基于粒子群优化支持向量机的冲天炉铁液质量预测

冲天炉铁液质量预测是一项复杂而有难度的技术,受到很多因素的影响。文章提出了基于粒子群优化支持向量机(PSO-SVM)的冲天炉铁液质量预测方法,即将粒子群优化算法(PSO)用于SVM参数优化。它不仅具有很强的全局搜索能力,而且容易实现。经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5%的工程许可误差。     

造粒技术在摩擦材料方面的应用

研究了造粒工艺以及颗粒分级对摩擦材料摩擦学性能的影响。结果表明：对比常规方法制备摩擦材料,造粒摩擦材料的摩擦因数增加了2．05％～19．74％,磨损率降低了36．48％～65．38％。采用分级搭配的不同粒径混合颗粒所压制的摩擦材料的摩擦学性能优于不同级别的相同粒径颗粒制备的摩擦材料的摩擦学性能,摩擦系数增加6．1％～34．3％,磨损率降低3．8％～58．3％。     

光信号的精准波长检测及其研究进展

光信号的精准波长检测技术广泛应用于光纤通信及光纤传感领域。针对适用于光信号中心波长测量的比率制波长检测技术进行了详细的讨论,对比率制波长检测系统各种实现方案的检测原理和性能进行了比较,概括介绍了最新研究进展情况,并对相关发展趋势进行了分析。     

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。     

基于单片机的节水型净水机设计制作

为解决复合型净水机排放废水造成的水资源浪费、滤芯表面杂质沉积造成的净水效果差等问题,设计了节水型净水系统专用的控制系统,包括单片机硬件电路和软件开发流程。单片机硬件电路的设计主要有逻辑电路、扩展输入输出接口、掉电检测、共享中断等,软件开发使用C语言,软硬件结合可以让节水型净水系统相关器件协调控制。运行结果表明,所设计的净水系统可实现制取纯水、回收废水、冲洗滤芯等功能,并且运转正常。节水型净水系统实现了节约用水、延长滤芯使用寿命的设计目标,可为用户节省使用成本,使回收的废水得到合理利用,还可为净水机产业的绿色发展提供设计参考。     

西轧厂谐波滤波系统升级改造

本文介绍了龙钢西轧厂棒材生产线供电系统,分析了主变电功率因数较低原因,提出了改进方案,取得了较大的经济效益和社会效益。     

压裂液返排的数值模型优化

压裂液返排对压裂施工的效果影响重大,目前我国在压裂液返排的建模方面主要是针对常规砂岩储层,由于模型的复杂程度被简化,计算结果易出现误差而偏离实际。本文根据流体的质量守恒定律和裂缝形态变化规律对压裂液返排数值模型进行优化,并利用体积平衡原理求解该模型,通过压力变化对裂缝闭合时间给出定量判断,为后续放喷油嘴时的尺寸选择提供理论依据。     

现代信用风险度量模型的最新理论研究进展

文章对现代信用风险模型的理论研究进行了系统梳理,详细回顾了资产价值驱动的内生违约的结构模型、随机跳过程假设下的外生违约的简约模型和不完全信息下的信用风险度量模型的研究路径,发现现有的研究在不完全信息的刻画、不完全信息下信用衍生品定价和违约相关性方面研究处于起步阶段.目前的研究方向大体可以分成三类：如何从交易噪声和信息滞后的角度来定义不完全信息、如何处理信用产品定价模型中的参数估计和状态估计问题和如何利用copula函数来处理不完全信息下的违约传染问题.     

行业的存货投资研究——基于经济“后危机”时代面板数据的实证分析

关于存货的研究在我国还并不成熟,前人大多是研究宏观经济与存货的波动关系,本文首先利用月度的采购经理人指数（PMI）从生产者角度分产成品存货和原材料存货进行H-P滤波分析,发现产成品与增长呈逆周期波动,原材料与增长呈顺周期波动;随后,细分行业分析增长与存货投资的波动关系,利用面板数据建立变系数模型,通过模型的系数可以观察行业存货的周期性,并通过P值的显著性划分出存货敏感型,产成品敏感型与原材料敏感型行业,同时结合存货的比重划分出高存货行业和敏感型行业,为行业的发展提供参考依据.     

基于非线性混合模型对股市价格预测兼对比分析

为更精确地预测未来走势,提出一种新的预测模型：首先采用HP滤波把时间序列分解为趋势序列和周期序列,然后根据序列建模要求,对趋势序列采用自回归模型（AR）进行拟合和预测,对周期序列采用GARCH模型族进行拟合和预测,最后将趋势序列预测值和周期序列预测值相加,与原序列进行比较,进而选择模型精确度较高的模型.通过实证对比其他模型分析,该模型预测效果较好,可以为金融预测提供帮助.