为探明全尾砂高浓度充填料浆的灰砂比、浓度和流速对管道阻力的影响规律，预测工业充填管道阻力，开展中试规模环管试验。根据管壁切应力与剪切速率关系建立管道阻力预测模型，利用灰关联法分析各因素对管道阻力的影响强弱，通过线性回归获取料浆流变参数。结果表明，管道阻力对料浆浓度的变化最为敏感，随浓度增加成二次函数增长。料浆流速对管道阻力的影响仅次于浓度，层流输送时管道阻力随流速增加成线性增长。灰砂比对管道阻力的影响有双重性，灰砂质量比小于1∶8时胶凝材料的黏结作用占主导并增加管道阻力，反之胶凝材料的润滑作用占主导并降低管道阻力。环管试验得到的料浆流变参数明显小于流变仪测试结果且更接近工程实际，管道阻力预测模型的误差小于10%

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

随机解变量 澤后变量 虚拟变量 时间变量 随机解释变量 估计量的渐进特征 随机解释变量模型最小二乘估计量的统计特征 工具变量法 工具变量法估计量的统计性质 工具变量估计法的例题 课题和数据 工具变 EViews量法的估计 滞后变量 外生变量分布滞后模型 有限分布滞后模型的估计 内生变量分布滞后模型 虚拟变量 为什么引入虚拟变量 测量截距变动 测量斜季变动 分段线性回归 时间变量 最简单的 EViews编程示例

结构方程模型( Structural Equation Modeling,简略标志为SEM)是一种非 常通用的、主要的线性统计建模技术,广泛应用于心理学、经济学、社会学、行 为科学等领域的研究。实际上,它是计量经济学、计量社会学与计量心理学等领 域的统计分析方法的综合。多元回归( multiple regression)、因子分析( factor analysis)和通径分析( path analysis)等方法都只是结构方程模型中的一种特例。 结构方程模型是统计分析方法中一个新发展的领域,它的应用始见于60年代发 表的硏究论文中,到∫90年代初期开始得到广泛的应用