石家莊風機廠風機運行狀態預測方法

 石家莊風機廠 石家莊風機 石家莊市風機廠 石家莊風機維修 石家莊風機銷售

灰色系統理論將一切隨機變化量看作是在一定范圍內變化的灰色量，常用累加生成和累減生成的方法，將雜亂無章的原始資料整理成規律性較強的生成序列，用灰色模型(GM--Grey Model)的微分方程進行預測，求解微分方程的時間響應函數表達式即為所求的灰色預測模型，對模型的精度和可信度進行校驗并修正后，就可用模型預測未來。此法適用于短、中、長三個時間尺度的預測。優點是在建模時不需要計算統計特征量，從理論上講，可以使用于任何非線性變化的問題的預測分析，其微分方程指數解適合于具有指數增長趨勢的資料；但對于具有其它趨勢的資料則有時擬合灰度較大，精度難以提高。
2.4.4 邏輯回歸預測
邏輯回歸 (Logistic Regression，LR)是一種多元統計方法，它主要適用于描述一組自變量 (independent variable)與具有二分性質的響應變量 (dependent or responsevariable)之間的一種最佳映射關系。其中，自變量可以是二分類的、連續性的、離散的或者是三者的混合，而響應變量是二分類變量(例如發生或者不發生，通常用0或者l表示)，自變量與響應變量的一類(如取正常值)的概率之間的關系呈S型曲線。對于任意自變量X，在其它自變量不變的情況下，隨著它的取值的不斷增大，響應變量的概率p也會增大，一開始變化較慢，然后加速，最后又趨于平緩，但始終不會高。
邏輯回歸函數最早在1838年由比利時學者P. F. Verhulst首先提出；1920年美國學者柏爾和利德(Robert B. Pearl and Lowell J. Reed) 將其應用于人口估計和預測中；1977年，Martin將邏輯回歸模型用于預測公司的破產及違約概率；隨后學者 Ohlson也將它應用于信用風險分析：1986年，Madalla 用邏輯回歸來判別違約與非違約貸款申請人。目前，邏輯回歸主要大量用于統計學以及生物醫學研究方面，比如健康狀況評價等。
回歸預測技術是一種應用廣泛的預測技術，它是根據歷史資料的變化規律尋找自變量與因變量之間的回歸方程式，確定參數模型而做出預測。由于模型是基于歷史資料進行的回歸分析，能較好地擬合過去，但對未來地預測效果會隨時間地延長而減弱。運用該方法的優點是預測過程簡單，參數估計技術比較成熟；缺點是線性回歸分析模型預測精度較低；而非線性回歸預測計算量大，預測過程復雜；目前常用于中期預測。
2.4.5 石家莊風機廠風機運行狀態預測方法
基于以上分析，支持向量機針對每個數據集的最佳核變換函數及其相應的參數都是不一樣的，而且每當遇到新數據集的時候都必須重新確定這些函數及其參數。在可能的取值范圍內進行循環遍歷會有助于解決這一問題，但是要求我們有足夠大的數據集來完成可靠的交叉檢驗。從理論上講，可以使用于任何非線性變化的問題的預測分析，其微分方程指數解適合于具有指數增長趨勢的資料；但對于具有其它趨勢的資料則有時擬合灰度較大，精度難以提高。而神經網絡是近年來得到快速發展的科學理論之一，它是由相互廣泛連接的自適應處理單元組成的并行計算模型。由于神經網絡在模式識別、市場經濟預測、故障分類等領域取得成功。故此，本課題選用神經網絡與 HHT 中的 EMD 相結合的預測方法。