基于机器学习的妊娠期糖尿病智能预测系统设计与实现

为帮助有效识别患有妊娠期糖尿病的孕妇,提前干预治疗,降低其潜在风险,设计并开发了妊娠期糖尿病智能预测系统。首先,在对比10种机器学习模型的基础上对临床数据集进行数据归一化和特征筛选,减少模型计算复杂度和一些使模型不稳定的特征;其次,使用Stacking算法对10种不同的机器学习模型进行集成,分别搭建2个集成模型Stacking1和Stacking2,比较集成模型的性能;最后,基于PyQt5设计妊娠期糖尿病智能预测系统,预测孕妇患妊娠期糖尿病的风险,并给出建议。结果表明：使用10个机器学习模型以及2个集成模型对GDM进行预测,发现GBDT的预测结果高于其他机器学习模型,集成模型Stacking2将多个异质学习器相结合表现出较高的准确性和可靠性,且评价指标Accuracy、Precision、Recall、AUC分别为0.900 9、0.901 2、0.900 7、0.900 7,均高于同类模型。智能预测系统能有效预测妊娠期糖尿病的风险,能够及早发现易患病人群,并提供妊娠期糖尿病的科普知识,从而加强对易患病人群的健康管理,降低妊娠期糖尿病发生的风险。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

目标企业产品销量的预测模型与分析

本文主要应用时间序列模型中的ARIMA模型、疏系数ARIMA模型和自回归、残差自回归几种模型,对目标空调企业1996—2007年的全国空调总销售量月度变化进行建模。通过比较和分析各模型的数据拟合情况和所得的特征统计量,评价各模型的优劣,得到拟合该空调企业销量变化的最优模型,并利用所得模型计算出该企业空调未来十个月总销量的预测值,供该企业生产、营销部门参考。     

基于支持向量回归的机动车价格指数预测

用R语言构建支持向量回归(SVR)模型进行预测,采用控制变量的方法,改变模型参数(C,L,σ)对数据进行实验,最终得出最优参数组合。应用均方根误差(RMSE)和平均绝对误差(MAE)2个度量标准分析实验结果,发现支持向量回归对机动车价格指数预测精度高,性能良好,适宜对价格指数数据进行预测。     

浅谈产品市场需求预测

产品有销路,企业才有生命力。目前我省乡镇企业正在兴起,建设一个以生产商品为目的企业,首先要求我们考虑的是产品是否有销路,市场需求量多少,如对销路、销量没有把握的产品就要进行市场预测。所谓预测是研究农村、城市产品的容量和弄清生产能力适应性。市场需求预测是对市场供需未来发展趋势进行定量的估计。搞好产品市     

高斯过程机器学习在临河地铁车站基坑变形预测中的应用

为了更准确地对临河基坑开挖过程中出现的变形进行预测和风险预警,以天津地铁7号线王兰庄站出入口基坑临河施工为例,提出了一种基于改良高斯过程机器学习的临河基坑变形预测方法。首先,将施工过程收集的变形位移监测数据作为学习样本;其次,利用改良高斯过程回归算法对学习样本进行训练,并通过自适应不同的训练函数,获取较为合理的基坑变形代理模型;最后,通过代理模型预测基坑变形位移,并识别基坑风险,同时与传统高斯预测结果、有限元计算结果和实测值进行比较。结果表明：1）改良高斯过程回归方法较常规高斯过程的模拟效果更好,在样本点充足的条件下,可准确地根据基坑变形数据学习并预测后续基坑开挖的变形位移;2）相较于工程应用较多的有限元计算方法,采用改良高斯回归过程机器学习方法,可根据现场的实际监测数据对变形进行动态地学习、分析与预测。研究成果更贴近现场实际情况,具有较强的推广价值,可为基坑变形预测提供参考。     

基于梯度回归树的化工品价格预测

提出一种基于GBDT(梯度回归决策树)的化工品价格预测方法。通过宏观分析、微观分析和上下游产业链分析,确定相关影响因素,构造特征向量。根据深入业务分析,对影响因素特征进行扩充,提高模型的VC维。模型的性能指标分析表明,该算法的预测精度具有较高的预测精度,能够帮助企业实现动态成本控制;合理安排生产计划和库存配置。     

基于数据挖掘的生产技改项目投资预测研究

随着我国经济社会不断进步和生产能力迅速发展，电网技改工程项目数量日益增加，技改项目种类日益多样，管理难度也逐渐增大，提升其造价预测的准确性对于提升电网企业的经济效益和社会效益具有重要作用。工程项目投资预测目前主要采用传统预测模型，传统预测模型存在精度不高、容易出现过拟合现象等问题。而随机森林算法的整体性能突出，预测效果较好。文章基于实际工程数据，构建基于随机森林算法的生产技改投资预测模型，用以预测项目的投资情况，并将其预测性能与线性回归模型和SVM模型进行对比。结果表明，当预测范围在训练集样本范围内时，基于随机森林算法的生产技改投资预测模型的预测精度较高，稳定性较好，为生产技改投资预测提供了一种新途径。     

揭秘潍坊地区的小胶印机生产

山东省的潍坊市是国内小胶印机生产非常集中的地区,这里的小胶印机年产销量占到了全国年产销量的一半以上。作者在对潍坊地区小胶印机生产企业进行了大范围走访的基础上,对潍坊小胶印机的发展情况进行了分析     

市场销售预测的信息调查推算法

在当前以市场为导向的经营环境中,决策者能否把握市场,准确了解市场的变化,已成为决定企业经营成败的关键因素,而科学、准确的预测作为企业决策的重要基础,正日益受到企业的重视.本文将介绍一种通过市场需求信息和市场占有率预测产品销售量的一种预测方法——信息调查推算法,以弥补传统的模型外推算预测法的某些不足,从而提高预测结果的准确性. 一、问题的提出在运用回归分析法,指数平滑法等模型外推算法进行预测时。有两条重要原则,即连贯性原则和类推性原则.连贯性原则指事物的发展是按照一定规律进行的,在其发展过程中,这个规律贯彻始终,没     

企业电子商务集群模式与销售绩效的促进关系——以台州企业为例

为了研究电子商务集群模式与销售绩效间的关系,通过调查分析企业进行电子商务集聚的方式对其进行模式划分,主要为第三方电子商务平台、电子商务行业协会、电子商务产业园区、区域电子商务品牌、自建网站等模式;以集聚模式为因子,以销售量为绩效目标,建立绩效分析的指标结构模型,以台州地区110家企业的调研数据为样本,借助AMOS结构模型分析软件对样本数据进行回归分析。结果表明:第三方电子商务平台、区域品牌、行业协会、产业园区对销售量呈正向影响,影响程度依次减弱,而自建网站对销售量的影响不大。研究结果可为优化企业电子商务集群模式,促进销售绩效的提高提供参考,有助于企业采取相应策略以提高经济效益。     

基于Isomap-MPA-LSSVM软测量模型的PVC聚合过程转化率预测

针对聚氯乙烯（PVC）聚合过程转化率难以实时获取,提出了一种基于Isomap-MPA-LSSVM软测量模型预测氯乙烯单体（VCM）转化率的方法。首先,为消除数据间共线性,采用等度量映射（Isomap）算法对原始数据特征进行提取,得到模型的输入变量。其次,用海洋捕食者算法（MPA）优化最小二乘支持向量机（LSSVM）的参数,并建立模型。最后,进行仿真实验。结果表明,软测量模型相较于MPA-LSSVM与LSSVM模型,预测的平均绝对误差分别降低了43.03%和59.92%,均方根误差分别降低了30.27%和52.24%,显著提升了VCM转化率的预测精度。所提模型能精确预测VCM转化率,对提高PVC的产品质量具有重要参考意义。     

企业规模、市场结构与创新产出的关系研究——中国工业企业的实证分析

本文以32行业中年主营业务收入2000万元以上法人工业企业为研究对象,建立2008～2012年面板数据模型与2009年横截面数据模型,利用Eviews7.2软件探讨了企业规模与市场结构等因素对创新产出的影响。研究结果表明：在控制技术机会、政府资助和销售利润率等变量后,企业规模与创新产出的相关系数在0.48左右,并且企业规模与创新产出之间呈倒U型关系;市场结构（四厂商集中度CR4）与创新产出之间没有显著关系。     

支持向量机模型在断层破碎带围岩变形预测中的应用

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路。首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性。结果表明:初步预测结果的相对误差均小于5%,而误差修正后的预测精度被提高到0.97%,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考。     

SA800认证焉何步履维艰————逆向选择”的形成机理及矫正

企业在导入SA8000体系初期,由于多种原因的影响,将遭受利润损失。在同类产品市场也易出现“柠檬现象”,呈现逆向选择情形。规避这种风险,需要完善信息传导机制,提高消费者的鉴别能力,以减少信息的不对称性。更重要的是政府要建立相应补偿机制,还要利用自己特殊的声誉和专业能力,发出具有公信力的“市场信号”。既有利于企业突破交易中的信息障碍,弥补市场失灵;同时也有助于提升企业认证的积极性。     

基于KPCA-GRNN的炼化厂管道腐蚀速率预测

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系。结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84%的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056。因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路。     

太原市COVID-19防控前后空气质量分析及预测

为了探索特殊情况下太原市空气质量预测和评价方法,采用基于灰色关联度法的模糊综合评价方法对太原市疫情防控前后的空气质量进行评价,对相关联的污染物浓度变化进行分析,并以太原市AQI监测数据为基础,结合长短期记忆循环神经网络（LSTM）以及随机梯度下降算法（Adam）建立了太原市空气质量预测模型（即Adam-LSTM模型）,并与LSTM模型的预测结果进行了比较。结果显示,在启动一级应急响应加强防控后,太原市的整体空气质量得到改善,个别污染物由于气象及春节等因素未降低,LSTM模型和Adam-LSTM模型预测结果的均方根误差和训练速度分别为0.203 s和12.15 s,0.183 s和10.35 s。提出的Adam优化算法能够有效提高LSTM神经网络的训练精度和收敛速度,同时具有较小的预测误差,可为环保部门制定提升空气质量相关决策提供数据支持和方法借鉴。     

基于VSIMM-SRCKF的ADS-B航迹滤波方法研究

为了提高ADS-B航迹跟踪精度,并针对交互多模型算法所选模型集而导致的跟踪性能下降的问题,采用基于平方根容积卡尔曼的变结构交互多模型(VSIMM-SRCKF)算法对航迹进行滤波。建立运动目标跟踪的VSIMM模型集来描述机动目标的系统总模型集合,在滤波过程中,SRCKF递推的更新通过将协方差矩阵开平方得到,使计算复杂度降低,并且使协方差矩阵保持非负定,能够避免滤波中的发散问题。仿真结果表明:提出的基于平方根容积卡尔曼的变结构交互多模型算法(VSIMM-SRCKF)在估计误差均值、估计误差标准差以及平均绝对百分比误差方面均优于IMM-CKF算法和IMM-SRCKF算法,说明VSIMM-SRCKF算法具有更好的跟踪精度,可适应于复杂目标航迹的实时跟踪。