电弧炉终点温度的GASVR_GM预报模型研究

电弧炉终点温度是炼钢过程中的重要指标之一,决定了钢水的质量和整体成本.电弧炉终点温度预报模型的建立是实现炼钢自动化的重要环节,为了得到高精度的终点温度预报值,提出了一种GASVR_GM的钢水终点温度预报模型.该模型以定量因素为主,采用遗传算法优化的支持向量回归机预报终点温度;再运用灰色模型进行预报误差的补偿,解决非定量因素的影响,实现滚动预报.试验仿真表明,与智能软测量方法相比,GASVR_GM预报模型具有更高的精度和鲁棒性.     

小生境粒子群优化的SVM钢坯定重预报

连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义.首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数.其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测.最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型.并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度.     

铜转炉吹炼终点预报模型研究*

铜转炉吹炼终点预报是转炉生产的一个重要环节,直接影响转炉的生产效益.其吹炼工艺相当复杂,影响生产因素众多且因素之间相互耦合,使得用来预测吹炼终点的模型极其复杂.针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测.仿真结果表明,建立的预报模型具有较高的自学习及泛化能力,预报结果具有较高的精度.     

基于PCA及SVM对含能化合物结构性能预测

本文使用PCA(主成分分析)算法对含能化合物的结构参数进行数据预处理,这可降低数据维数和提取数据特征信息,将预处理后的数据作为SVM(支持向量机)算法的输入,通过SVM同归算法来建立含能化合物分子结构和性能之间的定量关系模型.结果表明,该模型能较好的反应含能化合物分子结构和性能之间的关系,具有较高的预测精度.     

有机过氧化物自加速分解温度的QSPR研究

基于定量构效关系(QSPR)原理,对有机过氧化物的自加速分解温度(SADT)与其分子结构间的内在联系进行了研究。应用CODESSA软件计算46种有机过氧化物的分子描述符。采用最佳多元线性回归(B-MLR)法对描述符进行筛选获得7个特征描述符,并同时建立线性回归模型。将7个特征描述符作为输入参数,采用支持向量机(SVM)法建立非线性模型。随后对模型进行验证,结果表明,B-MLR模型和SVM模型均具有良好的拟合能力、稳定性和预测能力,且SVM模型的性能(R_(train)~2=0.958,R_(test)~2=0.862)优于B-MLR模型(R_(train)~2=0.930,R_(test)~2=0.844)。通过对特征描述符的分析发现了影响SADT的主要结构因素。采用Williams图分析了模型的应用域,结果表明所有样本均在模型的应用域范围内。本文所建立的B-MLR模型和SVM模型可应用于有机过氧化物SADT的预测。     

EMD-SVM组合模型在带钢张力预测中的应用

根据带钢张力时间序列非平稳、非线性特征,提出一种基于经验模态分解(EMD)和支持向量机(SVM)组合模型的预测方法;首先,应用EMD方法将原始张力序列分解成若干不同频率的平稳分量;其次,根据各分量特征,选用合适的核函数和最佳参数建立不同的SVM回归分析模型,对各分量测试集进行SVM预测;最后将各分量预测序列组合成原始序列的预测值;将EMD-SVM模型用于带钢张力预测,并与ARMA和SVM模型预测结果比较;EMD-SVM模型预测相关度可高达99.93%,而ARMA和SVM模型预测的相关度分别只有88.82%和79.31%,仿真结果表明EMD-SVM模型有较高的预测精度。     

航空发动机磨损趋势变权重组合预测技术研究

由于航空发动机滑油中金属元素含量受许多复杂因素的影响,所以磨损趋势预测精度相对较低。针对这个问题提出了RBF网络变权重组合预测（RBFNN-VWCF）模型对航空发动机零部件的磨损趋势进行研究。由于输入维数对模型的预测精度影响较大,引入混沌理论中的C-C方法重构相空间确定模型最佳输入输出样本的维数,选取BP网络和SVM模型作为子预测模型对铁元素含量的变化趋势进行预测,将得到的预测值作为RBFNN-VWCF模型的输入变量进行变权重组合预测,利用正交最小二乘法训练网络模型,确定子模型不同时刻的权重,并对影响模型预测精度的参数进行讨论。仿真结果表明,RBFNN-VWCF模型充分利用了两种子预测模型的有效信息,更客观地反映了发动机零部件的磨损趋势,与单一模型相比具有较高的预测精度和很强的实用性,为发动机下一步的维修决策提供了有力支持。     

烧结终点预报神经网络样本优选与系统建模

烧结终点预报对于提高烧结矿强度和产量、降低能耗具有重要意义,但是烧结终点状态受多种因素影响,无法直接检测,只能由操作工依据经验进行判断,严重影响了烧结生产的稳定运行.本系统运用K均值聚类分析的样本优选方法对海量数据进行处理,选择具有代表性的样本,从而有效缩小样本空间、改善样本质量.使用风箱温度曲线计算废气温度上升点和烧结终点软测量值,以台车速度和点火温度作为输入,采用BP神经网络模型,对烧结终点位置进行预报.在实际应用中,该模型预报结果较准确地反映了烧结终点位置的变化,起到了稳定生产、节约能源的作用.     

基于GA优化ELM的船舶交通流预测模型

为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法又采用GA(遗传算法)对极限学习机的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM船舶交通流预测模型。利用上海洋山港船舶流量对该模型进行了实例分析,通过MATLAB仿真进行预测,将GA-ELM模型与单纯的BP模型、ELM模型进行对比和分析,结果表明:GA-ELM模型具有更高的预测精度和效率,从而能够相对准确、高效地对船舶交通流量进行预测。     

多阶灰色支持向量机集成预测模型研究

对灰色预测模型GM(1,1)和支持向量机SVM预测模型进行分析,提出了多阶灰色支持向量机集成预测模型Dm_GM(1,1)-SVM。通过多阶缓冲算子改进灰色预测模型的预测精度,对最终预测值的各个相关指标进行预测;同时,采用粒子群优化算法对支持向量机模型进行径向基核参数和惩罚参数寻优,得到最佳参数对(c,g),从而确定支持向量机的最佳回归模型;最后将各指标预测值作为支持向量机模型的输入,依据预测模型和预测模型的输入值求得预测结果。实验实例表明,多阶灰色支持向量机集成模型和传统的预测模型相比,在本例中预测精度更高,说明多阶灰色预测模型和支持向量机模型相结合在解决实际预测问题中具有实用价值。     

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明：等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。     

集成灰色支持向量机预测模型研究与应用

对灰色预测GM(1,1)模型进行了分析,提出了集成灰色支持向量机的预测模型。分别对影响灰色预测GM(1,1)模型精度的背景值的计算、初值的选取以及数据序列的光滑度进行改进,提出了背景GM模型、初值GM模型、光滑度GM模型,并结合支持向量机的特点,将一维原始数据序列通过三个灰色模型得到的三组值作为支持向量机的输入,原始序列作为支持向量机的输出,训练得到最佳支持向量回归机模型。仿真结果表明了该模型的有效性。     

灰色理论和马尔可夫相融合的粮食产量预测模型

鉴于根食产量受多种复杂因素的影响并具有较大的随机性和波动性,建立了一种灰色理论和马尔可夫相融 合的粮食产量预测模型。首先采用灰色关联法筛选粮食产量影响因子,然后将其输入到灰色系统中构建粮食产量的 灰色预测模型,最后使用马尔可夫模型对灰色模型的粮食产量预测结果的残差值进行修正,以提高粮食产量预测精 度。仿真结果表明,提出的预测模型具有较好预测的精度,完全能满足粮食产量预测精度的要求。     

On performance of case-based reasoning in Chinese business failure prediction from sensitivity,specificity, positive and negative values

Case-based reasoning (CBR) is a machine learning technique of high performance in classification problems, and it is also a chief method in predicting business failure. Recently, several techniques have been introduced into the life-cycle of CBR for business failure prediction (BFP). The drawback of former researches on CBR-based BFP is that they only use total predictive accuracy when assessing CBR. In this research, we provide evidence on performance of CBR in Chinese BFP from various views of sensitivity, specificity, positive and negative values. Data are collected from Shanghai Stock Exchange and Shenzhen Stock Exchange in China. And we present how data are preprocessed from the view of data mining. The classical CBR model on the base of Euclidean metric, the grey CBR model on the base of grey coefficient metric, and the pseudo CBR model on the base of pseudo outranking relations are employed to make a comparative study on CBR's predictive performance in BFP. Meanwhile, support vector machine (SVM) is employed to be a baseline model for comparison. The results indicate that pseudo CBR produces better performance in Chinese BFP than classical CBR and grey CBR significantly on the whole, and it outperforms SVM marginally by total predictive accuracy and sensitivity, while it is not significantly worse than SVM by specificity.     

基于即时学习策略的火电厂球磨机负荷软测量

针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法。利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混合优化算法进行SVM预测模型参数的优化选取;基于电厂实际运行数据进行了仿真研究。仿真实验表明,与标准BP神经网络和SVM建模方法的比较,该算法具有更好的预测性能,虽然计算开销有所增加,但能够满足制粉系统球磨机负荷检测的实时性要求。     

基于最小二乘支持向量机和遗传算法的氧化铝悬浮焙烧能耗估计建模

针对氧化铝悬浮焙烧能耗信息表征和模型应用的实际需求,建立一种最小二乘支持向量机(LS-SVM)能耗估计模型。基于该类模型结合遗传算法(GA)提出一种模型参数优化和工业应用策略。采用灰关联分析确定模型的主输入为主炉温度、烟气含氧量、原料含水量;采用K折交叉验证优化样本数据;采用比较模型预测误差确定核函数为径向基函数(RBF)核。建立输入为能耗参数,输出为模型标志的支持向量机工况模型选择器。能耗估计模型的自学习与动态优化通过样本的更新和聚类实现,模型的选择和投运通过模型选择器依据工况状态实施切换。实验结果表明,建立的焙烧能耗估计模型和模型应用策略,能提高模型的泛化能力、增强模型的工况适应性,是一种有效的焙烧能耗参数估计和分析方法。     

灰色Verhulst 拓展模型的病态性问题

有效判定灰色模型的病态性是进行灰预测建模的关键. 为了揭示灰色Verhulst 拓展模型建模参数在原始序列存在微小扰动下的变化规律, 以矩阵谱条件数为工具对该模型灰导数的背景值进行分类证明. 结果表明, 灰色Verhulst 拓展模型不存在严重病态性. 采用灰色Verhulst 拓展模型进行预测建模, 模型的解不会因系统原始数据在收集过程中存在微小误差而产生显著漂移现象.

     

基于改进灰狼算法优化多核支持向量回归机及其应用

为更好发现数据中的复杂规律,避免核函数选择的盲目性和局部最优等非线性优化问题,本文提出一种基于改进灰狼算法优化多核支持向量回归机算法.首先,基于全局核函数和局部核函数构建多核支持向量机采油速度预测模型;其次,利用基于云模型和二次插值算法改进灰狼优化算法对核函数权值和参数的选取进行优化;最后,应用灰色关联分析理论确定采油速度影响因素集,并作为多核支持向量回归机预测模型的输入.与6种采油速度预测方法进行对比,所提方法具有较好的全局寻优能力和较高的预测率的优点.     

基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法

针对基于支持向量机(SVM)的煤与瓦斯突出预测算法存在预测精度和可靠性不高,选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合(IPSO-Powell)优化SVM的煤与瓦斯突出预测算法.首先通过灰色关联分析提取出煤与瓦斯突出主控因素,即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型,作为算法的输入样本;然后运用IPSO算法改善粒子群算法(PSO)的早熟收敛性,结合Powell算法进行局部搜索得到最优解,对SVM算法的惩罚系数和高斯核函数参数进行寻优,得到SVM的最优参数组合;最后将煤与瓦斯突出的主控因素输入到SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出预测.仿真结果表明:与SVM算法、GA-SVM算法、PSO-SVM算法相比,利用IPSO-Powell优化SVM算法进行煤与瓦斯突出预测,具有更高的预测精度,同时提高了SVM求解过程的运算效率,能同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到95.9%.     

Applying fuzzy grey modification model on inflow forecasting

This paper investigates a modified grey model for forecasting the inflow of a reservoir. The integral form of the background value is employed for the original grey model, GM(1,1), to improve accuracy and applicability. Thereafter, the Fourier series is altered to handle extreme values with regard to prediction; exponential smoothing is used to improve the drawbacks of the prediction delay phenomenon. Finally, we are hybridised as the ultimate grey model with outstanding prediction accuracy, namely EFGM(1,1). As a typhoon causes significant changes in the inflow of a reservoir, this paper applies the fuzzy membership function for dealing with it during the flood season to construct the fuzzy grey modification model, FEFGM(1,1). Results of grey models are compared with those of the Autoregressive Integrated Moving Average (ARIMA). By evaluating different indices, the errors of the predicted extreme value of EFGM(1,1) perform better than those of GM(1,1) and ARIMA, however worse than that of FEFGM(1,1). The final FEFGM(1,1) shows high precision with regard to reservoir inflow prediction during typhoons with combined effects of fuzzy, exponential smoothing, Fourier series.