基于InSAR技术和SA-SVR算法的矿区沉降预测模型

为了解决矿区沉降预测模型精度低、预测模型与实际开采情形不符的问题，提出了一种基于合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry，InSAR）技术、支持向量回归算法 （Support Vector Regression，SVR）以及模拟退火算法（Simulated Annealing，SA）相结合的新型矿区沉降预测模型。首先，以InSAR技术获取矿区沉降监测数据，对数据进行处理得到测试点的累计沉降量，并将 其与GPS实际测量结果进行比较，发现二者吻合性较好。然后，进行矿区沉降预测模型构建，通过SVR算法得到静态沉降预计模型，再利用SA算法得到模型中的参数最优取值。为了使预测数据符合矿区开采实际情况， 引入嵌入维数公式，得到矿区沉降预测动态模型及精度评价指标。最后，将构建的沉降动态模型应用于陕西省大柳塔矿区，得到预测值和实际监测值之间绝对误差的最大值为9 mm，相对误差的最大值为3%；模型评价 指标通过计算得到试验区平均绝对误差的最大值为2.5%，最小的相关性指数为0.8，表明该模型预测精度较高。     

基于主成分-逐步回归分析法的瓦斯涌出量预测研究

矿井进行瓦斯涌出量预测是煤矿安全生产十分重要的工作，鉴于主成分分析和逐步回归分析方法的优点，将两种方法相结合共同建立瓦斯涌出量回归预测模型。以峻德煤矿30号煤层为例，通过主成分分析得到了影响回采工作面瓦斯涌出量的四个主成分因素，再采用逐步线性回归分析法预测回采工作面瓦斯涌出量。结果表明：采用主成分-逐步回归分析法减少了回归分析所需要考虑的变量个数，预测结果具有较好的准确性，预测精度明显优于一元回归预测和多元回归预测，具有较好应用前景。     

基于灰度预测对移动端考研教育产品的发展分析

针对互联网时代下的移动端考研教育未来发展的问题,综合使用了线性分析、回归分析、模糊层次分析等方法,分别建立了线性回归、灰度预测、层次分析结构等模型,综合使用了LINGO,MATLAB,EXCEL,SPSS等软件编程,分别得出影响移动端考研产品发展主要因素、移动端考研产品的合理价格区间、移动端考研产品潜在市场占有率以及产品投放可行性分析等结果。     

海洋工程和船舶焊接变形预测方法研究

目前,影响海洋工程和船舶焊接结构质量的重要影响因素之一就是焊接变形,其产生的根本原因就是在焊接过程中因结构体受热不均、热梯度、残余应力等。基于此,本文对焊接变形预测的理论发展进程及其相关理论内涵进行详细阐述,并对基于神经网络的新型焊接变形预测理论的研究发展简单概述。