汉江源土地利用预测及发展建议

以3期遥感影像资料为基础,结合高程、坡度、坡向、气温、降水、河网、道路和人口8个因子层,对汉江源未来土地利用状况进行预测。通过预测结果预知未来土地利用格局及生态环境状况,达到警示作用,并可根据预测状况调整近期的土地利用、开发规划相关政策和方案,最终使得现行的土地利用符合未来发展需要。     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

无线传感网络LEACH协议的优化研究

LEACH( Low-Energy Adaptive Clustering Hierarchy低功耗自适应分簇)算法可以有效地解决传感器节点能量限制的问题,显著地延长整个网络的生命周期。但在分簇簇头的选择过程中仅考虑此节点是否在之前的轮中担任过簇头节点,并未考虑节点剩余的能量与其所处的位置,使得簇头的选择并非最优。针对这种情况,本文在原有LEACH路由算法的基础上从节点剩余能量与节点分布位置两方面对其进行优化,提出了一种新的路由优化算法为I-LEACH。仿真结果显示I-LEACH较LEACH协议延长了网络生存周期,降低了网络总体能耗,使无线传感网的整体性能得到一定提升。     

pH调控预水解对蔬菜废物机械破碎能耗的影响

采用控制初始pH值分别为5,6,7,8和9的泔水滤液预水解蔬菜废物,研究原样和预水解后废物的机械破碎能耗.结果表明:在pH值为7,8和9的工况下,蔬菜废物的机械破碎能耗由原样的0.304J·g-1(湿基)下降至0.032,0.025和0.027J·g-1(湿基),下降幅度近90%;而pH值为5和6的工况下的机械破碎能耗仅下降至0.200和0.219J·g-1(湿基).在8h预水解过程中,pH值为6,7,8和9工况的液相pH值、总有机碳、挥发性脂肪酸和氨氮的质量浓度以及固相木质纤维素的质量分数没有显著变化,说明蔬菜废物未发生显著的生物水解;溶胀吸水和纤维素在碱性环境下结构变化而造成的强度降低可能是蔬菜废物机械破碎能耗下降的主要原因.     

MapReduce环境中的性能特征能耗估计方法

针对MapReduce系统中负载能耗特征多样性为系统成本调度带来的负载与节点难以匹配的问题,提出一种基于负载性能特征的能耗估计方法。该方法以MapReduce系统中各节点操作系统的性能事件为依据估计在线负载的能耗。为了提升负载能耗估计结果的准确度,采用机器学习的方法,在负载执行时,搜集系统的性能特征,并建立估计模型的样本集;采用粗糙集理论中属性约简方法对性能特征属性进行约简;在性能属性约简的结果之上,基于支持向量机理论,建立能耗的估计模型,对负载运行时系统的能耗进行准确的估计。实验结果表明:基于性能特征的能耗估计方法拥有较高的估计准确率,在单作业环境中平均相对误差为4%,在多作业环境中可达到4.5%。     

机加工过程一类能耗估算模型的研究

针对机加工过程中的能量消耗,将机加工过程的能耗分为固定能耗、空载能耗和切削能耗三个部分,推导构建一类机加工过程的能耗估算模型,并通过实验完成能耗模型参数的确定.最后以实际铣削加工案例分析表明,在给定工艺参数情况下,该模型能够较为准确地计算机加工过程中的能耗,为后续的工艺参数优化及工艺决策奠定基础.     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.     

基于小波核函数极限学习机的模型预测控制模拟

针对醋酸精馏控制中,产品质量采用常规的温度间接控制存在精度低的问题,提出了一种基于小波核函数极限学习机的模型预测控制(KMPC)策略,在醋酸浓度软测量的基础上直接控制产品质量。鉴于小波核函数极限学习机(KELM)算法训练速度快并且稳定的特点,该控制系统采用KELM建立醋酸浓度控制器预测模型,以预测控制器的输出作为再沸器蒸汽流量控制器的设定值,构成串级调节系统,同时,以灵敏板温度、塔底温度、再沸器入口温度、压力等变量作为扰动变量,实现了对复杂精馏过程的前馈控制和非线性预测控制。运用ASPEN DYNAMICS流程模拟软件建立的醋酸精馏塔动态模型对KMPC策略进行仿真研究,结果表明,与传统DMC预测控制方案比较,塔底醋酸浓度控制精度有较大提高,控制结构简单,易于实施,能够实现产品质量的卡边控制。