在绝对误差和与方差和最小准则下，分别建立了静态利率期限结构组合优化模型，并给出了模型的遗传算法求解过程。然后将上海证券交易所2004～2009年的国债每日交易数据分为样本内数据和样本外数据，对多项式样条、指数样条、NS、SV和组合优化模型进行实证比较。结果表明：无论是对于样本内数据的拟合，还是对于样本外数据的预测，组合优化模型的统计特征指标几乎都要优于其他单一模型，并且具有良好的适应性和稳健性，适用于拟合我国国债利率期限结构。

基于静荷载作用软黏土动力长期变形预测研究

动力循环荷载作用下长期变形是工程实践中值得关注的问题。由于试验条件的限制,目前对于动力长期变形研究取得的成果比较有限,而静力作用下的流变成果则相对较多。本文以天津滨海新区海积软土为研究对象,利用TSS10土体三轴流变试验仪和GCTS空心圆柱扭剪仪,对其分别进行流变试验以及大数目循环动荷载试验。试验数据分析表明,同围压条件下,当动应力与静偏应力相等时,动力累积变形与静力长期变形具有相似性,区别在于动力累积变形量略大于静力流变变形。基于此,以静力流变元件模型为基础,同时计算同条件下动静荷载作用下变形差值,建立动力长期变形预测公式,并对试验数据进行验证,结果表明该预测公式较为合理,可为相关工程建设提供理论支持。

城市埋地燃气管道危险性SPA-Markov链评价预测模型

为对城市埋地燃气管道系统危险性进行动态评价及预测,为管理者提供更客观的、可靠的管理依据,将集对分析(SPA)理论和马尔科夫链相结合用于城市埋地燃气系统的动态评价中。针对城市埋地燃气管道系统存在不确定性和动态变化的特点,提出集状态评价和预测分析于一体的城市埋地燃气系统动态危险性评价预测方法。该方法利用SPA的多元联系数对系统的危险等级进行划分,运用马尔科夫链的遍历性,并将结果与集对势相结合,预测城市埋地燃气管道系统最终的危险水平。

山东省林业投入产出模型的建立与应用研究

本文主要探讨具有营林生产特点的投入产出模型,就山东省林业投入产出表的设计做了详细说明,并对山东省林业投入产出预测模型做了简要介绍.

基于ARMA模型的杭州市房价研究与预测——以杭州市上城区和下城区为例

以杭州市上城区和下城区的房价走向为例,采用Eviews软件,根据数据自身的特性,运用对数变换和差分变换将不平稳的原序列转换成一组平稳且非白噪声的新序列,从而建立相应的ARMA模型,并利用该模型对这两个城区2019-2023年的房价进行预测.结果表明,杭州市上城区和下城区的房价整体处于较快上升趋势.

印尼地区嵌岩灌注桩竖向承载特性现场试验

为更加深入研究不同竖向荷载作用下大直径嵌岩灌注桩的承载特性与荷载传递规律,以印尼地区某工程为依托,对3根直径为800 mm的嵌岩灌注桩进行单桩竖向抗压静载试验与桩身应力测试。试验结果表明:3根试桩的Q-s曲线均为缓变型,沉降量均不超过17 mm,回弹率较大,介于54.8%~70.9%之间,残余沉降较小,承载力较高,均满足设计要求。桩身轴力随桩顶荷载的增加逐渐增大,随深度逐渐递减;桩侧摩阻力的发挥具有异步性,随着荷载的增大,桩侧摩阻力逐渐发挥,在嵌岩段桩侧摩阻力最大,但仍未充分发挥;桩端阻力随桩顶荷载的增加近似呈线性增大,在最大荷载作用下,桩端阻力占比约55%,表现出摩擦端承桩的特性。研究结果对国内桩基规范的完善以及当地桩基规范的制订具有较重要的意义。

基于递归神经网络的风暴潮增水预测

风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值。传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型。现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性。文中提出了一种基于递归神经网络的风暴潮增水预测方法。本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测。相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题。将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小。