基于MSET的电站锅炉空气预热器状态预测系统

详细阐述了一种基于多变量状态估计(Multivariate State Estimation Techniques,MSET)的电站锅炉空气预热器状态预测的方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测向量进行估计,得到与观测向量相对应的估计残差。最终模拟计算结果表明,MSET可有效并精确的对空气预热器的运行状态进行预测,实现对空气预热器劣化趋势进行早期预测,具有很高的实用价值。     

基于组合神经网络模型的新冠疫情传播预测分析

在全球抗击新型冠状病毒肺炎（COVID-19）疫情的过程中,合理的疫情传播预测对于疫情防控有重要参考意义。为了对病毒传播进行合理预测,针对传统疫情传播预测模型存在的不足,提出一种组合式神经网络的疫情传播预测模型,并将其应用于湖北省1月29日-3月15日每日新增确诊人数预测及湖北省每日累计确诊人数预测。预测结果分析显示,该神经网络预测模型预测结果可靠有效。模型性能分析结果表明,组合式神经网络预测模型平均相对误差（MRE）不超过0.16,均方误差（MSE）不超过0.1,均方根误差（RMSE）为0.262 9,性能明显优于其它几种神经网络预测模型。基于武汉市与广东省疫情传播预测的实证结果显示模型具有较好的适用性及准确性。     

傅立叶级数+机器学习法双联预测小行星分类

利用傅立叶级数对散点小行星光变数据进行曲线拟合,以获得小行星表示参数,选取傅立叶级数为6的拟合方式对单体或双体小行星光变曲线进行分类,并用机器学习算法中的SVM和决策树建立预测模型。检验结果表明,SVM模型对单体和双体小行星的预测正确率达到95%,相较于决策树正确率提高了10%,为从小行星实际观测数据直接推测双体小行星潜在相关应用提供了参考。     

基于FP-Growth的电力系统故障预测方法

为了提高电力系统中故障预测效率及便捷性,提出一种基于FP-Growth算法的电力系统故障预测方法,无需先验知识及人工标注,便可从海量历史日志数据中快速提取出故障信息模式,并基于实时日志数据对未来可能发送的系统故障进行预测。该方法首先根据电力系统不同类型的日志特征对原始数据进行预处理,然后基于FP-Growth算法挖掘日志中与故障事件相关的关联规则,并使用关联规则进行故障匹配,从而达到预测效果。算法经过真实电力系统日志数据集测试,结果表明该故障预测方法平均准确率为89.5%,平均召回率为79.8%,且执行效率较高,节省了业务人员50%以上的时间。     

Prediction of shelled shrimp weight by machine vision

The weight of shelled shrimp is an important parameter for grading process. The weight prediction of shelled shrimp by contour area is not accurate enough because of the ignorance of the shrimp thickness. In this paper, a multivariate prediction model containing area, perimeter, length, and width was established. A new calibration algorithm for extracting length of shelled shrimp was proposed, which contains binary image thinning, branch recognition and elimination, and length reconstruction, while its width was calculated during the process of length extracting. The model was further validated with another set of images from 30 shelled shrimps. For a comparison purpose, artificial neural network (ANN) was used for the shrimp weight predication. The ANN model resulted in a better prediction accuracy (with the average relative error at 2.67%), but took a tenfold increase in calculation time compared with the weight-area-perimeter (WAP) model (with the average relative error at 3.02%). We thus conclude that the WAP model is a better method for the prediction of the weight of shelled red shrimp.      

关联积分用于建筑物沉降分析预报的研究

建筑物的沉降变化过程具有强烈的非线性,混沌特征参数可以对非线性系统进行评估和预测,基于此提出了一种新的建筑物沉降分析预报方法--关联积分法,并利用该算法对小学建筑物的沉降进行分析,认为关联积分随时间变化曲线出现陡降处为建筑失效时刻,则得到的失效时间较实际观察到的失效时间提前.     

虚拟实验教学环境研究现状及趋势探悉

该文在查阅大量文献资料的基础上,阐述了当前国内虚拟实验教学环境的研究现状,分析了当前研究的不足,尝试提出了虚拟实验教学环境需要进一步研究的内容和趋势。     

美国图书馆的现状及发展趋势

通过赴美参加"中国图书馆馆员暑期项目"培训,从美国图书馆的研究、美国图书馆的理念及美国图书馆的实践三个方面对美国图书馆的发展现状和发展趋势进行介绍。     

随机森林算法在农村居民点适宜性评价中的应用

农村居民点适宜性评价是优化农村土地利用布局的基础性工作之一,解决该研究领域存在的问题,提高评价结果的科学合理性,使之更好地服务于农村土地资源的转型、优化利用,事关乡村振兴战略的实施。本文引入机器学习方法,通过对小规模已知样本的学习实现大规模未知数据的高精度分类与评价,从方法可行性、数模结合、优化策略和预测实现等方面进行探讨,应用随机森林算法对湖北省房县农村居民点利用的适宜性问题展开实证研究。结果显示：① 房县农村居民点适宜性受其可通达能力、海拔高度、地块面积及当地农业生产活跃程度的影响较大,也与农民生活、收入水平紧密相关;② 训练模型的性能受特征（评价因子）规模变化的影响较小,其中,16维特征集合模型的测试精度可达83.54%;③ 不同训练模型的预测结果均反映出房县的非适宜型居民点规模较大,该算法的鲁棒性强,评价结果稳定可靠。研究表明,机器学习方法能较好地支撑农村居民点适宜性评价工作,评价结果能为优化农村土地利用和基层治理提供数据基础。     

开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例

区域经济间的分工合作及相互依赖,对区域碳排放峰值有重要影响。本文以能源生产区域山西省为例,从山西和全国两个层面选择驱动因素构建开放STIRPAT模型,并运用情景分析方法预测山西省2016—2040年碳排放峰值。结果显示,全国层面选择节能或低碳情景,可实现山西碳排放量在2035年达峰;而同时山西以节能或低碳情景相配合,可实现2030年之前达峰;在当前全国碳排放控制趋于严格的背景下,山西碳排放量2030年达峰是可以实现的;山西碳排放峰值大小主要受全国层面情景选择影响,受山西情景选择影响较小;山西碳排放峰值的可控性较差,自身减排努力对碳排放峰值时间及大小的影响相对较小;与开放视角相比,封闭STIRPAT模型会推迟山西碳峰值年份,在预测时段无峰值,并高估其排放量。因此,山西应该从开放视角,关注全国层面的节能发展状况,将其作为山西碳峰值政策的重要约束因素,制定灵活的碳排放达峰方案。