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。     

2020年趋势观察:智慧家庭服务

OVUM是一家在世界电信产业界富有权威性的独立/中立咨询顾问公司;从事信息通信技术(ICT)商业策略研究,研究领域涉及电信、IT、广电及互联网4大领域。OVUM拥有30年协助全球电信业制定策略、规划及国家电信法规的丰富经验。OVUM全球电信研究报告在大量有关情报研究的基础上从商业的角度对运营商的网络投资及运营、业务创新、营销策略、政策法规、客户市场需求、新兴技术和前景预测,帮助运营商在不断变化的政策环境和市场环境中稳固地位的同时,更加有效地谋取潜在的商业价值;并为运营商的规划设计单位提供不断更新的全球电信市场动态和战略视野以帮助产品创新。本刊设置OVUM观察专栏,定期发表OVUM的研究成果,包括翔实的相关信息,供信息通信业有关管理、规划、决策人士参考。     

一种舰用橡胶减振器疲劳寿命预测方法研究

针对橡胶减振器在舰船设备应用中常伴随着不可预见的疲劳失效问题,对舰用BE-300型橡胶减振器疲劳寿命预测方法进行了研究。基于连续介质力学理论,通过开展橡胶材料拉伸疲劳试验,建立了减振器橡胶材料的疲劳寿命预测模型;根据减振器橡胶材料的单轴拉伸和单轴压缩试验数据拟合结果,选择2阶多项式本构模型进行了橡胶减振器的有限元仿真;根据有限元仿真计算结果提取了橡胶减振器的最大主应力分量,结合橡胶材料疲劳寿命模型预测了橡胶减振器的疲劳寿命。研究结果表明:选取不同的疲劳损伤参量所得到的寿命预测结果并不相同,以等效应变为损伤参量对橡胶减振器寿命进行预测得到的结果与实际情况较为符合,该方法可用来预测舰用橡胶减振器的疲劳寿命。     

基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

为了解决当前人工智能预测方法在滚动轴承状态趋势预测中预测精度较差、计算效率较低的问题,提出基于强化学习单元匹配循环神经网络(RLUMRNN)的滚动轴承状态趋势预测新方法。先采用滑动平均奇异谱熵作为滚动轴承状态退化特征,再将该特征作为RLUMRNN的输入完成滚动轴承状态趋势预测。在RLUMRNN中,利用最小二乘线性回归法构造单调趋势识别器,将轴承整体的状态退化趋势分为上升、下降、平稳3种单调趋势单元,并通过强化学习为每一种单调趋势单元选择一个隐层数和隐层节点数与其相适应的循环神经网络,从而改善了RLUMRNN的非线性逼近能力和泛化性能;用3种单调趋势单元和不同隐层数、隐层节点数分别表示Q值表的状态和动作,并构造关于循环神经网络输出误差的新型奖励函数,以明确强化学习的目标,从而减小循环神经网络的输出误差,避免在Q值表更新过程中使Agent(即决策函数)盲目搜索,提高了RLUMRNN的收敛速度。通过双列滚子轴承状态趋势预测实例验证了该方法具有较高的预测精度和计算效率。