基于海上风电功率特性的预测误差对比分析

海上风电功率预测是大型风电场并网稳定运行的先决条件,风电功率预测的准确性对提高电网的质量和一致性具有重要作用。为提高风电功率预测误差,采用自回归移动平均(ARIMA)和改进的k-最近邻(kNN)两种预测方法对海上风电功率进行预测,结果表明,风电功率根据不同的特性可以用不同的预测方法进行预测,预测误差小于20%,通过改进预测方法,能够提高预测精度。最后,通过具体算例对改进的两种预测方法进行了验证,并将结果进行了对比,验证了两种算法在不同预测时间范围的有效性。     

基于AR-Kalman的机械设备状态趋势预测方法研究

为提高AR模型的趋势预测精度,结合AR模型和卡尔曼滤波方法,提出了一种新的机械设备状态趋势预测方法。该方法利用AR模型作为预测器,以卡尔曼滤波方法作为实时修正器,进行趋势预测。实验结果表明,该方法能有效地对机械设备的运行状态趋势进行预测,明显提高了预测准确度。     

电梯交通流预测方法研究

电梯交通流的预测准确性对电梯群控系统的运行质量与服务水平有很大的影响。文中综述近年来常用的电梯交通流预测方法,包括时间序列预测法、指数平滑法、卡尔曼滤波法等传统预测方法,人工神经网络、支持向量机等智能预测方法以及几种组合预测方法,并指出了未来的发展方向。     

灰色模型和指数平滑法在运输需求预测中的应用比较——以广西客运需求为例

介绍了时间序列预测法中的灰色预测模型和指数平滑法,并用这两种预测方法运用于广西客运需求的预测,根据预测的结果,对两种预测方法进行了分析。     

对市政地铁工程施工成本精准预测的分析研究

在预测市政地铁工程施工成本时,由于对成本构成的分析不够全面,导致预测成本与实际情况之间存在较大偏差,须对市政地铁工程施工成本预测展开研究。在分析市政地铁工程施工直接成本和间接成本的基础上,对其直接成本和间接成本的预测方法进行科学、深入研究,提出了精准预测方法。通过地铁工程施工实际成本与三种成本预测方法得出的预测成本数据的对比分析,验证了该精准预测方法的精准性和可靠性。     

基于全矢支持向量回归的设备频谱成分预测研究

支持向量机(SVM)在解决小样本、非线性及高维问题方面表现突出,支持向量回归(SVR)目前被广泛应用于设备状态趋势预测中用于故障定量分析。故障预测用于定性分析的相对较少,为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术进行倍频成分预测。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障了SVR预测数据特征提取的完整性,提高预测精度。对特征频率进行分别预测,然后重新生成预测的频谱图。该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢支持向量回归(FVSVR)频谱成分预测方法具有较高的预测精度,可以对一些故障定性分析。     

基于灰色理论和时间序列模型的润滑油中磨粒含量预测分析

目前机械设备润滑油中磨粒含量的预测一般用简单线性拟合的方法,或者利用单一的预测模型,预测精度较低。针对润滑油中磨粒含量预测时存在的问题,提出了一种综合运用灰色预测理论和时间序列模型的方法对磨粒含量进行预测。该方法充分运用灰色预测能够反映磨粒含量变化的总体趋势和时间序列分析模型可以很好地进行细节分析的优点。将该方法应用到某型自行火炮润滑油分析数据中,证明了该方法的有效性。     

改进随机森林的电力负荷预测方法

精确的电力负荷预测是电力分配设备与配电网设计的关键。针对目前电力负荷预测精度低、模型训练慢的问题,提出了一种基于改进随机森林的并行化电力负荷预测方法。该方法首先利用灰色关联投影衡量历史样本属性与待预测日属性之间的相似性,构建相似历史样本数据集。然后基于遗传算法对随机森林的决策树进行进化搜索,提高集成预测精度。最后通过Hadoop分布式集群实现了电力负荷预测的并行化,提升了预测效率。实验结果表明,相比其它预测方法,该方法电力负荷预测值与负荷真实值之间的拟合度最高,且并行化能够降低预测时间消耗。     

产品市场扩散行为预测的自学习方法

为解决单一扩散模型难以可靠预测产品市场扩散行为的问题,为决策者提供全面的信息和客观的预测结果,提出了一种运用自学习方法确定不同模型的组合权重的方法。给出了对产品市场扩散行为预测的相关描述,运用自学习方法表示了扩散模型库评价向量,确定了组合模型的权重,给出了扩散模型库的自学习方法及具体算法。最后,以移动通信扩散行为预测和互联网扩散行为预测为例,分析了上述方法的有效性。结果表明,上述方法有较好的预测效果。     

机械设备趋势预测与神经网络预测方法的研究

阐述了机械设备状态趋势预测的基本概念，讨论了机械设备状态预测的主要方法。研究了三种预测机械设备状态发展趋势的神经网络方法，对采用不同的神经网络预测方法的预测结果进行了分析比较。     

Combined Prediction for Vehicle Speed with Fixed Route

Achieving accurate speed prediction provides the most critical support parameter for high-level energy management of plug-in hybrid electric vehicles. Nowadays, people often drive a vehicle on fixed routes in their daily travels and accurate speed predictions of these routes are possible with random prediction and machine learning, but the prediction accuracy still needs to be improved. The prediction accuracy of traditional prediction algorithms is di cult to further improve after reaching a certain accuracy; problems, such as over fitting, occur in the process of improving prediction accuracy. The combined prediction model proposed in this paper can abandon the transitional dependence on a single prediction. By combining the two prediction algorithms, the fusion of prediction performance is achieved, the limit of the single prediction performance is crossed, and the goal of improving vehicle speed prediction performance is achieved. In this paper, an extraction method suitable for fixed route vehicle speed is designed. The application of Markov and back propagation(BP) neural network in predictions is introduced. Three new combined prediction methods, all named Markov and BP Neural Network(MBNN) combined prediction algorithm, are proposed, which make full use of the advantages of Markov and BP neural network algorithms. Finally, the comparison among the prediction methods has been carried out. The results show that the three MBNN models have improved by about 19%, 28%, and 29% compared with the Markov prediction model, which has better performance in the single prediction models. Overall, the MBNN combined prediction models can improve the prediction accuracy by 25.3% on average, which provides important support for the possible optimization of plug-in hybrid electric vehicle energy consumption.     

基于隶属函数的疲劳寿命预测模型

将隶属函数应用于疲劳寿命预测 ,建立了基于隶属函数的疲劳寿命预测模型。通过实例对比分析 ,证明了本文所建立的预测模型较好地克服了传统疲劳寿命预测模型的不足之处 ,具有精度高、适用性强、使用方便的特点 ,为疲劳寿命预测提供了一种新方法     

冰蓄冷系统中的预测内容和方法

介绍了冰蓄冷系统预测的内容和方法，主要包括室外逐时气象参数的预测和建筑物逐时负荷的预测，给出了一个预测实例。     

电子产品可靠性预计研究综述

可靠性预计是电子产品可靠性从定性分析转入定量分析的关键,是确保电子产品满足可靠性指标要求必不可少的技术手段。从电子产品可靠性预计的概念、可靠性预计的基本过程及可靠性预计的主要方法三个方面对电子产品可靠性预计作了概述和分析。并在此基础上提出了可靠性预计方法所面临的问题和未来的发展趋势。     

机械系统工作状态组合预测模型的研究

在机械系统工作状态的趋势预测中，可以采用振动烈度作为特征参量。为改进预测的效果，在时序预测和灰色预测的基础上，提出了组合预测法。研究结果表明：组合预测法是较理想的和较实用的预测方法。     

BP神经网络在某型飞机发动机故障预测中的应用

飞机发动机是飞机的“心脏”,为了确保飞机的飞行安全,就必须能够对飞机发动机的故障进行有效的预测,并及时予以排除。本文介绍了神经网络故障预测原理,给出了神经网络模型在故障预测过程中的学习算法。并将该算法应用于某型飞机发动机的故障预测中。实验结果表明：用BP神经网络进行故障预测,不仅准确度高、效率高,而且可变被动维修为视情维修,具有良好的应用前景。     

基于神经网络的拉弯回弹预测技术研究

以型材拉弯为对象,研究了利用神经网络预测拉弯回弹的关键技术,建立了拉弯回弹预测的人工神经网络模型,有效地解决拉弯控制参数和回弹量之间的非线性映射问题;并利用Matlab神经网络工具箱加以实现,取得了理想的预测精度,验证了预测模型的有效性。该研究推动了人工智能技术在钣金精密成形中的应用。     

改进灰狼算法优化灰色预测模型在数控机床中的应用

针对传统灰色预测模型因背景值选取带来的预测误差较大的问题,提出一种与改进灰狼算法相结合的故障预测模型.设计一种改进的灰狼算法,对基本灰狼算法的算法参数通过非线性策略进行改善,并用于优化灰色预测模型中的背景值,从而获得最优预测模型.以某一型号数控车床主轴的8个故障数据为例,将该预测模型与其他灰色改进预测模型进行对比验证,...     

组合预测在应力集中问题中的应用

探讨加权组合预测方法在应力集中问题巾的应用，以带小孔的拉板为例，对采样点的数据分别建立GM（1，1）模型、趋势曲线预测模型和最优加权组合预测模型，并对各模型的误差进行比较。结果表明，组合预测模型的拟合和预测精度比单个模型要高。因此，用最优加权组合预测模型米推求应力集中区的最大应力，是工程测试数据处理的一种比较实用的新方法。     

基于卷积神经网络的短期天气预测研究

对某市历史天气数据进行分析、整理,建立了具有两个卷积层的卷积神经网络,并做出短期天气预测,对未来6 h天气温度进行预测,并根据实际天气做出误差分析。为了对预测结果进行分析,又基于灰色模型方法建立了天气预测模型,并对两种方法的预测结果进行比较,得出相应结论:整体来看,两种模型的预测结果与实际温度的相对误差和均方误差较小,都能较为精准地对温度进行短期预测,两种方法在对温度短期预测中具有参考价值,且卷积神经网络预测精度更高。这一结论可以为不同时间序列及天气温度波动情况的短期天气预测提供新的思路。