基于极限学习机的橡胶配方性能预测

以三元乙丙橡胶(EPDM)胶料配方和天然橡胶(NR)胶料配方为例,将配方中各组分的用量作为输入,硫化橡胶的基本物理机械性能作为输出,建立了基于极限学习机(ELM,extreme learning machine)神经网络的配方性能预测模型,并给出两种配方的预测结果和相对误差。结果表明,ELM神经网络模型能够准确预测出EPDM配方和NR配方硫化橡胶的基本物理机械性能,且平均相对误差在7%以内,具有较高的预测精度。     

基于多元统计的PM2.5分析与预测

随着网络的高速发展,海量的数据充斥着人们的生活。多元统计分析恰好是为了得到各类现象的内在规律而对多维数据集合进行收集、整理、显示、分析。本文以西安地区为例,收集了2017全年的PM2.5数据,运用多元统计分析方法进行分析及预测。通过绘制PM2.5和影响因素的散点图,发现存在线性关系,进一步建立多元线性回归模型,并对模型进行验证,选用逐步回归分析方法和调整R的平方最大的原则确定了最终模型。最后采用不同的不相等系数对模型的预测效果进行了检验,效果较好。     

基于AMESim的隔水管张紧器抗反冲控制研究

作为浮式钻井隔水管系统的关键装备,国产隔水管张紧器因其抗反冲控制试验难度大、成本高、风险不可控等因素,制约着产品的工业化应用进程。为降低隔水管张紧器的海试应用风险,提高张紧器抗反冲控制效果,以AMESim软件为仿真平台,选用南海某浮式钻井平台的隔水管系统为依据,建立抗反冲阀、张紧器、隔水管串及控制系统等相关模型,并搭建抗反冲控制系统,研究控制参数及脱离时刻对抗反冲控制的影响。研究结果表明:液缸位置-主阀开度控制曲线是抗反冲控制的关键因素;不同的脱离时刻对于张紧器抗反冲控制效果影响较大,为避免脱离时隔水管串出现局部弯曲的现象,建议脱离时刻选取在平台升沉曲线180°相位的附近。研究结果可为隔水管张紧器的控制逻辑优化和海试应用提供一定的依据。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

总变差模型在书画打印宣纸印刷质量预测中的应用

为了建立适用于书画打印宣纸印刷质量的预测模型,本研究测量了14种书画打印宣纸的粗糙度、白度、不透明度、定量、光泽度和针对宣纸特别设定的帘纹深浅以及帘纹疏密度等表面物理参量,并在相同条件下,使用喷墨打印设备输出并测量印品色度值,利用总变差模型构建去除帘纹色差的测定方法,得到与人眼视觉特征相符的色差。运用GRNN广义回归神经网络结合书画打印宣纸表面物理参量与宣纸去帘纹后的色差值,建立预测模型。结果表明,该模型能够在仅测量书画打印宣纸表面物理参量的情况下,便能较为准确地预测书画打印宣纸印刷质量,为书画打印宣纸印刷前的选纸工作提供指导依据。