油品管输带电问题

以油品管输带电问题为专题,参考大量国外文献,结合笔者近年的研究,以便于石油储运工程技术人员掌握、应用和研究为目的,阐明油流带电的原因是油品与管壁接触后产生双电层,油流带走扩散层中的电荷形成冲动电流;论述冲动电流大小与油品物性、管道结构、油流速度等因素的关系;指出金属管道接地可消除管壁电荷、防止电荷聚积,但不能导走油流里的电荷;说明绝缘管道的要害是管壁会聚积电荷,可能导致刷形放电和击穿放电,缩短管子寿命,危及管输安全。     

三参数灰色区间关联的油品静电积聚影响因素分析

为研究喷气燃料管输过程中各因素对静电积聚的影响,构建实验台架,改变油品流速、油品电阻率、管道长度、管道直径、管道粗糙度,测量对应的静电积聚量。对三参数灰色区间关联法进行改进,将区间值中的重心值替换为平均值,更好地挖掘实验数据的信息价值。使用改进后的三参数灰色区间关联法分析数据,得出各因素与静电积聚量的关联程度排序,验证了该方法应用于实验数据分析的可行性。结果表明,油品流速和管道粗糙度对油品静电积聚影响最大。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。     

基于GM(1,N)模型群的装备维修性及影响因素分析

针对小样本下多维修性特征及其影响因素分析问题,建立了装备多维修性特征及其影响因素的GM(1,N)模型群,采用最小二乘法估计模型参数,分析了装备维修性特征及其影响因素的主次关系,最后选择4个装备维修性特征及相关的4个影响因素建立了GM(1,N)模型群,并进行了不同层次主次关系的实例分析。结果表明:所建立的装备多维修性特征及其影响因素的GM(1,N)模型群是有效可行的,可为提升装备维修性设计水平提供决策参考。     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

一种基于“GM(1,1)”模型的火炮初速灰预测方法

火炮初速量测是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM(1,1)模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证了该方法具有一定的合理性与实用性。     

新陈代谢GM(1,1)模型在吸毒数据中的分析与预测

借助新陈代谢的灰色预测GM(1,1)模型,对2009~2013年某地区吸毒数据和因吸毒犯罪数据进行预测,并结合预测结果,给出合理化禁毒建议。     

基于灰色系统理论的火灾事故预测方法

简要叙述应用灰色系统理论进行火灾事故预测的理论和方法 ,建立了火灾事故预测的GM (1,1)模型 ,并用该模型对火灾事故进行预测。