简介:摘要:建立数学模型进行项目成本预测,用函数关系来表示比较稳定的结构或现象间比较稳定的相关关系,对一定时期内成本变动的趋势做出判断,进行项目成本预测是确定成本目标的一种有效技术。
简介:摘 要 航材保障面临着库存积压、库存结构不合理等问题,严重影响了航材保障质量效益。其中原因之一,就是航材消耗规律把握不够准确,在一定程度上影响了航材订货决策的科学性。因此,本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型,并通过实例计算预测,验证所建立模型的准确度,对预测结果进行分析评价航材。
简介:摘要:锂离子电池因其容量高、安全性好、环保等优点被广泛应用于各行各业,如电子通讯、航空航天等。但锂离子电池在使用一段时间后往往会变质,这对设备和仪器非常不利。因此,预测锂离子电池的使用寿命非常重要。
简介:摘 要:风力发电目前进入了快速发展阶段,对风电功率的精准预测能够很大程度上的缓解风力发电对电网的冲击。现有研究主要以单个目标机组的时间序列数据进行研究,而没有考虑到风电机组的空间相关性。本文利用KNN算法筛选目标机组的空间相关因素,截取欧式距离计算的前K个邻近空间相关机组,再选取LSTM网络模型,提出一种同时考虑了时空特征的KNN-LSTM短期风电功率预测模型。以湖南省某风电场的历史发电数据和气象数据为样本,先将样本数据进行预处理,然后划分为训练集和测试集对模型进行训练和验证。结果表明:KNN-LSTM模型相较于支持向量机(SVM)和传统LSTM等其他模型,误差评价指标MAE和RMSE都有不同程度的下降。证明本文所提出的KNN-LSTM模型的预测精度更高,验证了模型的实用性。
简介:摘 要:为提高岩石爆破块度预测效果, 利用双江口料场开挖爆破统计数据, 通过影响爆破岩石块度因素的重要度计算和皮尔逊相关系数判定筛选出炸药单耗、 岩石块度尺寸、 岩石弹性模量以及炮孔堵塞长度与炮孔排距比(T/B ) 等6 个特征变量作为输入参数, 建立一种基于改进随机森林回归算法的爆破块度预测模型。 该模型预测的爆破块度逼近真实值,预测结果的可决系数(R2 ) 、 均方根误差(RMSE ) 和平均相对误差(MRE ) 分别为0.9881, 0.0430 和0.1445, 相较于线性回归预测模型和 BP 神经网络预测模型而言, 其预测效果更优, 因此该模型在实际应用中更具适用性, 能够为爆破参数设计和优化提供参考。
简介:摘要目的基于深度学习方法开发创伤出血量分级预测模型,以辅助预测创伤动物出血量。方法基于中国人民解放军总医院构建的战创伤动物实验时效评估数据库中猪枪弹伤实验数据进行回顾性观察性研究。提取研究总体的出血量数据,并按照出血量将其分为0~300 mL组、301~600 mL组、>600 mL组。采用生命体征指标作为预测变量、出血量分级作为结局变量,基于4种传统机器学习和10种深度学习方法开发创伤出血量分级预测模型;采用实验室检验指标作为预测变量、出血量分级作为结局变量,基于上述14种算法开发创伤出血量分级预测模型。通过准确率和受试者工作特征曲线下面积(AUC)对上述两组模型进行效果评价,并将两组中的最优模型混合得到混合模型1;通过遗传算法进行特征选择,并根据最佳特征组合构建混合模型2;最后,将混合模型2部署于动物实验数据库系统中。结果纳入数据库中创伤动物96只,其中0~300 mL组27只,301~600 mL组40只,>600 mL组29只。在基于生命体征指标构建的14种模型中,全卷积网络(FCN)模型为最优模型〔准确率为60.0%,AUC及95%可信区间(95%CI)为0.699(0.671~0.727)〕;在基于实验室检验指标构建的14种模型中,循环神经网络(RNN)模型为最优模型〔准确率为68.9%,AUC(95%CI)为0.845(0.829~0.860)〕。FCN与RNN模型混合后得到混合模型1,即RNN-FCN模型,模型效果得到提升〔准确率为74.2%,AUC(95%CI)为0.847(0.833~0.862)〕;通过遗传算法进行特征选择,根据筛选后的特征组合构建混合模型2,即RNN-FCN*模型,进一步提升了模型效果〔准确率为80.5%,AUC(95%CI)为0.880(0.868~0.893)〕,该模型包含10项指标,分别为平均动脉压(MAP)、血细胞比容(HCT)、血小板计数(PLT)、血乳酸(Lac)、动脉血二氧化碳分压(PaCO2)、二氧化碳总量、血Na+、阴离子隙(AG)、纤维蛋白原(FIB)、国际标准化比值(INR)。最后,将RNN-FCN*模型部署在数据库系统中,实现了对创伤动物出血量的自动、连续、高效、智能、分级预测。结论基于深度学习开发了一种创伤出血量分级预测模型,并部署在信息系统中,实现了对创伤动物出血量的智能分级预测。