基于CGA-RBF的刀具寿命预测方法研究

刀具作为加工制造系统中的基础部件,刀具的磨损状况及寿命情况直接影响到工件的加工质量和加工效率.为了能够准确预测刀具使用寿命,确保加工精度,提出了一种基于CGA-RBF的刀具寿命预测方法.在RBF神经网络技术基础上,构建遗传算法和混沌寻优算法相结合的寻优机制来对RBF神经网络进行训练优化,建立刀具寿命预测模型.最后应用M...     

基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测

以面向决策支持的用水量趋势预测为研究目标,采用从定性到定量的综合集成方法,将各指标变化率作为处理单元,运用PCCs-DEMATEL(皮尔逊相关系数-决策试验评估)方法对统计指标筛选,以BP神经网络构建预测模型,与赋权指数平滑法预测模型进行比较分析。模型在广州市的运用实例表明,基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测模型可以更好地预测以年为单位的地区用水量,为水资源决策分析提供可靠的数据支撑。     

基于复合数据挖掘算法的短期电力负荷预测

提出一种决策树算法、自组织特征映射神经网络(SOFM)算法与粗糙集理论结合的算法.首先,使用SOFM算法对样本数据进行聚类,形成符合标准的目标数据子集.然后,使用粗糙集理论进行决策系统约简,删除不相关或不重要的属性.最后,使用决策树算法对优化后的电力负荷样本数据进行分类预测.本方法采用多种数据挖掘算法相结合方式,既全面考虑了影响负荷预测的温度、天气、气压、湿度等各种因素,又避免了由于输入变量过多而导致模型结构复杂、训练时间长等不足.同时,本算法使用自动化数据挖掘算法,可以大大提高预测速度.实际算例表明:本算法能有效缩短预测时间,提高负荷预测精度.     

基于GEE的宝鸡峡灌区耕地灌溉面积遥感监测方法

准确监测耕地灌溉面积的变化,对于管理有限的农业水资源及保证粮食安全等具有重要意义.选择中国西北干旱半干旱地区的典型灌区陕西省宝鸡峡灌区,基于Google Earth Engine(GEE)云平台的Landsat卫星数据,在土地利用分类提取出耕地范围的基础上,结合实地采样获得的样本点,并基于宝鸡峡灌区实际,提出了一种获取历史样本点的思路和方法;通过计算归一化植被指数(NDVI)、增强植被指数(EVI)、绿色叶绿素植被指数(GCVI)、水调节绿色指数(WGI)等指数作为分类参数,应用随机森林(RF)算法对2010年及2020年耕地灌溉区域进行了识别与提取.结果表明,宝鸡峡灌区2010年和2020年耕地灌溉面积分別为104 211和90 174 hm²,混淆矩阵验证总体精度分别为91.67%和95.35%,Kappa系数为0.832和0.907.     

基于广义回归神经网络的广西农业机械需求预测

提出了一种基于广义回归神经网络的农业机械需求预测模型。该模型以GRNN神经网络为基础,运用循环测试法,结合k折交叉验证进行了参数寻优和网络训练,能在历史数据样本较少的情况下获得满意的预测精度。同时,引用广西1995-2010年农机总动力以及相关影响因素的数据进行测试,验证了模型的有效性。     

基于指数平滑预测的高效变量喷灌方法

针对现有灌溉系统只能实现大田经验均一灌溉、缺乏决策指导的问题,基于田间ZigBee无线网络实时采集的田间预埋水分传感器信息,提出一种基于二次平滑预测算法的变量灌溉指导数据处理方法,根据理论设定值自行调整平滑权重,使其预测数据达到最优,得到变量作业处方图;研制了基于PLC的喷灌机变量控制系统,通过模拟百分率计时器对喷灌机逐跨调节,并实时调整行走步长与速度,实现变量灌溉。田间对比试验结果表明,变量灌溉效率及节水方面均优于传统灌溉。     

一种智能喷灌装置的发动机MSF故障诊断研究

以智能喷灌装置发动机为研究对象,利用神经网络的方式进行发动机故障诊断.引入随机优化算法进行神经网络故障诊断方式优化,对发动机尾气数据进行仿真实验,与初始设置的故障信息代码进行比对,确定发动机故障.仿真实验结果表明:优化后的发动机神经网络故障诊断方式可明显降低诊断过程中的误差值,仿真实验结果与预测信息高度吻合,表明利用随...     

基于决策树特征提取与RSM＿LightGBM的涡扇发动机RUL预测

针对现有航空发动机剩余使用寿命预测（RUL）精度低及传感器监测参数提取困难等问题,提出了一种基于决策树特征提取与随机搜索算法优化LightGBM的航空发动机RUL预测模型。首先,对航空发动机历史监测参数进行分析,利用决策树算法计算监测参数对发动机寿命周期的重要性贡献程度,提取重要特征后对数据进行归一化处理,降低数据量纲对预测模型的影响;其次,根据航空发动机的历史衰退特征,为发动机设置阈值标签,表征发动机的性能退化特点。最后,利用随机搜索算法对LightGBM中的超参数进行寻优,获得RMSE最小值。在CMAPSS数据集上进行了实验验证。结果表明,与其他构建模型的最优值相比,所提方法在多个评价指标下具有更好的综合性能,有效提升了航空发动机RUL预测的精准度。     

基于粒子群算法和SDAE的采棉头故障诊断研究

针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选取,确定网络结构,然后将预处理后的数据输入PSO-SDAE网络进行深度特征提取,经过前向传播和反向微调,得到采棉头故障诊断模型。通过采棉头堵塞故障模拟试验对算法进行验证,试验结果表明：PSO-SDAE网络诊断方法在特征有效提取、故障诊断准确率方面均优于SDAE网络、支持向量机(SVM)、反向传播神经网络(BPNN)以及深度置信网络(DBN),可用于采棉头故障诊断和故障预警。     

基于随机森林的锂离子电池健康状态估计

锂离子电池是电动汽车上关键的部件之一,准确地估计电池的健康状态(State of health,SOH)有利于保证电池的安全、提高电池的使用寿命。考虑到车用锂离子电池实际的使用情况,基于电池恒压充电电流曲线提出了一个预测电池SOH的新方法,建立了一个随机森林(Random forest, RF)模型来估计电池的SOH。另外,为了验证模型的准确性,把RF模型和BP神经网络模型进行了对比分析。实验结果表明,和BP神经网络模型相比,本文建立的RF模型能够更有效地估计电池的SOH。     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

基于随机森林回归的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以条件植被温度指数(VTCI)和上包络线S-G滤波的叶面积指数(LAI)为特征变量,通过随机森林回归确定玉米主要生育时期VTCI和LAI的权重,构建加权VTCI和LAI与玉米单产的单变量和双变量估产模型。结果表明,基于随机森林回归的双变量估产模型精度最高(R~2=0. 303),达极显著水平(P 0. 001)。将随机森林回归双变量估产模型用于研究区域2012年各县(区)玉米单产估测,结果表明,53个县(区)玉米估测单产与实际单产的平均相对误差为9. 85%,均方根误差为824. 77 kg/hm~2,模型精度较高。基于随机森林回归双变量估产模型逐像素估测研究区域2010—2018年玉米单产,结果表明,玉米单产在空间上的分布特征为西部地区最高、北部和南部次之、东部地区最低,年际间的分布特征为在波动中呈先减少后增加的趋势。     

基于神经网络的利乐包装设备零件寿命的预测

以可靠性为中心的维修思想为指导,整理、利用某工厂5台利乐液体包装设备近10年零件更换和工作条件的历史数据,根据设备维修实践,提出了零件剩余寿命率的概念,设计实现了BP神经网络,预测设备主要零件的剩余寿命率,得到了较为满意的预测结果.该方法可作为利乐设备预防性维护系统(TPMS)的补充方法,对利乐设备维护管理有较强的实际指导意义,给操作和维修人员及时提供准备更换零件的信息,从而保证乳品生产的可靠性,有效降低生产成本和设备维护成本.     

基于海洋捕食者算法优化的长短期记忆神经网络径流预测

为提高径流预测精度,研究提出海洋捕食者算法(MPA)与长短期记忆(LSTM)神经网络相结合的径流预测方法.通过6个仿真函数对MPA、粒子群优化(PSO)算法进行测试,利用MPA优化LSTM隐藏层神经元数、训练次数等关键参数,基于主成分分析(PCA)降维和不降维处理分别建立PCA-MPA-LSTM、MPA-LSTM径流预...     

基于MATLAB和ANSYS联合仿真的罐车寿命预测

采用名义应力法来预测罐车的疲劳寿命。通过MATLAB模拟得到符合实际运行工况的A级路面的随机激励,将罐车的钢板弹簧和轮胎的刚度进行等效处理,并利用模态综合法,得出最大应力点的应力-时间曲线。根据材料的p-S-N曲线和米勒线性疲劳累积损伤理论,得出失效应力循环次数,并预测出整个罐车的疲劳寿命。     

基于灰色预测和随机森林组合算法的电量预测

为解决地区电量预测精度低、预测模型通用性差等问题,文章通过对区域用电量和经济因素的历史数据研究分析,提出了一种基于灰色预测和随机森林的组合电量预测方法。首先利用灰色预测方法通过历史电量数据进行电量初步预测;其次再利用经济指标数据,通过随机森林算法对初步预测的用电量进行修正,以达到最佳的用电量预测效果。最后将本模型运用于地区月用电量预测,结果表明:该预测方法平均绝对百分误差为(MAPE)2.06%,为地区电量预测工作提供一种新思路。     

基于ASSA-GRNN的施肥量预测与控制实现

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化.首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力.将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度.利用ASSA-GRNN与...     

基于SupReMe影像重建和RF的玉米冠层LAI反演

针对Sentinel-2卫星影像拥有3个对植被生长状况非常敏感、空间分辨率为20m的红边波段（705、740、783nm）,其空间分辨率与可见光和近红外波段10m的空间分辨率不一致,使Sentinel-2影像应用受到限制的问题,基于多光谱多分辨率估计的超分辨率（Super-resolution for multispectral multiresoltion estimation, SupReMe）算法将空间分辨率20m的6个波段重建为10m;以重建后的影像为数据源,耦合PROSAIL辐射传输模型和随机森林模型反演玉米冠层叶面积指数（LAI）,并以野外实测LAI验证其反演精度。结果表明,采用SupReMe算法对Sentinel-2影像进行重建后,在保持光谱特性不变的同时提高了影像的空间细节;基于重建影像和原始影像的LAI反演决定系数R2分别为0.70、0.68,均方根误差RSME分别为0.240、0.262。研究表明,利用SupReMe算法重建后的Sentinel-2卫星影像,能够在提高玉米冠层LAI反演空间分辨率的同时提高反演精度,在挖掘高分辨率农作物生长信息方面具有很大潜力。     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。