集成算法在工程核心部件剩余寿命预测中的应用

工程核心部件剩余使用寿命的准确预测可辅助运维人员提前发现设备运行的潜在风险、减少事故的发生。提出一种基于特征匹配的遗传规划和LGB集成的算法,运用有限数据集提升单模型的预测精度。该算法应用于2019科大讯飞工程机械核心部件寿命预测挑战赛,对算法的适用性和有效性进行了验证。     

基于Stacking模型融合的店铺销量预测

为了实现企业产品销量预估,提高生产供应的准确性与效率,提出了基于Stacking模型的融合算法进行销量预测。算法设计了两层堆叠的模型结构,初级学习器采用随机森林、支持向量回归、差分整合移动平均自回归、轻量级梯度提升机器和门控循环单元5种单模型,将分类与回归树作为次级学习器构成Stacking融合模型,并对数据进行了预测。预测结果显示,使用Stacking模型融合后得到了较好的预测结果,比单模型中效果最好的模型的均方根误差更小,平均绝对误差更小,决定系数值更大,表明Stacking融合模型的预测准确率更高。所设计模型可用于对企业店铺的产品销量进行预测,帮助企业更好地安排生产、营销活动,为减少库存、缩短生产销售周期提供数据支持,对企业生产决策有一定的参考价值。     

铁路5T设备的可靠性预测模型及验证

随着我国铁路5T设备及其监测系统的不断完善,相应的设备和网络复杂度随之提升,亟需提高设备的检修效率,为此建立一个有效的可靠性分析模型成为必要手段。基于历史故障数据建立AMSAA模型,通过计算模型参数及相关指标对设备可靠性进行分析并开展预测。结果表明,该模型可以很好地拟合故障记录数据,反映出在延长检修间隔时5T设备的可靠性并未下降,得出可通过试点的方式开展适当延长检修周期,实现铁路设备维修“少上线、精上线”的目标。     

中东Z油田一开地层可钻性预测和个性化PDC钻头的应用

中东Z油田一开井段井眼尺寸大、井段长、地质条件复杂、钻头选型不合理,探井一般需要20多只钻头才能完钻,钻井周期长、成本高,严重影响全井的建井周期和油田的大规模开发。利用测井数据,使用地层可钻性模型预测了一开井段的地层可钻性剖面,显示出该地层可钻性波动频繁、软硬交错显著、非均质性强。在此基础上设计了将强稳定性、攻击性和水利设计相结合的个性化609.6 mm MS1963UV型PDC钻头。在后续现场试验中,该型钻头突破性地实现了1只牙轮钻头+1只PDC钻头钻完一开井段,提速最高达109.77%,钻头每米成本降幅最高达32.13%。实践证明,区块可钻性预测结果较为符合实际,个性化设计的PDC钻头能够很好地适应目标井段地层,为进一步优化改进钻头设计和Z油田的持续提速提效提供了有益的参考。     

区域交叉口交通拥堵传播规律挖掘方法研究

为了准确识别和预测区域交叉口的交通状态,研究道路网络中的拥堵传播规律,以交叉口流量数据为研究基础,提出了一种改进型需求-容量的交叉口交通状态判别方法。结合交通领域的具体特点,对算法数据库进行适应性调整,采用一种基于路网拓扑结构约束的Aprior算法,建立区域交叉口拥堵传播规律挖掘模型,并以苏州市某区域的交叉口数据为实例进行验证,从时间维度分析发现拥堵具有相似性和反复性,从空间维度研究获取"回溢"和"流出"2种拥堵传播模式,与现实情况相符。结果表明,模型能够有效挖掘区域交叉口拥堵传播规律,并根据传播规律中各个交叉口拥堵发生的时序特性进行交通状态预测。所得结论对实现拥堵预警和交通拥堵的早期干预具有一定的借鉴意义。     

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。     

数据驱动的软件可靠性模型在石油工业信息系统中的应用

近年来,石油工业信息系统不断发展,规模和复杂度不断提高,系统的可靠性越来越受到重视。然而,石油工业信息系统的质量控制缺少有效的工具和方法,软件可靠性模型在石油工业信息系统中没有得到很好的应用,系统失效数据没有得到充分利用。介绍了3种软件可靠性模型,并应用数据驱动的软件可靠性模型来预测石油工业信息系统中的失效数据,最后使用SVMr软件可靠性模型进行模拟仿真实验。结果表明,数据驱动的软件可靠性模型可以很好地预测石油工业信息系统中的软件失效数据,预测结果具有较高的决策价值。     

基于T-S模型的一类时滞非线性系统模型预测控制

针对具有状态时滞特性的非线性离散系统,利用线性矩阵不等式的方法和Lyapunov稳定性理论,研究了基于状态反馈的非线性系统模型预测控制问题。基于T-S模糊模型对非线性离散系统进行描述并给出一种"min-max"预测控制算法,采用模型预测控制与模糊理论相结合的方法,利用平行分布补偿的原理,通过在每一个采样时刻优化无穷时域的性能指标,来求解在范数有界条件下相应的状态反馈控制律,讨论了预测控制器的设计问题,分析了此设计问题的可解性,给出了状态反馈控制器基于线性矩阵不等式的设计算法,保证了系统的稳定性,通过仿真实例证明了所提控制算法的有效性及系统的稳定性。该方法能够在化工、冶金、机械等具有时滞特性的工业生产过程中得到很好的应用。     

基于预测模糊的供暖系统控制算法研究

针对复杂的供暖系统中存在的大时滞、大惯性和不确定性,引入预测模糊控制算法对该系统进行调节。预测模糊控制算法是将预测控制和模糊控制两种控制算法优点充分结合的一种控制算法。通过Matlab仿真实验表明,在调节供暖系统中使用预测模糊控制比单纯使用预测控制能够产生更好的调节效果。     

基于改进SSD-MobileNet算法的AGV动态目标检测方法

为了提升自动导引运输车(automated guided vehicle,AGV)动态障碍物视觉检测的精度和帧率,提出了一种基于单镜头多盒检测器（single shot multibox detector,SSD）的改进算法。将轻量级MobileNet网络引入到SSD网络结构中,然后利用K-means算法对训练数据集中真实框的AR值进行聚类并更新,最后利用Jeston Nano嵌入式平台搭建了AGV实验系统,引入TensorRT加速引擎,分别对改进前后的SSD-MobileNet模型进行加速优化,并对比分析。结果表明：改进的SSD-MobileNet模型在AGV上使用TensorRT加速引擎的mAP值为79.1%,相比优化前提升了10.8%,对精度影响很小,而帧率达到了25 f/s,较原SSD模型提升了近4倍,且改进后模型规模也比优化前缩小了37%。采用改进算法能够使AGV在运输过程中完成动态障碍物检测任务,可代替人工实现货物高效运输,并节省运输成本,为智能化运输提供了一种新的思路。     

基于有监督和无监督学习算法的设备故障诊断技术及算法融合探析

部分工业生产工艺具有生产工序长、使用设备多、设备机理复杂等特点,特殊的工艺运行环境进一步加剧了设备故障率和故障危害性。以轧钢工艺中的多传感设备粗轧机作为研究对象,设计了基于多尺度卷积神经网络(CNN)模型的有监督学习算法,研究与比选了LOF、K-means、GMM、SO-GAAL、MO-GAAL等无监督学习算法。研究发现：1)将多尺度CNN模型应用于粗轧机原始数据,测试集的准确率高达99.91%,但损失函数数值较大;2)无监督学习算法通过二元分类处理评价设备故障诊断性能,其中MO-GAAL算法的二元分类指标均在98%以上,AUC值高达0.99,在五种算法中效果最好。结合两类算法优势,构建并探析了算法融合策略,为粗轧机故障诊断的不同场景提供了进一步的解决方案。     

MLEP:一种B细胞线性表位预测方法

为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP(Prediction of epitope based on MCFS and LSTM,MLEP)算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。     

基于骨干度与网络编码的链路预测模型研究

为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE)。在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数。实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验。实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好。因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考。     

基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

针对当前城市轨道交通短期起讫点（OD）客流预测存在模型构建工作量大、资源占用量大的特殊性,提出一种基于PCA-Kmeans算法的城市轨道交通短期OD客流预测方法。利用自动售检票（AFC）刷卡交易明细数据构造OD分布比矩阵,通过主成分分析（PCA）进行数据降维,再通过Kmeans算法处理降维后的数据,采用手肘法确定初始聚类数目,开展Kmeans聚类分析;依据聚类分析结果的各簇中心OD分布比及轮盘赌策略分布,以准确度较高的进站客流为OD客流,实现全线网规模的短期OD客流预测。以西南某城市轨道交通数据为研究对象开展实例研究,快速完成了全线网规模的短期OD客流预测,日粒度平均绝对百分比预测误差仅为13.7%,15 min粒度平均绝对误差仅为8.56,印证了该OD客流预测方法具有较高工程应用价值。     

水利水电工程边坡形变风险预测方法

为实现长期形变风险预测,设计一种水利水电工程边坡形变风险预测方法.通过地基雷达干涉测量技术获取边坡形变数据.处理雷达数据后,对边坡地质三维模型实施网格划分,构建边坡数值模拟计算模型.结合BP神经网络和GVD模型创建RGVNN模型,实现形变风险预测.对设计方法实施案例应用测试.测试结果表明:该方法不仅能够实现短期风险预测...     

基于优化人工神经网络和TOPSIS的水利工程质量评价

为综合评价水利工程质量,文章基于布谷鸟算法(CSA)、蝙蝠算法(BA)、鲸鱼算法(WOA)优化人工神经网络模型(ANN),结合TOPSIS模型,构建了水利工程质量综合评价模型.同时在项目操作质量、项目管理质量和项目监理监督质量3个方面构建了评价体系.结果表明:CSA-ANN模型在所有模型中精度最高,该方法评价结果与层次...     

制造业企业信息化和计算机使用的生产率效应

在工业化和信息化趋于深化融合的时代，关注工业企业信息化和计算机使用效率的问题具有积极意义。本文利用中国工业企业数据库提供的大样本制造业企业数据，研究了信息化和计算机使用对企业生产率的影响。为了控制企业的异质性、模型的内生性和样本自选择问题，本文逐步采用了横截面数据模型、平衡面板数据差分模型和Heckman选择模型，得出中国的制造业企业不存在“计算机生产率悖论”，信息化和计算机使用能够显著推动企业生产率的提高。诱导资本投资信息技术，激励企业利用信息化技术提升竞争力，将成为提高劳动生产率和促进经济持续增长的一个重要驱动力。     

基于改进蚁群算法的数控机床故障诊断方法

为提高数控机床的保障与维护管理水平,推动我国制造产业的高质量循环发展,设计一种基于改进蚁群算法的数控机床故障诊断方法。采集数量机床设备的运行数据,利用粗糙集理论提取故障特征信号,应用改进蚁群算法构建数控机床的故障诊断模型,通过蚁群信息素的初始化与动态更新,寻找最优路径,实现对数控机床设备故障的智能化辨识与诊断。仿真测试结果显示,对于随机10组不同故障的数据信息,该方法的故障诊断时间均值约0.118 7 s、具有高效性,实际诊断结果与期望输出结果的平均误差约0.000 6、误差极小,具有精确性与适用性,为数控机床的维护管理工作提供了一种可靠的技术支持。     

PLC技术下污水处理站管控智能生产平台分析

现代化的污水处理站不断提升自动化水平，利用PLC控制器对污水处理设备进行远程控制，同时采集设备运行数据进行展示、分析和监控。站内管控一体化智能生产平台依托于PLC技术，集成了ERP、数据库、服务器、交换机以及工业以太网，可构建起具有一定智能化水平的综合性管控系统。研究中利用King View实施软硬件组态，将站内运行数据存储在关系数据库和工业实时数据库中，为工程技术人员和管理人员提供Web访问和客户端访问路径，有效提升管理效率。     

基于多信息融合的DGPMIF致病基因关联预测方法

为了解决利用单一生物数据无法揭示复杂的生物过程和疾病机制的问题,提出了一种多信息融合的DGPMIF致病基因预测方法。首先,构建一个具有疾病-表型、疾病-基因、蛋白质-蛋白质和基因-本体关联的异构网络,利用网络嵌入算法提取该异构网络中节点的低维向量表示,同时结合网络拓扑算法提取网络结构特征。其次,利用余弦相似性算法衡量节点向量的相似性,预测疾病与基因之间的关系。最后,通过对特定疾病的案例进行研究,并与经典致病基因预测方法进行对比,验证DGPMIF方法的有效性。结果表明：不同类型的关联数据对增强致病基因预测性能具有重要作用;经过多层次信息融合,提高了致病基因预测的预测性能。DGPMIF预测方法能够高效挖掘网络中蕴含的信息,对相关疾病基因关联的预测研究具有重要的参考价值。