高炉生产过程的智能预测建模

针对高炉生产过程的复杂性、非线性以及强耦合、多变量、难测量等特点,提出铁水硅含量的智能复合多变量预测模型对高炉生产过程进行建模.整个系统分为两部分:首先离线建立不同工况下铁水硅含量的多变量预测模型:然后运用模糊逻辑推理建立各模型输出、实际输出与模型权重之间的对应关系,进行多模型智能融合,生成复合模型,并对其进行在线调整以优化预测过程.研究结果表明:采用此方法计算周期短,对被控对象的变化有较强的鲁棒性:该系统预测误差小,能够快速适应工况的变化,实用性好.     

面向智能电网的网络态势评估模型及感知预测

将态势感知技术应用于智能电网中,提出一种针对智能电网的态势评估模型,结合自回归(AR)预测模型、最小二乘支持向量机(LSSVM)预测模型、RBF神经网络预测模型等预测方法,实现基于信息融合的组合预测方法.经实测数据验证分析,该方法可以有效地描述电网网络安全的态势发展情况,且预测精度高于单一的预测模型.     

基于强化学习的非线性时间序列智能预测模型

针对时间序列预测中非线性、噪声高等特点,提出时间序列向前多步混合智能预测模型.首先,在模型训练过程中,提出一种将强化学习与隐马尔可夫模型相结合的新方法,强化学习运用TD(λ)方法,采用历史观测数据作为报酬回报,强调远近期历史数据的不同影响程度并用以迭代增强历史观测数据在模型中的作用;进一步,在向前多步预测过程中,提出一种以强化学习为桥梁、将神经网络与隐马尔可夫模型相结合的方法,用以充分发挥神经网络数据拟合优势和隐马尔可夫模型减小系统随机误差方面的优势.利用稀土期货交易数据进行预测实验,结果表明:智能预测模型显著降低了预测的平均绝对误差、百分比绝对平均误差、均方根误差,提高了预测的准确性和效果.     

基于移动机器人的可重构多智能体系统平台的构建

介绍了构建基于移动机器人的可重构多智能体系统实验平台的方法.在详细分析了可重构系统的主要特点的基础上,阐述了分布式人工智能领域中任务分解理论、多智能体基于对策论的协调理论,给出了构建实验平台的实现策略,包括整个可重构系统的体系结构设计、单智能体结构设计.最后,采用开放式智能体结构技术实现了系统多智能体的组织协调.     

污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

固体氧化物燃料电池系统仿真分析与控制

固体氧化物燃料电池（SOFC）系统是一个非线性、多变量和强耦合的系统,很难用传统的建模方法来建立。本文基于BP神经网络的方法,利用MATLAB/Simulink平台构建SOFC系统模型,并在该模型的基础上增加PID控制,实现了闭环控制系统的分析。实验结果表明,该模型预测精度高,由预测模型得出的温度数据与实际数据的绝对误差为0.011%,增加的PID控制算法具有很强的抗干扰能力。     

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。     

基于CPA-OSELM的热轧带钢厚度在线预测

为解决自动厚度控制（automatic gauge control,AGC）系统反馈滞后、耦合强、厚度偏差大等问题,本文提出了一种基于食肉植物算法（carnivorous plant algorithm, CPA）的在线顺序极限学习机（online sequential extreme learning machine, OSELM）预测算法。首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型。然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置。在此基础上,运用自学习方法进一步提高模型的预测精度。最后,通过实验验证基于CPA-OSELM预测模型的有效性。实验结果表明：基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础。     

基于模型迁移和SVM的煤矿电网单相接地电容电流预测方法

针对智慧化矿山背景下煤矿电网单相接地电容电流预测精度低和智能预测实现困难的问题,提出了一种单相接地电容电流智能预测方法。采用模型迁移思想扩充矿用橡套软电缆的电容电流样本数据,以解决智能预测中电容电流数据不完备的问题;基于Sobol’敏感性方法分析了影响单相接地电容电流的关键因素及其各因素的交互关系,确定智能预测模型输入特征量;在此基础上,通过基于稀疏技术的支持向量机建立煤矿电网单相接地电容电流智能预测模型,并引入鲸鱼算法优化预测模型超参数,克服了电容电流数据样本容量小的不足。采用厂家测试数据及多家煤矿电网现场实测数据进行试验,结果表明：电缆绝缘层外径和绝缘层内径是影响单相接地电容电流的关键因素;所提方法预测煤矿电网单相接地电容电流的平均误差为2.26%,相较于现有预测方法,误差分别下降了34.19%,24.91%和7.40%。该方法实现了煤矿电网单相接地电容电流的准确预测,并为其智能化预测提供了新思路。     

高炉铁水硅含量的智能预测

文章提出了一种基于T-S模型的自适应模糊神经推理系统的高炉铁水硅含量智能预测模型,采用模糊聚类算法对样本数据进行分析归类,自行生成模糊规则库,实现模型结构简化和参数优化,特别适用于高炉冶炼这类复杂的非线性系统的预测系统建模;仿真结果表明,该方法预测命中率高,具有很好的实用性.     

综合管廊多灾种耦合致灾风险评价方法

针对综合管廊灾害防护方面的不足,对其多灾种耦合致灾的风险评价方法进行研究,并对包头市新都中心区综合管廊潜在的灾害进行危险性分析.首先对综合管廊可能发生的单一灾种建立危险评价指标;然后针对综合管廊可能发生的多种灾害,应用模糊数学方法,建立耦合度模型,得到多灾种之间的耦合关系;最后提出综合管廊多灾耦合致灾的风险评价方法.提出的风险评价方法可以用于综合管廊在各种灾害下的安全评价,对城市综合管廊防灾减灾政策制定及综合规划有指导意义.     

高温下混凝土热-湿-气-力学耦合行为数值模拟

随着混凝土,特别是高性能混凝土(HPC)的推广和应用,建立其在许多不同工程和自然条件下的模型,数值模拟其中发生和发展的物理-化学现象与耦合过程,具有重要科学意义和经济效益.将混凝土模型化为非饱和多孔多相系统,基于含有多相流体的变形多孔介质的质量、动量和能量守恒方程和已有的研究工作,采用有限元法数值模拟了高温下(低于孔隙水的临界温度647.3K)混凝土热-湿-气-力学耦合行为,分析了这一复杂过程中的控制机理.为进一步完善高温下混凝土多相全耦合数值模型打下较好的基础,为防火减灾工程设计提供一定的参考.     

基于SS-TFN耦合模型的潜在地震次生火灾风险评估

由于地震灾害及次生火灾在演化过程所产生的交叉性、耦合性和复杂性等特征,导致次生火灾一般呈高斯分布或近似高斯分布,特别当研究区域内样本数据精度不高或信息不足时,利用传统评估模型及方法有一定的局限性。本文在Monte Carlo随机模拟基础上,结合三角模糊数理论,建立地震次生火灾潜在风险评估的SS-TFN耦合模型,首先,利用专家意见和AHP法来确定指标权重度量值,然后,利用具有11级划分标准的模糊语义,定量描述城市地震次生火灾灾害风险评估指标的风险级别和风险重要性,其次,建立研究区域内待评城市综合风险取值的置信区间范围,最后,对研究区域各城市的次生火灾状况进行综合评估。研究结果表明：经耦合模型模拟实验20000次时,其计算结果已收敛,可得各城市的系统综合风险模拟值的置信水平95%下的置信区间值,可为抗震防灾规划提供相关决策支持。     

面向灾害蔓延仿真的元胞自动机通用模型

为模拟灾害蔓延而建立的元胞自动机模型种类繁多,但尚无一种通用的建模方法。基于此提出了一种面向灾害蔓延仿真的元胞自动机通用模型。首先,通过解析灾害蔓延机理和理论模型,根据灾害动态发展变化过程的相似性,将灾害蔓延分解为灾害量集、时空邻域集、判定规则集、更新规则集4个部分;其次,采用元胞自动机的建模方法将4个部分重新组合,构建灾害蔓延的元胞自动机参数计算仿真模型;最后,利用所提方法改进了A.Ohgai的城市火灾蔓延模型,并进行了实例验证分析。研究结果表明：所提模型只需输入环境数据和灾害起始扰动,就能得到灾害模型中的各项动态参数,可为多种灾害蔓延仿真提供通用建模方法和实现模式。     

洪灾损失评估方法及其应用研究

洪涝灾害是当今世界上主要的自然灾害,防治洪水灾害是世界各国普遍关注的问题,洪灾损失评估是防洪减灾领域的一项基础性工作,在防汛指挥调度和抢险救灾等工作中急需一套适用、易行、可靠的洪涝灾害损失评估模型.在分析技术路线的基础上,提出洪灾损失评估计算方法,并以浑河为实例,验证提出的洪灾损失评估方法.     

电网与灾害交互影响对电网关键环节辨识的影响

首先给出并分析了电网与灾害两个不同复杂网络各自的快慢动态过程,并依此提出了电网与灾害交互影响的分析策略,对其中的12个方面影响做了详细的研究和探讨.结合电网与灾害的交互影响与网络最大流理论,提出了一种新颖的关键环节辨识方法.定义综合性指标作为其辨识依据,该指标不仅可以反映电力系统内部运行特征,还可以反应灾害影响下的电力系统外部运行特征.最后以西藏电网为实际模型进行推演,结果表明该方法可以有效辨识其关键节点和线路,适用于灾害影响下的电力系统脆弱性评估,进而验证了所述方法的合理性和有效性.     

新安江模型与衰减记忆最小二乘法耦合洪水模型的应用

利用新安江模型进行流域产流计算,采用扩散波方程推得的汇流状态方程描述流域汇流过程,由衰减记忆递推最小二乘法实现参数估计实时化,从而使新安江模型与衰减记忆递推最小二乘法耦合,实现洪水实时预报。利用耦合模型对矶头水库76场入库洪水进行模拟,模拟结果表明,耦合模型适合中小水库入库洪水实时预报,预报精度比独立使用新安江模型得到了大大的提高。     

DR-Cloud: Multi-Cloud Based Disaster Recovery Service简

With the rapid popularity of cloud computing paradigm, disaster recovery using cloud resources becomes an attractive approach. This paper presents a practical multi-cloud based disaster recovery service model： DR- Cloud. With DR-Cloud, resources of multiple cloud service providers can be utilized cooperatively by the disaster recovery service provider. A simple and unified interface is exposed to the customers of DR-Cloud to adapt the heterogeneity of cloud service providers involved in the disaster recovery service, and the internal processes between clouds are invisible to the customers. DR-Cloud proposes multiple optimization scheduling strategies to balance the disaster recovery objectives, such as high data reliability, low backup cost, and short recovery time, which are also transparent to the customers. Different data scheduling strategies based on DR-Cloud are suitable for different kinds of data disaster recovery scenarios. Experimental results show that the DR-Cloud model can cooperate with cloud service providers with various parameters effectively, while its data scheduling strategies can achieve their optimization objectives efficiently and are widely applicable.     

融合模糊评价与极限学习机的配电线路台风灾损预测

为了提升配电网线路应对台风的防灾减灾能力,提出一种台风影响下配电线路的灾损预测方法.充分考虑台风登陆位置对目标地区影响程度的复杂性,利用模糊评价方法评估台风登陆距离的影响模糊程度.并在此基础上结合台风风级、风速和风圈半径等属性作为预测模型的输入特征,构建基于极限学习机(ELM)的灾损预测模型,对台风影响下的目标地区配电线路跳闸、断线、倒杆以及断杆进行预测.通过对近几年台风历史数据的实验验证表明,本算法针对四类灾损能获得较高的预测精度;相比现有算法,对登陆距离的影响程度进行模糊评价极大提升了预测模型的精度,实现20倍以上的性能提升.算法预测结果可为台风过境时配电线路的灾害应急处理和灾后重建工作提供重要参考依据.     

基于二型模糊集理论的应急设施选址方法

为了研究应急管理中的应急设施选址问题,在传统选址方法基础上,提出了一种基于二型模糊集理论的应急设施选址方法,以区域人口密度量化应急资源需求程度,构建选址集最大覆盖模型.由于人口的流动性,采用二型模糊变量描述人口密度信息,二型模糊变量可提供不确定性建模额外的自由度.在置信度理论框架下,将原模糊模型转化为其等价确定性模型.针对模型中大规模复杂高维的空间地理数据,设计了一种基于网格空间表示法的矩阵编码策略与遗传算法耦合进行模型求解.研究表明:矩阵编码策略可以有效避免维数灾难,并且能够显著提升求解效率,所提方法可以提供合理的应急设施选址决策,以提升突发事件应急管理水平.