Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Combined modelling for iron ore demand forecasting with intelligent optimization algorithms

Ren Min, Dai Jianyong, Zhu Wancheng, Dai Feng

Gospodarka Surowcami Mineralnymi

2021

T. 37, z. 1

21--38

The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.

Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.

Numerical modelling of the near feld velocity pulse like ground motions of the Northridge earthquake

Luo Quanbo, Dai Feng, Liu Yi, Gao Mengtan

Acta Geophysica

2020

Vol. 68, no. 4

993--1006

The seismic records acquired during the 1994 MW6.7 Northridge earthquake provide important data for studying the pulse-like ground motions in the vicinity of reverse faults. We selected 106 horizontal records from 468 strong ground motion records in the near-feld region and rotated the original records into fault-parallel and fault-normal orientations. Large velocity pulses were simulated by the 3D fnite diference method using a kinematic source model and a velocity structure model. Regres sion analysis was performed on the simulated and observed amplitudes of the velocity time history and response spectrum using the least-squares method. Our results show that the released energy and rupture time of asperities in the source model have important efects on the near-feld velocity pulses, and the asperity near the initial rupture contributes more to the velocity pulses than does the asperity near the central region. The unidirectional and bidirectional characteristics of large velocity pulses are related to the thrust slip and rupture direction of the fault. The pulse period and the characteristic period are positively correlated with the rise time, and the pulse peak is regulated by multiple parameters of the subfaults. The distributions of the simulated PGV and Arias intensity agree well with the observed records, in which the contours exhibit asymmetric distribution and irregular elliptical attenuation in the near-feld region, and the distributions exhibit a signifcant directivity along the fault. Moreover, the attenuation rate decreases with increasing distance from the fault. In addition, the fault-normal component is larger than that on the fault-parallel component, and the former decays faster. Velocity pulses larger than 30 cm/s are most likely to be distributed within approximately 15 km from the fault plane of the Northridge earthquake. Thus, the revealed pattern of the near-feld velocity pulse-like ground motions indicates their close relation with the most severe earthquake efects.