基于时间序列的疫情预测模型

以北京2003年SARS疫情统计为背景,对疫情时间序列进行分析和识别,建立了非线性时间序列模型来预测SARS病人变化数,通过仿真试验与实际对比验证,表明该预测方法是十分可靠的.     

基于BP神经网络的太阳能收集功率预测研究

在太阳能收集应用系统中,能量收集预测模块是进行合理的任务调度分配和系统平稳运行的重要保证。提出了基于BP神经网络的太阳能收集功率预测方法,优化了算法的参数选择,确定了算法预测性能指标。在真实太阳能收集功率数据集上对提出的算法进行了性能分析,验证了算法参数选择的正确性;与现有其它数据预测算法进行了一系列预测对比实验。实验结果表明,该预测算法具有良好的性能,在各算法预测性能指标上均具有一定优势。     

基于优化灰色理论的高可靠性产品寿命预测

在对高可靠性产品进行寿命预测时,传统的加速模型拟合精度低,且预测误差大,难以对产品做出较为准确的寿命预测.针对此问题,提出了一种基于优化灰色预测模型的方法对传统加速模型进行参数修正,提高加速模型的显著性和预测精度.首先采用动态寻优法确定最优背景值,减小灰色预测模型的拟合误差,再利用优化后的灰色模型预测出产品在接近正常使用温度下的寿命,将失效数据进行有效等维扩充,利用扩充数据对传统加速模型进行参数修正并检验其显著性.最后通过实例分析表明：修正模型的显著性更高、预测相对误差更小,且在越接近产品正常使用的温度下,其预测精度越高,说明此方法具有“数据量少、预测精度高、实用性强”的特点,因此采用该方法对高可靠性产品进行寿命预测是可行且更加有效的.     

基于广义估计方程的时间相关性事故频次建模

研究目的：创新要点：研究方法：重要结论：采用广义估计方程模型对存在时间相关件的事故频次数据进行建模,并与传统广义线性模型的估计效果进行对比。 通过广义估计方程来考虑事故频次建模中数据的时间相关性,从而提高参数估计准确度以及模型预测精度。基于4年高速公路交通事故频次数据,建立考虑时间相关性的广义估计方程以及传统的广义线性模型,并采用统计指标对模型效果进行对比。1．事故频次数据样本最对预测精度影响很大;2．广义估引方程能够有效考虑事故频次数据中存住的时间相关性;3．广义估计方程的参数估计比传统广义线性模型史准确,且精度更高。     

椭圆接触弹流润滑下滚动轴承疲劳寿命预测方法（英文）

为了更加有效地预测滚动轴承接触疲劳寿命,提出一种融合弹流润滑、材料疲劳强度和三参数Weibull分布的滚动轴承接触疲劳寿命预测方法.首先,通过将油膜压力映射到赫兹接触区域来获得椭圆接触弹流润滑下的接触应力.然后,根据串联可靠性理论推导出基于三参数Weibull分布的滚动轴承基本强度模型.考虑到应力类型、形状变化及载荷波动的影响,分别建立轴承零件关于最小寿命和特征寿命的P-S-N曲线数学模型,从而进一步推导出基于三参数Weibull分布和疲劳强度的滚动轴承疲劳寿命预测模型.最后,将采用所提方法与ISO281:2007方法和统计学方法得到的滚动轴承疲劳寿命进行对比分析.结果表明:该方法是一种有效、可行的疲劳寿命预测方法,当可靠性R大于0.93时,其接触疲劳寿命相对误差比ISO281:2007方法更小.     

基于卡尔曼滤波的网络安全预测

针对现有网络安全态势预测模型往往只能对离线数据进行预测,无法根据历史信息来对当前数据进行在线实时预测的问题,提出了一种基于卡尔曼滤波的网络安全态势预测方法.首先,介绍了卡尔曼滤波的基本原理和相应的状态方程和预测方程,然后设计了基于卡尔曼滤波的网络安全态势在线预测算法,算法采用最小二乘方法来求解预测方程中的权值矩阵和噪声参数,从而获得了相应的预测表达式,可以实现对网络安全态势的实时预测.为了验证所提模型的预测效果,将其应用于离线数据集和在线实时数据中,并与其它方法进行了比较.仿真结果表明:所提模型能准确有效地对网络安全态势进行预测,具有预测精度高的优点,和其他方法相比,具有较大的优越性.     

三维古地温度场方程的参数优化识别

为较真实地反映沉积盆地古地温的变化情况,建立了适用于不同岩性的沉积盆地地层的古地温度场方程及其定解条件;依据优化理论构造了地层物性参数的优化识别模型;并给出了该优化识别问题最优解存在的必要条件和最优化算法。     

基于生物力学模型人-桥竖向动力耦合作用及其振动控制研究（英文）

基于移动质量-弹簧-阻尼(MMSD)生物动力学模型,研究了低频轻质人行桥的竖向振动舒适度,采用不同优化模型参数的调谐质量阻尼器(TMD)对其进行振动控制.首先,采用MMSD生物力学模型模拟行人,建立考虑人-桥动力相互作用的人-桥-TMD竖向动力耦合系统的时变控制方程,利用变步长的RungeKutta-Felhberg算法对控制方程进行求解.其次,探讨行人步频与人行桥频率一致时,人行桥在人-结构动力相互作用模型和移动荷载模型下的动力响应.最后,采用TMD对人行桥进行振动控制,对比分析不同优化模型的TMD对人-桥竖向动力耦合系统的控制效果.计算结果表明:评估低频轻质人行桥竖向振动舒适度时,人-桥竖向动力相互作用不容忽视;采用TMD能够有效地减轻人-桥共振时的人行桥振动,TMD参数建议依据Warburton优化模型确定.     

基于EMD和PSO-SVM的通用航空飞机燃油流量预测

提出了一种EMD与SVM的组合预测模型,对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理,应用经验模态分解算法对燃油流量数据进行分解,得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中,采用PSO算法对支持向量机的参数进行优化,最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证,结果表明：该组合模型可以有效地预测燃油流量,准确率较高,其MSE可以达到0.254,高于传统的单一预测模型。     

编织型食管支架结构及其丝线的力学性能分析(英文)

旨在找出支架结构参数与支架径向刚度之间的关系并了解支架变形及丝线上的应力分布规律.按照空间螺旋曲线方程创建几何模型,用梁-梁接触单元和三维梁单元建立有限元模型,并定义丝线为线弹性材料.有限元分析结果显示支架结构径向刚度及丝线上的应力分布与支架的各个结构参数都相关,其中丝线螺距对其影响最大.在相同载荷作用下,当丝线头数是24且支架的其他结构参数都不变时,丝线横截面上的应力最小.最后,将体外实验结果与分析结果进行比较,数据规律具有一致性,可以证明该有限元模型能够用于近似预测编织型食管支架的相关力学性能.     

基于AR模型的WSN流量多步预测算法研究

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。     

基于改进人工鱼群算法优化参数的支持向量机研究

为了降低人为设定参数值对支持向量机运行结果准确度的影响,采用智能算法中的人工鱼群算法,搜寻支持向量机相应参数的最优解。由于人工鱼群算法运算在寻优精度和效率方面均有提升空间,故将混沌机制引入人工鱼参数初始化,通过改进固定参数和行为算子得到支持向量机预测模型。使用该模型进行中长期电力需求预测研究,并与其它参数优化算法产生的模型进行均方误差对比。研究结果表明：改进后的模型在拟合均方误差和预测均方误差上都优于未优化的模型,支持向量机在预测精度方面有一定程度的提升。     

城市交通流量的非线性混沌预测模型研究

为了解决日益严重的城市交通问题，本根据交通流已被证明的混沌特性，尝试采用非线性混沌模型来分析交通流时间序列．该模型首先将交通流时间序列在相空间中重构，以充分提取交通流中的相关信息，在此基础上，应用混沌理论对重构信息构材预测方程，并运用遗传算法对模型参数进行了优化辨识，以获得最佳的预测效果．实际的城市交通流量预测研究表明，该模型具有较高的预测精度，可以为城市交通规划和控制提供准确的参考．     

方形锂离子电池热行为集总建模仿真与实验

针对锂离子电池电化学产热机理复杂、热分析建模参数多等问题,引入集总模型思想,建立单体方形电池少参化产热模型。通过大量实验、数据分析,辩识电池热物性参数,获得基于真实物理参数的热行为仿真集总模型。对比单体电池在不同放电倍率下温度场的实验数据和仿真结果发现：在0.2、0.5、1 C恒流放电工况下,集总模型对电池表面温度的预测误差均低于0.55℃,误差率小于1.94%,达到实际工程预测精度要求。该研究结果可为商业化锂离子电池热行为分析提供参考。     

固体碱催化固定床法生产生物柴油的工艺研究(英文)

对固体碱催化剂催化固定床法工业化生产生物柴油进行了模拟.顺利进行了小试实验,并建立了生物柴油合成的酯交换反应的动力学模型,该模型能较为准确地描述酯交换反应.通过对文献中的气液平衡数据的回归得到了生物柴油的安托因方程.选择NRTL模型对脂肪酸甲酯(FAME)-甲醇-甘油体系进行描述,得到了体系NRTL的二组分参数,利用Aspen Plus对该体系液液平衡数据(LLE)的回归得到了三组分相图.为了预测固定床工艺生产在工业规模放大1 000倍后的效果,Aspen Plus对2个流程进行了仿真模拟,预测物料和能量消耗.模拟结果表明,与先前文献报道的数据相比,每小时生产每吨生物柴油至少可以减少350.42 kW的能量消耗.     

基于相空间重构的LS-SVM股票价格预测

提出一种基于相空间重构的最小二乘支持向量机(LS-SVM)的股票价格预测方法.采用混沌时间序列对股票价格数据进行相空间重构,应用贝叶斯框架对最小二乘支持向量机的参数选优.预测结果表明,该模型具有误差小、拟合程度高等优点,可适用于股票价格预测.     

基于贝叶斯的金融时间序列预测研究

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息,导致预测结果和实际数据的偏差较大,贝叶斯参数估计方法可以充分利用参数的先验信息,使得估计参数的方差更小,估计结果更加精确,预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展,贝叶斯分析方法估计模型的计算困难逐渐减弱,因此,近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据,采用Eviews和WinBugs软件,对样本数据进行预处理,利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。     

量子化学参数对含氮杂环化合物的活（毒）性研究

本文采用化学软件Chem3D ultra 8.0,计算了24种含氮杂环化合物分子的11种结构参数,将这些结构参数作为描述符与其毒性LgBR进行多元回归分析并构建方程.该方程的构建能够准确地预测含氮杂环化合物的活（毒）性.通过回归模型可以看出含氮杂环化合物的毒性与其电子能、最高占据轨道能密切相关.     

出水COD模糊预测的烟花算法优化

针对复杂的污水处理过程中化学需氧量(COD)难以实现精准、经济测量这一难题,提出一种出水COD浓度预测的模糊建模方法.基于活性污泥法搭建关于出水COD的模糊预测模型,用模糊C均值聚类算法(FCM)对模型进行结构辨识,采用最小二乘法对模型进行参数辨识,并用烟花算法(FWA)对模型的结构和参数进行优化学习.将污水处理仿真基本模型(BSM1)提供的数据在MATLAB平台进行仿真实验,结果表明,采用烟花算法优化后的模糊预测模型对出水COD的预测精度更高,预测效果更好.     

无线网络中应用程序数据流量的预测研究

探讨了无线网络数据流量的建模和预测框架,利用alpha稳定模型对应用程序数据流量进行建模,结果表明了alpha稳定模型能够很好地拟合无线网络中应用程序数据流量.同时,还发现数据流量具有空间上的稀疏性.利用电信服务提供商的真实流量数据集,验证了本文框架对于预测不同类型应用程序数据流量的有效性和健壮性.结果表明,该框架为应用层流量的建模和预测提供了统一的解决方案.