SARIMA模型的水泥產(chǎn)量預測研究王惠婷

根據(jù)中國水泥2001～2006年產(chǎn)量的統(tǒng)計數(shù)據(jù),建立了水泥產(chǎn)量的灰色gm(1,1)預測模型。結(jié)果表明:預測模型具有較高的精度,未來三年水泥產(chǎn)量變化呈上升趨勢。

目前,對于建筑垃圾的資源化研究,我國尚處于起步階段,建筑垃圾的產(chǎn)量研究可為其提供有力的數(shù)據(jù)基礎。通過分析2004—2013年的建筑施工面積,利用面積估算法對建筑垃圾的產(chǎn)量進行估算。采用灰色預測模型對垃圾產(chǎn)量進行精確預測和分析,發(fā)現(xiàn)我國建筑垃圾的產(chǎn)量巨大,在未來幾年內(nèi)將呈現(xiàn)持續(xù)增長趨勢,并因此提出了發(fā)展建筑垃圾資源化產(chǎn)業(yè),為有效解決這一問題提供思路。

[3]陳歡歡,王雷.溫拌瀝青:十年內(nèi)取代現(xiàn)有技術(shù)[n].科學時 報,2008. [4]黃文元,秦永春.瀝青溫拌技術(shù)在國內(nèi)外的應用現(xiàn)狀[j].道路工 程,2008. [5]左鋒,葉奮翻譯.國外溫拌瀝青混合料技術(shù)與性能評價[j].中外公路, 2007. [6]孫大權(quán),王錫通,等.環(huán)境友好型溫拌瀝青混合料制備技術(shù)研究進展 [j].石油瀝青,21(4). [7]蔡春華,曹亞東,等.溫拌瀝青混合料的應用研究[j].市政與交通, 2006(6). applicationexplorationofwarmmixasphalttechniqueinxinjiangregion suming,yujiang,yefen (

隨著建設工程施工的信息化與安全化,基坑的變形預測是基坑設計和施工的重要補充手段?；赽p人工神經(jīng)網(wǎng)絡模型以及時序分析arx自回歸各態(tài)歷經(jīng)模型,對基坑的沉降變形進行了預測,數(shù)據(jù)結(jié)果表明兩種模型均能較好地對未來值進行較真實的預測;從bp模型與arx模型的預測結(jié)果均方誤差值大小的角度而言,bp模型的預測對于未來趨勢的判斷比arx模型要更強一些。試驗結(jié)果說明兩種預測模型應用于實際工程的監(jiān)測預測具有實際意義。

本文采用灰色系統(tǒng)理論的關(guān)聯(lián)度分析方法研究水泥各粒級范圍顆粒含量對強度的影響程度,以探求不同粒徑的顆粒對水泥強度的影響,建立最優(yōu)化模型,以此控制最佳顆粒分布,從而指導水泥生產(chǎn),達到理想的水泥粉磨效果。

針對建筑垃圾產(chǎn)量統(tǒng)計偏差大、數(shù)據(jù)不全面的現(xiàn)象,運用灰色理論建立了建筑垃圾產(chǎn)量的灰色verhulst預測模型,對沈陽市未來5年建筑垃圾產(chǎn)量進行了預測。與gm(1,1)預測模型相比較,發(fā)現(xiàn)灰色verhulst模型可以滿足\"優(yōu)\"的精確度要求,并且能夠更加合理地反映建筑垃圾產(chǎn)量變化趨勢,因此該模型可以用于預測建筑垃圾的產(chǎn)量。

中材邦業(yè)(杭州)智能技術(shù)有限公司與天津水泥工業(yè)設計研究院有限公司聯(lián)合開發(fā)ice智能優(yōu)化控制平臺,該平臺采用以模型預測控制為核心的先進控制技術(shù),以及神經(jīng)網(wǎng)絡為核心的復雜過程建模技術(shù),通過采集dcs系統(tǒng)的實時生產(chǎn)數(shù)據(jù),并結(jié)合化驗室的質(zhì)量數(shù)據(jù),實現(xiàn)水泥生產(chǎn)工藝中關(guān)鍵生產(chǎn)環(huán)節(jié)的過程優(yōu)化控制,達到安全、穩(wěn)定、最優(yōu)化的自動控制效果。該平臺可提高產(chǎn)量,降低能耗,保證產(chǎn)品質(zhì)量,滿足環(huán)保要求,最大程度地提高水泥生產(chǎn)企業(yè)的經(jīng)濟效益。

水泥回轉(zhuǎn)窯窯尾氣體溫度對水泥熟料生產(chǎn)影響重大,建立回轉(zhuǎn)窯溫度控制模型對水泥生產(chǎn)具有重要意義。水泥生產(chǎn)工藝過程復雜多變,難以獲得精確的數(shù)學模型。該文利用bp神經(jīng)網(wǎng)絡可實現(xiàn)非線性映射的特點,建立窯尾溫度的預測模型,并通過遺傳算法對bp神經(jīng)網(wǎng)絡進行優(yōu)化,利用山東平邑中聯(lián)水泥廠實時采集的生產(chǎn)數(shù)據(jù)進行仿真研究。將優(yōu)化前后的仿真結(jié)果進行對比分析,結(jié)果表明,文中建立的神經(jīng)網(wǎng)絡模型能夠很好地預測水泥回轉(zhuǎn)窯的窯尾溫度。

負荷預測是電力系統(tǒng)研究和電網(wǎng)規(guī)劃的重要組成部分。采用隱馬爾可夫模型,訓練過程采用baum-welch算法,在matlab軟件上隱馬爾可夫模型進行訓練,得到負荷特性預測最優(yōu)模型,解碼預測過程采用viterbi算法,通過模型可預測下一年地區(qū)負荷特性。以廣東電網(wǎng)2011年至2016年負荷數(shù)據(jù)作為訓練數(shù)據(jù)對隱馬爾可夫模型進行訓練,并對2017年廣東典型日負荷率進行預測,仿真結(jié)果具有較優(yōu)的準確性和計算效率。

基于arima模型,選取河南省1983-2015年的建筑施工面積數(shù)據(jù),利用eviews8.0軟件對數(shù)據(jù)進行分析,2013-2015年的檢驗數(shù)據(jù)證明該模型較優(yōu),進而得出2016-2020年連續(xù)5年的建筑施工面積年估算值和建筑垃圾年估算值,從而為未來河南省建筑垃圾整治與資源化運用提供寶貴的參考數(shù)據(jù).

為了準確地預測未來原木進口量,利用已知中國進口原木數(shù)據(jù),使用灰色模型gm(1,1)模型以及最小二程法多項式擬合的經(jīng)驗公式對1993-2013年的國內(nèi)原木進口數(shù)據(jù)進行預測,通過預測值與實際值的對比,分析兩組預測模型的準確性。結(jié)果表明:基于gm(1,1)模型的預測結(jié)果,在rmse、mae、mape三個指標上均優(yōu)于基于最小二乘法函數(shù)擬合的預測方法。利用gm(1,1)模型預測2014和2015年國內(nèi)原木進口量分別是4170.58萬和4358.99萬m3。

基于Powers體積模型的水泥基材料彈性模量預測

針對固井施工中氣液混合相對g級水泥水化反應中環(huán)空竄流影響規(guī)律不明確的問題,分析了固井施工過程中發(fā)生環(huán)空竄流的原因,通過模擬井下氣液混合相發(fā)生環(huán)空竄流的環(huán)境,結(jié)合g級水泥水化反應過程,梳理了水泥漿水化失重和水泥漿水化誘導期及凝結(jié)期之間的關(guān)系,明確了數(shù)學模型的區(qū)間,提出并建立了在水泥漿水化反應過程中,預測環(huán)空竄流的概率統(tǒng)計學數(shù)學模型。通過chandler7200型水泥水化分析儀測得的水泥漿孔隙壓力及水化放熱曲線和水泥漿體溫度變化數(shù)據(jù),確定了環(huán)空竄流模型需要的相關(guān)參數(shù),計算得只有緩凝劑加量不同的2種配方水泥漿的稠化時間相差35min,環(huán)空竄流的概率卻相差了1.2%。水泥漿環(huán)空竄流預測模型是預測環(huán)空竄流的前提,而不是最終決定因素。

本文通過分析吉林省2009～2013年的建筑廢棄物產(chǎn)量,結(jié)合建筑廢棄物產(chǎn)生的特點,建立了一套基于建筑廢棄物系數(shù)的估算方法,利用\"灰色理論\"建立吉林省建筑廢棄物產(chǎn)量預測模型,通過模擬精度估計參數(shù)對模型進行精度檢驗并使用gm(1,1)模型預測了吉林省未來三年建筑廢棄物的年產(chǎn)量,為吉林省建筑廢棄物綜合利用新模式研究提供參考.

著重對bp神經(jīng)網(wǎng)絡模型和組合預測模型進行了介紹,以“誤差之平方和最小”作為最優(yōu)準則,利用組合預測模型對回歸模型和bp神經(jīng)網(wǎng)絡模型進行優(yōu)化,通過對某混凝土結(jié)構(gòu)剩余壽命的實例分析,檢驗了這些模型的可行性、可靠性。

為找出沂河流域最優(yōu)水文降雨預測模型,本文基于極限學習機模型(elm)、bp神經(jīng)網(wǎng)絡模型和小波變化神經(jīng)網(wǎng)絡模型(wann),運用3種不同模型模擬了日降雨,并與實測數(shù)據(jù)對比。結(jié)果表明:elm模型與實測值的擬合方程斜率為1.2971,更接近于1,誤差最低,且與實測值的一致性最高,可作為當?shù)厮慕涤觐A報的計算模型,為當?shù)胤篮轭A測提供科學的理論依據(jù)。

工程項目在實施階段都在實際進度與計劃進度之間存在偏差,為了更加準確的確定出具體工序的工期,結(jié)合施工企業(yè)的統(tǒng)計資料,提出采用基于灰色理論的gm(1,1)模型形成工期預測的方法,從而為科學合理的編制進度計劃提供有效依據(jù)。

提出無約束最優(yōu)組合模型和有約束最優(yōu)組合模型,這兩種模型均可以極大地改善凹葉厚樸樹皮產(chǎn)量預測效果。在這兩種模型中,其中約束模型的殘差平方和為64.2517,無約束模型的殘差平方為0,無約束模型遠遠優(yōu)于有約束模型。在模型應用中,提出了這兩種模型效率和預測效果的檢驗方法。兩種模型的效率顯著提高,顯著性水平均在0.01以上。

目前，住宅消費已成為我國居民消費中最大最重要的支出，而房價的非理性增長給社會和經(jīng)濟帶來了一定的負面影響。本文通過對2002年～2015年發(fā)表的文獻進行綜述，總結(jié)了目前用于預測房地產(chǎn)價格主流的數(shù)學模型，指出了神經(jīng)網(wǎng)絡模型、灰色—馬爾柯夫模型、隨機序列模型等模型的優(yōu)缺點，提出應理清房價的主導影響因素及機制，進一步對各種數(shù)學模型進行修正，并認為基于大數(shù)據(jù)網(wǎng)絡關(guān)鍵詞搜索技術(shù)方法將得到廣泛應用。

2017年的最后三個月,中國房地產(chǎn)市場罕見地迎來了一輪密集的政策信號。從中共十九大報告的召開到年末的中央政治局會議的召開,再到召開的中央經(jīng)濟工作會議,這三場高層會議連續(xù)對房地產(chǎn)市場定調(diào)。房價將如何變化,它再次成為人們關(guān)注的熱點,因此一個合理的價格預測模型就顯得尤為重要。本文通過2005～2016年新疆住宅商品房的價格,結(jié)合灰色gm(1,1)模型和馬爾科夫模型,建立了灰色馬爾科夫預測模型,所建模型的平均相對誤差由原來的7.17%降低到2.39%,彌補了灰色gm(1,1)模型預測結(jié)果誤差大的缺點。結(jié)果表明:灰色馬爾科夫模型是較好的價格預測模型,并且新疆住宅商品房價格在2017～2020年將會呈現(xiàn)出持續(xù)走高的趨勢。

建立基于支持向量機的建筑物沉降預測模型,并將其應用于建筑物的沉降預測。與采用bp神經(jīng)網(wǎng)絡的預測結(jié)果相比,支持向量機取得較好的預測結(jié)果。實例表明支持向量機在小樣本數(shù)據(jù)的預測上具有精度高、泛化能力強的特點,為建筑物的沉降預測提供一種新的方法。

為了確保建筑物施工、運營期間的安全,需要進行沉降觀測.分析了沉降觀測的流程和要求,在沉降觀測數(shù)據(jù)的基礎上,提出了使用雙曲線進行沉降預測的方法,從而可以根據(jù)預測的沉降量,科學決策,確定沉降觀測的周期.