基于GM(1,N)改进模型的瓦斯水合物相平衡预测

研究瓦斯水合物相平衡的条件是实现瓦斯水合物储运技术的关键.利用水合物相平衡测定装置得到的动态相平衡数据,采用基于残差修复的灰色残差GM(1,N)模型的数据修复方法,建立残差GM(1,N)模型.以瓦斯水合物相平衡压力值为研究对象,以水合物相平衡温度值为参数列,采用灰色GM(1,N)理论,建立组分((φ))为CH455％、C2H610％、C3H810％、CO22％、N223％的瓦斯气样在不同温度条件下的压力值预测模型.结果表明:基于残差GM(1,N)模型的数据修复算法更加有效、可靠,并且具有良好的实用性,明显提高了灰色预测模型的预测精度,为瓦斯水合物相平衡研究提供了准确的数据支持,具有一定的应用价值和实际意义.     

丙烷对瓦斯水合物相平衡条件的影响

瓦斯水合物相平衡热力学条件的确立及改善是瓦斯水合化方法实现工业化的关键。利用可视化水合物相平衡实验装置,结合相平衡温度搜索法与观察法测定0.25 mol/L SDS溶液体系中四种不同瓦斯水合物相平衡条件,探究丙烷对瓦斯水合物热力学相平衡条件的变化规律,结果表明:丙烷的加入将水合物结构类型从Ⅰ型转为Ⅱ型,使得4.0~7.0 MPa范围内含丙烷瓦斯水合物生成相平衡温度升高,温差最大至13.7℃,大幅度改善了瓦斯混合气水合物热力学条件;丙烷含量越高,水合物相平衡条件改善效果越好。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

高瓦斯矿井掘进通风瓦斯浓度预测模型研究

为了对不同瓦斯涌出量和通风配置下的高瓦斯矿井掘进通风瓦斯浓度进行准确预测,文中在对掘进工作面瓦斯浓度的各种通风影响因素分析基础上,设计了两种掘进通风瓦斯浓度预测神经网络模型。利用MATLAB软件及煤矿现场获得的实测样本数据,建立了瓦斯浓度BP和RBF神经网络预测模型。通过预测结果对比分析可知,RBF神经网络预测模型能够对掘进通风瓦斯浓度进行准确地动态预测,为不同掘进阶段、不同瓦斯涌出量下的掘进通风方案选择提供了一定的理论依据。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

RBF主成分分析法在电源车数据预测中的应用

采用主成分分析与RBF神经网络相结合的方法对某型电源车数据进行了预测,同时还对RBF神经网络主成分分析法与全要素RBF神经网络分析法进行比较,结果表明RBF神经网络主成分分析法具有精度更高、收敛速度更快等特点.     

考虑沉积物孔隙毛细效应影响的宏观相平衡模型

天然气水合物(以下简称水合物)的相平衡关系是水合物研究领域中的最基础的问题之一.沉积物的孔隙毛细效应对其中水合物的相平衡关系模型存在重要影响,应该在相平衡模型中进行考虑.本文对比分析了沉积物孔径大小分布特征对其非饱和状态下的气-水界面吸力和其中水合物相变过程中水合物-水界面吸力的影响机制,发现二者具有相似之处.据此,参考描述非饱和状态下沉积物的气-水界面吸力随水饱和度变化规律的V-G模型关系,建立了考虑相变过程中水合物-水界面吸力随水合物饱和度的变化规律的数学关系式.结合已有的van der Waals-Platteeuw热力学模型,建立了考虑沉积物毛细效应影响的宏观相平衡模型,并且给出了模型参数的确定方法.相比已有模型,该模型中的毛细效应势能项的参数不再涉及沉积物孔径大小等微观层面参数,而是通过有限的相平衡数据点来确定的宏观模型参数.最后,该模型预测了CH_4水合物和CO_2水合物在多孔介质中的相平衡条件,通过与试验数据点进行对比,说明该模型能有效预测沉积物中水合物的相平衡条件.     

一种基于改进型RBF神经网络的非线性时间序列预测模型

RBF神经网络具有收敛速度缓慢、全局搜索能力差等缺点,提出了一种基于遗传算法的RBF神经网络,经过自适应遗传算子参数优化,提高了RBF神经网络模型的预测精度,实现了非线性时间序列的预测.仿真实验结果表明,基于遗传算法的RBF网络预测模型非常适合非线性时间序列的预测,是可行的、精准的、有效的.     

基于SVM的瓦斯体积分数混沌时间序列预测

文章针对瓦斯体积分数时间序列的非线性和不确定性特征,提出了一种基于SVM的混沌时间序列预测方法.该方法采用改进的最大Lyapunov指数法识别时间序列的混沌特性,通过多次试验选取合适的参数构造SVM预测模型,最后使用优化的预测模型对φ瓦斯的变化趋势进行预测.仿真结果表明,该模型能够较好地解决φ瓦斯时间序列的预测问题,与RBF神经网络模型相比,具有较高的预测精度.     

基于RBF神经网络的建筑逐时空调负荷预测模型

分别用径向基函数(RBF)神经网络模型和BP神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测,发现RBF神经网络模型预测的均方根误差和平均相对误差都仅是BP神经网络方法的64%左右.仿真结果表明,RBF神经网络具有更高的预测精度及更好的泛化能力,是建筑空调负荷预测的一种有效方法.在此基础上,构建了基于RBF神经网络的建筑逐时空调负荷智能预测软件系统.     

电机驱动系统PWM逆变器故障诊断

电机变频调速系统中,逆变器是故障高发的薄弱环节。设计一种基于小波包分解和RBF神经网络的三相电机驱动系统PWM逆变器故障诊断模型,利用小波包变换提取三相PWM逆变器故障信号特征向量,并将其作为RBF神经网络的输入量;采用狼群—模拟退火算法优化RBF神经网络的结构和参数,利用32组学习样本和6组测试样本分别训练和检验RBF神经网络。仿真实验分析表明,该方法用于三相电机驱动系统PWM逆变器开路故障的诊断,速度快、准确率高。     

基于神经网络的水平管三相分层流相分率测量

将采用伽马射线测量的高能计数和低能计数作为输入参数,截面含水率和含气率作为输出参数,构建了预测水平管油气水三相分层流相分率的径向基函数神经网络.通过设计的相分率标定装置获得了神经网络的学习样本.在一内径为80mm的大型油气水三相流实验环道上进行了预测效果检验实验,结果表明,神经网络预测值与实测值非常吻合,含气率预测最大误差为3 6%,含水率最大误差为2 5%,有效地克服了传统双能伽马密度仪对流型敏感,不适于分离流动测量的问题.     

基于混沌神经网络的交通流预测算法

为提高 RBF 神经网络的交通流预测精度,提出基于混沌-RBF（Chaos-RBF,C-RBF）神经网络的交通流预测算法,该算法首先计算混沌相空间的嵌入维数和嵌入延迟,构造得到的相空间向量作为 RBF 神经网络的输入,其相空间次邻向量作为期望输出值,滚动训练得到神经网络的权值,然后以实际交通流作为输入,经由网络计算得到预测值。仿真结果表明该算法相比于 RBF 神经网络,预测精度提高 96%,证明了该算法的有效性。     

气体水合物法开发高寒地区湖盐的相平衡预测

中国高寒地区年平均气温为气体水合物的生成提供了天然的温度条件,也为气体水合物法实现高寒地区湖盐的节能开发提供了可能.提出气体水合物法开发高寒地区湖盐的新方法,以van der Waals-Platteeuw模型为基础,结合杜亚和郭天民提出的计算Langmuir常数的三参数方程和计算电解质溶液中水的活度的Pitzer方程,预测饱和NaCl溶液中甲烷水合物、乙烷水合物和丙烷水合物的相平衡条件,对比饱和NaCl溶液凝固点,发现利用环境冷量实现气体水合物法开发湖盐具有实际可行性;与甲烷、乙烷气体相比,丙烷气更适合用于湖盐开发.     

SDS促进剂对甲烷水合物蓄冷量的影响

甲烷水合物蓄冷量的确定是甲烷水合物蓄冷降温技术实现工业化的关键。为探究SDS对甲烷水合物蓄冷量的影响,根据Clausius-Clapeyron方程及三参数对应态原理,建立甲烷水合物蓄冷量的计算模型。利用可视化水合物蓄冷实验系统,结合定温压力搜索法测定四组不同SDS浓度体系下甲烷水合物的相平衡条件。依据实验数据和该模型计算得到不同体系、不同相平衡参数下甲烷水合物的蓄冷量。结果表明:甲烷水合物具有较高的蓄冷密度,蓄冷量达40~60 kJ/mol;甲烷水合物的蓄冷量不但与相平衡条件有关,还与SDS的添加浓度有关。相平衡温度越高、SDS添加浓度越高,甲烷气体生成水合物时蓄冷量越低。该研究为甲烷水合物蓄冷降温系统的研制提供了参考。     

基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于GA优化的RBF网络算法

针对RBF神经网络易于陷入局部最大值的缺点,把遗传算法引入RBF神经网络中,利用遗传算法具有全局搜索的优点,对RBF神经网络的权值进行优化,并把优化后的神经网络模型用于DNA序列的分类.仿真实验表明,采用遗传优化的RBF神经网络比传统RBF神经网络分类有更高的分类效率和正确率.     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。