石家庄风机厂风机运行状态预测方法
石家庄风机厂 石家庄风机 石家庄市风机厂 石家庄风机维修 石家庄风机销售
灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成和累减生成的方法，将杂乱无章的原始资料整理成规律性较强的生成序列，用灰色模型(GM--Grey Model)的微分方程进行预测，求解微分方程的时间响应函数表达式即为所求的灰色预测模型，对模型的精度和可信度进行校验并修正后，就可用模型预测未来。此法适用于短、中、长三个时间尺度的预测。优点是在建模时不需要计算统计特征量，从理论上讲，可以使用于任何非线性变化的问题的预测分析，其微分方程指数解适合于具有指数增长趋势的资料；但对于具有其它趋势的资料则有时拟合灰度较大，精度难以提高。
2.4.4 逻辑回归预测
逻辑回归 (Logistic Regression，LR)是一种多元统计方法，它主要适用于描述一组自变量 (independent variable)与具有二分性质的响应变量 (dependent or responsevariable)之间的一种最佳映射关系。其中，自变量可以是二分类的、连续性的、离散的或者是三者的混合，而响应变量是二分类变量(例如发生或者不发生，通常用0或者l表示)，自变量与响应变量的一类(如取正常值)的概率之间的关系呈S型曲线。对于任意自变量X，在其它自变量不变的情况下，随着它的取值的不断增大，响应变量的概率p也会增大，一开始变化较慢，然后加速，最后又趋于平缓，但始终不会高。
逻辑回归函数最早在1838年由比利时学者P. F. Verhulst首先提出；1920年美国学者柏尔和利德(Robert B. Pearl and Lowell J. Reed) 将其应用于人口估计和预测中；1977年，Martin将逻辑回归模型用于预测公司的破产及违约概率；随后学者 Ohlson也将它应用于信用风险分析:1986年，Madalla 用逻辑回归来判别违约与非违约贷款申请人。目前，逻辑回归主要大量用于统计学以及生物医学研究方面，比如健康状况评价等。
回归预测技术是一种应用广泛的预测技术，它是根据历史资料的变化规律寻找自变量与因变量之间的回归方程式，确定参数模型而做出预测。由于模型是基于历史资料进行的回归分析，能较好地拟合过去，但对未来地预测效果会随时间地延长而减弱。运用该方法的优点是预测过程简单，参数估计技术比较成熟；缺点是线性回归分析模型预测精度较低；而非线性回归预测计算量大，预测过程复杂；目前常用于中期预测。
2.4.5 石家庄风机厂风机运行状态预测方法
基于以上分析，支持向量机针对每个数据集的最佳核变换函数及其相应的参数都是不一样的，而且每当遇到新数据集的时候都必须重新确定这些函数及其参数。在可能的取值范围内进行循环遍历会有助于解决这一问题，但是要求我们有足够大的数据集来完成可靠的交叉检验。从理论上讲，可以使用于任何非线性变化的问题的预测分析，其微分方程指数解适合于具有指数增长趋势的资料；但对于具有其它趋势的资料则有时拟合灰度较大，精度难以提高。而神经网络是近年来得到快速发展的科学理论之一，它是由相互广泛连接的自适应处理单元组成的并行计算模型。由于神经网络在模式识别、市场经济预测、故障分类等领域取得成功。故此，本课题选用神经网络与 HHT 中的 EMD 相结合的预测方法。