参数预测

摘要： 基于材料热力学计算软件JMatPro 7.0对热锻模具用钢55NiCrMoV7的平衡相组成、CCT曲线等热物理参数性能进行了计算及预测,热力学计算结果表明:55NiCrMoV7的奥氏体化温度Ac_(1)=617.36°C,Ac_(3)=782.31°C。该钢的密度与杨氏模量与温度呈负相关趋势,而合金的热导率与泊松比则与温度呈现正相关趋势。并对该模具钢的TTA图CCT图进行了计算绘制,预测了马氏体转变温度等相关材料参数,还计算了不同冷却速度下的显微组织组成,以期为热锻模的热处理工艺提供基础材料参数。

摘要： 为解决传统圆柱拟合方法对参数初值具有较高依赖性而导致无法满足航天筒段薄壁件滚弯成形质量检测精度及速度要求的问题,提出一种PointCPP-LSF方法,以实现航天筒段薄壁件滚弯成形质量分析。基于点云深度学习建立面向圆柱参数预测的点云网络(PointCPP)模型以获得可靠的圆柱参数初值,然后基于改进的最小二乘拟合(LSF)方法对圆柱参数进行迭代优化,并结合粗差点剔除机制,最终获取稳健的曲率半径计算结果。实验结果表明,所提方法能有效提高航天筒段薄壁件滚弯成形质量检测的准确度和速度。

摘要： 无线电技术在我国的经济领域、社会生活以及国防科技建设等各个领域都有广泛的应用。但是,目前我国的无线电监测中还存在一定的问题。本文首先分析了无线电监测中电磁环境参数预测的必要性、可能性,最后对当前我国无线电监测中电磁环境参数预测的应用方法进行系统分析并提出了对策和建议,从而提高了我国现有的无线电监测的水平,减少了因为无线电干扰等原因为相关企业带来的经济损失。

摘要： 近年来,传统制造业面临着数字化挑战。建立基于大数据的智能工厂能够通过模型有效识别,将隐性和碎片化的工业问题显性化,形成新的知识积累。本文根据玉米深加工制备淀粉糖工艺中记录的实时数据,首先基于大数据技术对原始数据进行数据清洗,随后提出了三种数据降维与人工神经网络(ANN)相结合的策略对玉米深加工工艺的关键参数进行识别,并建立了过滤工段压差的预测模型,包括两步神经网络预测(T-ANN)法、聚类分析结合神经网络预测(C-ANN)法、Lasso回归结合神经网络预测(L-ANN)法。结果表明,三种方法均能准确地关联玉米淀粉上游工段的工艺条件与过滤工段压差的关系,复相关系数R均在0.99以上。通过以上三种模型,依据Olden权值排序法筛选出了权值较大的20个控制位点,从而大幅降低输入变量的维数,达到筛选关键控制位点的目的。通过对三种方法进行机理分析、敏感性分析以及超参数分析,发现L-ANN法对数据集的敏感性最低,预测精度较高,且能筛选出更多的具有机理可解释性的关键位点。

摘要： 柴油部分预混压燃PPCI燃烧对油气混合状态与边界条件敏感,面向控制的燃烧预测建模难度大。针对上述问题,对PPCI燃烧燃油喷射控制参数进行了敏感性分析,建立了PPCI柴油机韦伯函数线性化燃烧模型。研究表明:喷油参数的变化对燃烧参数具有较大敏感性,采用韦伯函数线性化方法建立的燃烧预测模型能够实时预测缸压与放热率等重要参数,模型参数的计算值与标定值相关系数大于0.98。

摘要： 有限元计算方法是研究吸能结构碰撞特性的一种常用手段,但吸能结构的碰撞往往是强非线性、大变形的过程,采用这种方法存在耗时长、经济性差等问题。为此,提出一种碰撞参数反演预测方法,在保证精度的同时实现对吸能结构碰撞特性的快速预测。首先,对地铁方锥式复合吸能结构进行几何设计,并基于几何模型建立该结构的有限元模型。随后,将有限元数值仿真结果与全尺寸样件冲击试验的结果进行对比分析,验证有限元模型的准确性,并以此为基准开展不同特征参数下的方锥式复合吸能结构碰撞特性研究。再基于人工神经网络建立碰撞反演模型,搭建参数反演预测框架。最后,分别以方锥式复合吸能结构薄壁方管管壁厚度和蜂窝B的平台强度为输入参数,碰撞界面力和压溃位移为输出响应,分析碰撞反演模型的预测规律,并将预测结果与有限元仿真结果进行对比。研究结果表明,通过碰撞反演预测模型得到的界面力−时间曲线、界面力−压溃位移曲线的变化趋势与有限元数值仿真结果基本一致,说明该碰撞反演模型能够实现对吸能结构碰撞力学特性的快速预测,提高优化效率。所提出的参数反演预测方法对地铁吸能结构的碰撞特性研究产生积极影响,提供了新思路。

摘要： 针对永磁同步电机传统滑模控制的调速性能受到电机系统状态变量变化的影响,提出了一种采用支持向量机智能预测永磁同步电机可变参数非奇异快速终端滑模控制策略.首先设计了一种快速收敛的新型可变参数非奇异快速终端滑模面,该滑模面实现了全局快速收敛且消除了奇异现象并且滑模参数随系统状态改变,实现了不同系统状态下,永磁同步电机可以始终保持优异的调速性能;然后,引入支持向量机智能算法对滑模面状态变量参数建模,实现滑模面状态变量参数根据电机系统状态在线调整;最后,采用角速度与q轴定子参考电流二阶模型来设计永磁同步电机可变参数非奇异快速终端滑模速度控制器以减小模型误差.数值仿真结果表明:采用支持向量机建立的滑模面状态变量参数预测模型能够根据电机系统参数变化预测得到滑模面状态变量参数最优值;所提出的可变参数非奇异快速终端滑模控制策略与非奇异快速终端滑模控制策略相比,控制性能不受电机参数变化的影响,具有收敛速度快、鲁棒性好、转速超调小、控制精度高等优点.

摘要： 随着我国经济的发展和技术水平的提升,石油资源在我国的资源占据比例中显著地增加,已经成为促进我国能源产业以及第二产业的支柱。因此,石油化工企业进行开采工作的时候,需要积极地对地层原油高压物性参数进行预测,从而可以保证后续工作的进行,进一步促进我国石油化工企业的发展。因此本文就地层原油高压物性参数预测方法进行研究,希望可以为相关部门进行相关工作提供有效的建议。

摘要： 基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的RBF神经网络信道参数预测模型,并与传统RBF算法的预测结果进行了比较.利用APSO-RBF模型对信道大尺度参数(large-scale channel parameter,LSCP)如路径损耗(path loss,PL)、时延扩展(delay spread,DS)等数据的特征进行了学习和预测.结果表明,APSO-RBF模型信道参数的预测值与实际测量值非常吻合,均方根误差(root-mean-square error,RMSE)较小,且预测曲线与原始测量值曲线的拟合度较好,该算法的学习性能和预测效果均优于传统RBF算法.另外,APSO-RBF模型在数据量波动较大的情况下对信道参数的变化有着良好的适应性,对5G毫米波信道参数可以取得较好的预测效果.

摘要： 求取精准可靠的概率积分参数在开采沉陷移动变形预测中至关重要,在非线性模型广泛应用于参数预测的背景下,开展了融合FWA和Logistic模型的概率积分动态参数预测方法(FWA-Logistic方法).结合Logistic模型的应用情况,考虑到非线性最小二乘求取模型参数的波动性较大,且不合理的初值选取会导致求参结果发散,因此引入了一种FWA算法;综合FWA算法原理、Logistic模型和概率积分动态参数变化规律,提出了FWA-Logistic方法.试验结果表明,拟合样本参数q、tanβ、θ的效果较好,拟合中误差分别为0.028、0.100和0.023°;预测各期参数q、tanβ、θ的平均相对误差分别为2.87％、2.02％、0.03％;最大相对误差约为4.39％.为验证预测参数的实用性,基于预测的各期的概率积分动态参数,代入动态概率积分模型进行地表主断面下沉预计;与实测相比,预计下沉误差在-343～208mm之间,中误差分别为47.66mm、113.60mm、86.67mm、89.23mm.

摘要： 永磁直线同步电机直接驱动的三轴运动平台系统能够实现复杂零件的加工,由于三轴运动平台系统具有非线性以及强耦合性的缺陷,对其进行精密轮廓控制成为研究重点.本文建立了三轴运动平台模型,对现有的轮廓误差控制方法进行简要概述,分析其各自优缺点,并概括了轮廓控制技术的研究热点问题.针对出现的问题,采用一种基于参数预测控制和自适应模糊PID控制方法.通过仿真分析可知,所设计的控制系统满足实时控制要求,具有较强的鲁棒性和较高的轮廓精度.

摘要： 本文针对中深层裂缝型储层缺乏大入射角的情况,提出了基于两个角度弹性阻抗的裂缝方位和流体识别同步预测方法.该方法能利用两个角度弹性阻抗方程提取的参数,同时进行裂缝方位预测和流体识别,相比分步进行流体识别和裂缝方位预测方法大大减少了工作量. 本文方法在缺乏大角度数据的裂缝型储层中取得了较好的效果。如果想要获得更为准确的储层参数，还是应该增大排列长度，获取大角度数据进行储层参数预测。

摘要： 协克里金是一种能有效整合井震数据、预测储层参数分布的确定性地质统计学方法,该方法考虑了区域变量的随机性与结构性,既能严格满足测井数据,又能反映地震数据中含有的大尺度结构性和连续性信息.灰色神经网络模型是一种由灰色理论与神经网络相结合的组合模型,可用于储层参数的预测,其需要原始数据量少、计算简便,在获得数据分布趋势的同时,还能借助神经网络来进行误差修正从而保留系统非线性的特征.本文将协克里金与灰色神经网络模型相结合，提出了一种新的储层参数预测方法，理论实验显示使用此方法不仅可得到较高精度的预测结果，还可体现储层的非均质性。rn 用协克里金方法对理论合成数据进行数值实验，实验表明协克里金插值的结果受到已知井点数量及分布的控制，越靠近井点位置其结果越准确。因此在已知井点数量较为充足且插值范围小于变程的情况下，可以得到可靠的估计结果。将上述结果作为输入数据，运用灰色理论并延各预测方向建立灰色GM(1,1)模型，并实现外推预测，最后借助神经网络对灰色预测结果进行残差修正。结果表明所建立的灰色模型可以描述储层参数在各方向上的分布规律，神经网络残差修正补偿了非线性信息并有效地提高了预测结果的准确性。相较于单独使用协克里金插值的效果，使用本文提出方法所得的储层参数空间分布具有较高的精度，同时揭示了储层的非均质性。

摘要： 高海拔地区特高压直流输电线路的电晕放电现象异常复杂,受到线路参数、气象参数以及导线表面电场分布等诸多外界因素影响.本文基于特高压工程(昆明)国家工程实验室为期六年的海量直流试验线段电磁环境测试数据,引入LASSO-LME大数据处理方法,建立了综合考虑风速、温度、相对湿度、线路参数的特高压直流输电线路电磁环境参数预测公式,并将之与传统预测公式和实测数据进行对比,验证了其精确性与适用性.

摘要： 齿轮箱是各类机器和车辆的核心部件,所以监测齿轮箱的性能退化过程对于提高机械设备和车辆的可靠性是很有必要的.通常在齿轮箱上加上振动传感器进行状态监测,本文对齿轮箱的全寿命实验数据进行分析,提取了峭度、RMS和能量等参数,通过对参数的监测来对齿轮箱的性能退化进行分析和预测.本文采用了两种预测方法进行对比分析,分别是自回归滑动平均模型和移动平均线,并通过计算绝对误差来比较两种预测方法的优劣.

摘要： 有机化合物的酸碱解离常数pKa用来表征化合物的电离程度,是影响化合物的环境行为和毒理学性质的重要参数.除采用实验测定pKa值外,近年来发展了很多理论预测方法,其中增量法展现了很好的预测效果.但如果分子中存在某些特殊基团,缺乏经验数值时,这种方法的应用就受到限制.本研究的目的是基于574个有机弱碱分子的pKa值,建立量子化学模型,直接从化合物的分子结构来预测其酸碱解离常数.rn 整个数据集包括132个苯胺，三类脂肪胺共189个，三类杂环弱碱性化合物共181个，pKa的范围从-5.00到11.72。分子描述符使用电子结构参数，共计502个化合物的分子结构使用ab initio HF/6-31 G**算法进行优化，在最优结构的基础之上计算分子的局部电子性质参数，包括:电荷限制的能量，有效供体能/受体能和能量限制的电荷，所有量子化学结构描述符都是基于中性分子的最优化结构计算得到的。苯环上不同位置的取代使用指示因子来表示。rn在此基础上，结合实验pKa值，分别建立每类子集化合物的多元线性回归模型。rn 各类化合物所得到的最终模型都比较简单，包括指示因子在内最多含有3个描述符，但模型拟合效果较好。整个数据集的相关系数的平方:r2和均方根误差rms分别为0.82和0.73，各子集也得到了比现存的量在化学模型更好的拟合和预测结果。

摘要： 为实现基于小样本数据的电压合格率准确预测.本文对电压合格率的众多影响因素进行了分析并按静态影响因素与动态影响因素进行了分类.鉴于静态影响因素对电压合格率的决定作用,本文采用一种基于层次分析法加权改进的灰关联分析方法对影响电压合格率的静态影响因素进行排序,遴选出了影响电压合格率的主要影响因素.由此建立电压合格率与主要影响因素之间的多元线性回归预测模型,进行电压合格率的预测.算例结果表明,本文提出的预测算法具有较高的预测精度,回归效果显著,对配电网的规划和电压合格率的提高具有较大的指导意义.

摘要： 为实现基于小样本数据的电压合格率准确预测.本文对电压合格率的众多影响因素进行了分析并按静态影响因素与动态影响因素进行了分类.鉴于静态影响因素对电压合格率的决定作用,本文采用一种基于层次分析法加权改进的灰关联分析方法对影响电压合格率的静态影响因素进行排序,遴选出了影响电压合格率的主要影响因素.由此建立电压合格率与主要影响因素之间的多元线性回归预测模型,进行电压合格率的预测.算例结果表明,本文提出的预测算法具有较高的预测精度,回归效果显著,对配电网的规划和电压合格率的提高具有较大的指导意义.

摘要： 为实现基于小样本数据的电压合格率准确预测.本文对电压合格率的众多影响因素进行了分析并按静态影响因素与动态影响因素进行了分类.鉴于静态影响因素对电压合格率的决定作用,本文采用一种基于层次分析法加权改进的灰关联分析方法对影响电压合格率的静态影响因素进行排序,遴选出了影响电压合格率的主要影响因素.由此建立电压合格率与主要影响因素之间的多元线性回归预测模型,进行电压合格率的预测.算例结果表明,本文提出的预测算法具有较高的预测精度,回归效果显著,对配电网的规划和电压合格率的提高具有较大的指导意义.

摘要： 为实现基于小样本数据的电压合格率准确预测.本文对电压合格率的众多影响因素进行了分析并按静态影响因素与动态影响因素进行了分类.鉴于静态影响因素对电压合格率的决定作用,本文采用一种基于层次分析法加权改进的灰关联分析方法对影响电压合格率的静态影响因素进行排序,遴选出了影响电压合格率的主要影响因素.由此建立电压合格率与主要影响因素之间的多元线性回归预测模型,进行电压合格率的预测.算例结果表明,本文提出的预测算法具有较高的预测精度,回归效果显著,对配电网的规划和电压合格率的提高具有较大的指导意义.

摘要： 本发明的目的在于提供能使混入的无用分量抑制到最小限度的，分析能力高的预测参数分析装置与方法，该预测参数分析装置具备根据输入信号的自相关系数求预测参数的预测参数计算单元15，具有对输入信号或来自输入信号的信号加窗以求得短时输入信号X(n)的加窗装置11；通过从该短时输入信号X(n)除去加窗生成的无用分量以输出校正短时输入信号Y(n)的无用分量除去单元13；根据该校正的短时输入信号Y(n)求自相关系数的自相关系数计算单元14。

摘要： 本发明的目的在于提供能使混入的无用分量抑制到最小限度的,分析能力高的预测参数分析装置与方法,该预测参数分析装置具备根据输入信号的自相关系数求预测参数的预测参数计算单元15,具有对输入信号或来自输入信号的信号加窗以求得短时输入信号X(n)的加窗装置11;通过从该短时输入信号X(n)除去加窗生成的无用分量以输出校正短时输入信号Y(n)的无用分量除去单元13;根据该校正的短时输入信号Y(n)求自相关系数的自相关系数计算单元14。

摘要： 本发明公开了一种基于刀具参数和材料参数的车削表面粗糙度预测方法，先测量车削刀具波纹度、刀尖圆弧半径和切削刃钝圆半径等刀具参数，计算刀具切削刃轮廓对应的表面粗糙度分量；然后获得硬度和弹性模型等材料参数，利用材料参数计算塑性侧流等对应的表面粗糙度分量；最后将刀具切削刃轮廓、弹性回复、塑性侧流等对应的表面粗糙度分量和非确定性表面粗糙度分量综合，对车削加工表面粗糙度进行精确预测。对于细晶金属材料其预测的绝对误差可控制在3nm以内。

摘要： 本公开关于一种参数预测模型的训练方法及装置和参数预测方法及装置，所述训练方法包括：获取训练样本集，其中，所述训练样本集包括多个视频样本以及每个视频样本的视频编码相关参数的真实值，其中，每个视频样本的视频编码相关参数的真实值是基于在所述视频编码相关参数的不同值下对该视频训练样本进行编码而获得的质量评价数据和码率计算得到；将视频样本的视频特征输入到所述参数预测模型，得到所述视频编码相关参数的预测值；基于所述视频样本的所述视频编码相关参数的预测值和真实值，计算损失函数；根据计算的损失函数调整所述参数预测模型的参数，以对所述参数预测模型进行训练。

摘要： 提供了从多个相邻量化参数中确定量化参数预测值的方法和装置。该装置包括编码器(300)，所述编码器(300)使用要应用到画面的至少一部分的图像数据的当前量化参数的量化参数预测值来对所述图像数据进行编码。所述量化参数预测值是使用来自之前编码的相邻部分的多个量化参数而确定的。编码当前量化参数和量化参数预测值之间的差用于发信令给对应的解码器。

摘要： 本公开公开了天气参数预测模型训练方法、天气参数预测方法及装置，涉及深度学习、大数据等人工智能领域。具体实现方案为：根据多个监测站点之间的空间相关性信息，建立天气参数预测模型；根据多个监测站点的天气参数的观测值以及所述天气参数预测模型输出的多个监测站点的天气参数的预测值，对所述天气参数预测模型进行调整。本公开能够提高预测天气参数的准确性。

摘要： 本公开关于一种参数预测模型的训练方法及装置和参数预测方法及装置，所述训练方法包括：获取训练样本集，其中，所述训练样本集包括多个视频样本以及每个视频样本的视频编码相关参数的真实值，其中，每个视频样本的视频编码相关参数的真实值是基于在所述视频编码相关参数的不同值下对该视频训练样本进行编码而获得的质量评价数据和码率计算得到；将视频样本的视频特征输入到所述参数预测模型，得到所述视频编码相关参数的预测值；基于所述视频样本的所述视频编码相关参数的预测值和真实值，计算损失函数；根据计算的损失函数调整所述参数预测模型的参数，以对所述参数预测模型进行训练。

摘要： 本发明涉及一种基于地质参数量化的盾构掘进参数预测方法，该方法包括以下步骤：将地层沿着埋深方向进行单元化处理，基于各单元片段的地质参数和隧道参数，建立地质状况量化矩阵，结合对应的掘进参数生成训练数据，并基于训练数据建立卷积神经网络模型；获取待施工段的地质状况量化矩阵，输入所述卷积神经网络模型获得对应掘进参数的预测值。与现有技术相比，本发明具有充分体现土层的复杂程度、预测精度高等优点。

摘要： 本发明公开了一种基于地质信息和运行参数的TBM掘进参数实时预测方法。本发明TBM驱动参数预测任务转化为预测周期范围为一个环段的多周期多变量时间序列预测任务，提出了一种利用地质特征和TBM运行参数数据进行TBM驱动参数预测的TransTP网络，该网络通过时间模式注意检测(TPAD)学习具有卷积分量的多周期特征表示，通过时间模式注意机制(TPAM)辅助深度网络提取输入的多元特征，进而有效地完成多周期、多变量的TBM掘进参数时间序列预测。

摘要： 本发明提供一种形貌参数预测模型的构建方法及形貌参数测量方法，构建方法包括：获取多个标准样件上的每一个标准设计结构的测量光谱和形貌参数，对每一条测量光谱进行波长分隔采样，得到多个隔断采样光谱，基于每一条隔断采样光谱和对应的实际形貌参数构建第一模型，以及基于第一模型输出的预测形貌参数和实际形貌参数构建第二模型，第一模型和第二模型构成形貌参数预测模型，基于预测模型对待测样件的形貌参数进行预测。本发明公开的方法将传统机器学习模型应用至光学精密测量领域，通过对测量光谱数据进行波长拆分的处理扩充样本完成对预测模型的优化，有效防止了训练过程中的过拟合，避免了维度灾难，有效提升了由光谱计算结构参数的鲁棒性。