基于机器学习与预测分析的直流光测量系统远程模块的寿命预测方法

针对高压直流换流站中直流光测量系统的远程模块,基于机器学习方法,采用预测分析理论,建立了其剩余寿命的预测模型。搭建了远程模块特征参数采集系统,以采集远程模块的特征参数,并确定了其工作状态阈值;接着采用离群点检测算法检查远程模块运行情况;最后基于多元线性回归算法采用训练数据样本集搭建远程模块剩余寿命的预测模型,实现对远程模块剩余寿命的预测。进一步,通过测试数据样本集来评价了寿命预测模型的精确程度。结果显示,该模型寿命预测结果的均方误差和均方根误差分别为0.009 072和0.095 2,从而说明该寿命预测模型的预测结果较好,精确度较高。     

基于Apriori和C5.0算法的智能电表故障预测

针对智能电表故障状态的预测问题,提出了一种基于Apriori算法和C5.0算法建立智能电表故障识别模型,实现智能电表故障的预测。首先,对智能电表历史故障数据库进行数据挖掘预处理,并采用Apriori算法进行强关联因素深度挖掘。然后,将强关联因素组成的数据集合分为训练数据集和测试数据集两部分,采用C5.0算法对训练数据集进行数据挖掘,生成智能电表故障初步预测规则。接着,根据测试集的数据对初步预测规则的正确性进行评估：如果准确度满足要求,确定预测规则;如果不满足,则返回训练集。最后,根据获得的预测规则建立智能电表故障状态预测模型进行智能电表故障预测。算例分析结果证明,智能电表故障状态预测模型具有较高的精度,可获得极为准确的故障状态预测结果。     

基于支持向量机的织物剪切性能预测

织物的剪切性能受到纱线和多种织物结构参数的影响,为了科学地设计织物剪切性能,提出了织物剪切性能预测的一种新方法－支持向量机,用它来表达织物剪切性能与织物结构参数之间复杂的非线性关系,并建立了相应的预测模型。对获得的样本进行归一化处理后,将其输入预测模型,然后采用交叉验证的方法获得模型的最佳参数,利用获得的最佳参数来进行剪切性能的预测。将获得的结果同BP神经网络预测的结果进行了比较,结果表明该方法的预测精度较高。     

商业企业财务预测

财务预测系统主要面向中小型商业企业，它能够预测中小型商业企业财务状态的未来发展趋势。以及其他需要使用时间序列预测模型的待业和场合。系统提供了预测模型参数选择功能、整理数据模块、预测功能模块、图形模块、数据输出模块、出错管理块、保密模块等七大模块。预测过程实现了自动化。     

基于数据挖掘方法的风力涡轮机状态监测技术研究

目前风力涡轮机的故障模式预测成为了风力发电站发展的重要任务;提出了一种基于数据挖掘算法的涡轮机故障状态预测方法;这种方法包括3个主要的步骤:涡轮机状态抽象,算法训练,状态预测;首先利用先验知识将涡轮机的初始状态进行分类,选择建立预测模型的参数;为了降低计算难度,采用数据挖掘算法进行模型参数的选择;最终采用发电机转速、变速箱速度、温度枢纽、叶片螺距角这些参数进行预测模型的建立;建立预测模型的过程分为3个阶段:预测任意故障;预测系统的特殊故障;确定未知故障;通过对各种数据挖掘算法基于大量风力涡轮机数据的性能分析,选择了性能最优的随机森林算法模型;这种模型的预测准确率能够达到98%;同时还能够预测训练数据没有包含的故障类型;通过在实际风力涡轮机数据的验证,表明了这种模型的稳健性。     

基于时序数据的工作面设备故障预测研究

煤矿工作面设备通常由多个复杂系统模块组成,各模块间具有强耦合性,且设备故障机理复杂,在进行设备故障预测时需对设备的运行状态、环境数据、操作数据等进行实时监测,从而获取电气、机械、热工类多参数时序数据。提出一种基于时序数据对工作面设备进行故障预测的方法:首先,采用时序对齐算法将采集的设备监测数据对齐,即对监测数据的时间列重新排序,以时间列为关键值,各监测数据作为标签值填入,空缺值以前值填充;然后,根据故障表征现象和发生机理选取故障相关因素,通过Pearson相关系数分析法计算相关因素间的相关性,由此确定故障预测因素集;最后,采用长短期记忆(LSTM)网络建立工作面设备故障预测模型,以归一化的故障预测因素集作为LSTM预测模型的输入、故障作为输出,将迟滞时间段引入LSTM预测模型,实现了迟滞性故障的超前预测。以采煤机过热跳闸故障为例进行试验,通过分析得出故障预测因素集为{滚筒温度,滚筒电流,滚筒启停,牵引温度,变压器温度,摇臂温度},当LSTM网络细胞层数为10、隐藏细胞数为10、学习率为0.001、迭代次数为1 500、1次读取样本个数为120时,采煤机过热跳闸故障的迟滞时间为30min,采用测试集进行故障预测时可实现超前26min预测,与迟滞时间相差4min,表明采用LSTM网络可基于时序数据有效实现工作面设备故障的超前预测。     

服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用。针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型。对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延迟量,确定轴承与环境的温差对轴承温升的影响,并据此对预测模型进行优化。以某高速列车大齿轮箱滚动轴承为例进行预测模型构建及优化方法验证,测试结果显示:预测模型优化前的综合平均相对预测误差为1.64%,优化后为1.35%,降幅为17.7%,预测模型优化前的综合最大相对误差为35.6%,优化后为17.7%,降幅50.3%。     

基于改进回声状态网络的网络热点话题预测

网络热点话题具有时变性和非线性,灰色、负面热点话题对社会稳定产生不利影响。为了提高网络热点话题的预测精度,提出一种基于改进回声状态网络的热点话题预测模型(MESN)。首先构建网络热点话题的学习样本,然后采用回声状态网络建立网络热点话题预测模型,并利用改进粒子群优化算法对回声状态网络参数进行优化,建立最优网络热点话题预测模型,最后应用具体网络热点话题数据进行仿真实验。结果表明,该模型不仅提高了网络热点话题预测精度,而且加快了网络热点话题的建模速度,可以满足网络热点话题在线预测。     

一种电子装备故障预测参数选取方法

针对电子装备故障预测中的预测参数选取问题,建立电子装备故障预测信息系统,设置故障预测参数选取原则,基于多信号流图模型提取反映电子装备故障状态的预测参数集,利用决策辨识函数对该参数集进行约简,并采用基于相关危险度的统计模型选取出最优故障预测参数集。实例证明该方法可以实现预测参数选取的自动化。     

代价敏感分类的软件缺陷预测方法

软件缺陷预测是提高软件测试效率,保证软件可靠性的重要途径。考虑到软件缺陷预测模型对软件模块错误分类代价的不同,提出了代价敏感分类的软件缺陷预测模型构建方法。针对代码属性度量数据,采用Bagging方式有放回地多次随机抽取训练样本来构建代价敏感分类的决策树基分类器,然后通过投票的方式集成后进行软件模块的缺陷预测,并给出模型构建过程中代价因子最优值的判定选择方法。使用公开的NASA软件缺陷预测数据集进行仿真实验,结果表明该方法在保证缺陷预测率的前提下,误报率明显降低,综合评价指标AUC和F值均优于现有方法。     

关联关键因子联想自学习Bayes疾病确诊算法

为实现机器求解南方山羊疾病确诊问题,提出关联关键因子概念及其可信度联想算法,设计了适用于主观贝则的加权联想推理和机器统计自学习方法.针对多规则激活情况,提出规则积分加权和集合求并的综合方法模拟人会诊过程.实验结果表明,可信度联想方法提高了机器确诊符合率,综合方法合成多确诊结论,收到很好的诊断效果.     

沈阳市降水概率预报模式研究

利用日本数值天气预报产品和地面天气图，集成多种统计学方法对沈阳市降水概率进行预报，经专家订正后对社会发布。本预报模式避免了单一统计学方法的局限性，并且实现了历史因子的自动追加，能够反映最新的天气信息。经在沈阳市气象台一年的试预报，根据预报结果计算得半贝里尔得分B=0．065；Bias得分为Bias=2％；预报技巧得分Bs=80．8％。同时准确率明显高于日本数值预报结果。     

RI地震预测模型的分析及其验证

地壳运动是一个极其复杂的无秩序现象，通过对地壳运动的研究很难对地震作出预测。为了准确地预测未来地震次数，利用统计学原理是一个很好的选择。RI(Relative-Intensity)方法是从统计学角度构造地震预测模型，对历史发生地震数据进行学习，预测未来将要发生的给定震级范围内的地震次数。RI方法基于这样一个假设：相同区域未来将要发生地震的相对强度和过去发生的地震相近。它将地震模型分为若干个等大的网格，并以网格为基本单位进行统计、计算，最后得到每个网格的地震预测值，对目标区域内所有网格的预测值进行累加就可以得到目标区域的预测值。RI方法在中国华北地区回顾性预测中表现出较好的性能和准确性。     

神经网络的预测性能的优化分析

神经网络的应用广泛领域就是预测，主要是利用它的函数逼近映射能力进行预测。分析了影响神经网络预测精度的因素，提出了几种提高神经网络预测性能的方法，为提高神经网络预测精度提供了一定的思想和方法。     

基于Bayes网的时间序列预测

时间序列预测问题在气象、天文、电力、医学、生物、经济、金融和计算机等各个领域有着广泛的应用。本文将Bayes网模型用于该领域，提出并建立了一套基于Bayes的时间序列预测模型——静态]3ayes网预测模型，动态Bayes网预测模型和分类静态Bayes网预测模型。实验表明，这三个模型能更准确地描述用户在Web上的浏览特征，在预测准确率和存储复杂度方面都显著地优于传统的时间序列预测模型。     

中期售电量并行BP网络预测模型

为解决中期电量预测精度的问题,提出了多BP网并行预测模型结构,以缩小BP网络规模提高预测精度,用于改进常规BP网络模型用于中期电量预测时精度低、收敛速度慢等问题,并在汕头电网有限公司的实际应用中,取得了较为满意的结果,验证了该预测模型的适用性。     

中国油气资源生产发展最优组合预测模型研建

为了得到更合理、准确的未来能源发展趋势预测结果,利用非线性函数模型描述能源生产发展系统的非线性动态特征。分别采用非线性指数回归模型和灰色系统理论中的模型方法建立了中国油气资源生产发展预测模型。并利用组合预测理论及建模技术采用标准差法进行最优组合权重分配,建立了中国油气资源生产发展的组合预测模型。经检验达到了较好的预测精度。结果表明,这一模型适合于油气资源生产发展的趋势预测,为能源预测提供了新的方法,并在实例中进行了初步的预测应用,取得了较好的效果,为我国的能源发展战略提供可靠的科学依据。     

区域航空市场航线客流量预测研究

为了有效地控制和合理地分配区域航空市场航线客流量,提高航空机场的效率,为航管决策部门提供制定计划的理论依据,在深入研究国内外航空客流量预测研究成果基础之上,针对区域航空市场的特点,提出了一个自顶向下的航线客流量预测模型。它包括总体趋势预测、中长期预测模型和短期预测模型三部分;并将神经网络和支持向量机构成的组合模型引入中长期预测模型中,使用神经网络实现短期预测模型;并结合A公司实际进行了实证研究,证明了该预测模型的有效性。文中研究成果对所有航管部门具有一定的指导意义。     

可容忍预测误差及其在汇率组合预测中的应用

鉴于传统的最优化组合预测模型确定权重的方法未考虑到数据中极端值的影响,存在一定的局限性。为了更好地提高组合预测的精度,提出了预测结果可容忍误差的相关概念。将其应用到每种单项预测结果及组合预测结果的效果分析中,提出了一类基于可容忍误差的最优化组合预测模型,从而确定组合预测中各单项预测方法的权重。以2016年1月4日至2018年6月12日日元兑换美元日汇率收盘价的数据为例验证了模型的可行性和合理性。结果表明,所提出的最优化模型能够有效提高组合预测的精度。     

集成预测方法及其在灾情预测中的应用研究

该文对神经网络和灰色预测两种预测模型进行了介绍,分析了它们的优缺点,并提出了一种集成预测方法,将两种方法集成,应用于对财产保险防灾减损来说最重要的灾情预测,克服了单一算法的不足,使预测的精度得到了提高,取得了良好的效果。