漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节,本文提出了一种新的温度数据预处理的方法,通过在基于模糊神经网络的漏钢预报系统中的成功应用,已经充分证明该方法不仅能优化网络的结构与参数,而且大大提高了系统的预报精度与速度.     

基于粒子群优化的神经网络漏钢预报模型研究

针对BP神经网络在训练过程中收敛速度慢以及用于模式识别泛化能力差的问题,将粒子群优化算法PSO引入到BP神经网络的训练过程,建立了PSO-BP神经网络模型,并将其应用到连铸漏钢预报系统中。结合某钢厂连铸现场历史数据对该连铸漏钢预报系统进行了测试,测试结果以98.03%的预报率及100%的报出率,验证了基于粒子群优化算法的BP神经网络连铸漏钢预报系统模型的可行性和有效性。     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节，本文提出了一种新的温度数据预处理的方法，通过在基于模糊神经网络的漏钢预报系统中的成功应用，已经充分证明该方法不仅能优化网络的结构与参数，而且大大提高了系统的预报精度与速度。     

通过神经网络与专家系统实现漏钢预报

针对连铸生产中粘结性漏钢引起的恶性事故,为解决该情况,设计采用基于BP神经网络为机理的漏钢预报系统解决方案,介绍了神经网络的训练步骤及数据处理分析。方案经测试,能够准确实现漏钢预报,误报率较低,为用户创造了显著的经济效益。     

漏钢预报在板坯连铸中的应用

本文介绍达涅利漏钢预报系统的构成,以及其在福建三钢板坯连铸机上的的应用。重点介绍了漏钢预报系统的原理,不足及改进措施。     

漏钢预报系统在第二炼钢厂连铸的应用

漏钢预报系统保证连铸系统正常生产，避免事故漏钢，减少漏钢损失。     

基于支持向量机算法的连铸漏钢预报模型研究

漏钢预报系统的性能往往取决于其算法模型的性能,支持向量机(SVM)算法在解决小样本、非线性及高维模式识别中具有许多特有优势,能够避免神经网络隐含层节点选择及局部极小值等问题,而不同的SVM算法参数往往会对其性能产生显著影响。为此,本文利用GS网格搜索法、PSO粒子群算法和GA遗传算法对SVM支持向量机的算法参数进行了优化,并将优化后的SVM支持向量机算法应用到连铸漏钢预报系统中;利用某钢厂CSP连铸生产线的历史生产数据对各优化后的SVM支持向量机算法进行了训练和测试。测试结果表明,用GA遗传算法优化后的SVM支持向量机算法测试效果较好,得到了98.33%的预报率和100%的报出率,从而验证了基于SVM支持向量机漏钢预报系统的可行性和有效性。     

漏钢预报系统在莱钢银山型钢有限公司2#板坯连铸机中的应用

漏钢预报系统作为一个工具去分配、收集、储存、比较和将结晶器所有数据参数可视化。这些数据与设定值相比较,可以帮助分析浇铸过程中的问题或产生报警信息或改变浇铸作业进程,漏钢预报系统的运行对于操作人员监控浇铸进程是非常有利的,由于在线的可视性,员工可找到最佳最稳定的浇铸进程。     

板坯连铸漏钢预报神经元网络专家系统的研究

在提出混合式神经元网络专家系统的理论框架结构的基础上，用C语言开发了具有神经元网络模式识别功能和专家系统功能的漏钢预报模型。离线测试表明，本系统比武钢引进的逻辑判断预报系统性能更好。     

结晶器内钢液流动特性的优化

以大板坯连铸结晶器为研究对象,采用水模型和数值模拟的方法研究了不同水口出口角度对结晶器内钢液流动的影响.结果表明:现行15°水口在距结晶器边部50 mm的位置,表面流速和波高较小,传递给弯月面的热量较少,不利于保护渣的熔化;射流撞击到结晶器窄边的位置较深,压力较大,对撞击点下部坯壳的冲击力也较大;水口出口角度改为10°后,结晶器漏钢预报系统的报警次数大大减少,杜绝了漏钢的事故.     

基于特征增强SSD的隧道漏缆卡具检测

针对目前隧道漏缆卡具检测数据量大,检测效率低的问题,提出了一种基于特征增强SSD的隧道漏缆卡具检测方法.该方法使用不同尺度的特征图检测卡具,首先通过提高网络宽度和网络深度增强模型的特征提取能力;然后采用特征融合的方式,结合高层网络与低层网络增强网络的特征信息,提高模型的检测精度;最后使用深度可分离卷积和1×1卷积使模型轻量化.将改进后的模型应用于隧道漏缆卡具检测,实验结果表明:该方法检测的平均准确率达到了90.4％,相比于其他4种对比方法具有明显优势.     

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对 BP网络在漏钢模式识别中的应用进行了研究     

基于图像处理的黏结漏钢可视化检测方法

基于板坯连铸结晶器温度在线监控系统,在实现结晶器温度及其变化速率"热成像"的基础上,借助阈值分割算法对温度变化的可疑区域进行提取,并采用八连通判别算法对异常区域进行区分和标记,开发基于计算机图形学的结晶器黏结漏钢可视化预报方法。以此为基础,从异常区域的位置、扩展、移动以及形状等方面,归纳和提炼结晶器黏结的共性特征,并与伪黏结进行区分。实验结果表明:基于图像处理的黏结漏钢预报方法,能够将伪黏结有效剔除,直观呈现异常发生和传播的全部过程及其典型特征,为异常在线诊断和准确预报提供先进手段,对于促进连铸生产的智能化、可视化控制水平具有积极意义。     

基于集成学习XGBoost模型的降水客观预报方法

为进一步提升降水预报的准确率,该文提出一种基于集成学习XGBoost模型的降水客观预报方法。该方法选取ECMWF高分辨率数值预报模式资料、福建省内国家级自动站降水的实况数据,通过决策专家系统选取有效预报因子,使用集成学习XGBoost模型进行训练,从而对福建省内的降水进行客观预报。结果表明,该方法能够将数值模式和机器学习进行有效结合,提升降水预报的准确率,并在实际业务应用中取得了良好效果。     

用于管道漏磁数据的小波域自适应及小波系数去噪算法

基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性.     

波形识别技术在漏钢预报中的应用

介绍板坯连铸结晶器拉坯阻力在线监测的功率法原理,在对漏钢事故前拉坯阻力时域异常特征分析总结的基础上,利用线性最小二乘法进行数字曲线的线性逼近,通过分段识别的方法进行波形识别,达到提取拉坯阻力时域异常特征的目的.最后介绍了波形识别算法及其在连铸漏钢预报上的应用,现场试验数据证明了算法的可靠性.     

风电场风速和风电功率预报准确率评判方法

 对风电场风速和风电功率预报进行客观准确的评判,可以有效促进风电场风速和风电功率预报水平的提升,为减缓风电并网对电网的影响服务.本文在对风电场风速和风电功率预报准确率评判方法进行全面回顾的基础上,分析了常用数学预报准确率评判法、相对于风电场额定值的预报准确率评判法、等级预报准确率评判法和与风力发电特征紧密结合的风电场风速预报准确率评判法.同时还分析了这4类风电场风速和风电功率预报准确率评判方法的特质,及其与风力发电特征的结合程度和适用范围.     

云南雷暴潜势预报系统的建立和应用

针对云南雷电具有活动频繁且发生强度大的事实,为提高雷电天气的预报准确率,在分析其影响因子的基础上,从环流形式场、不稳定参数等方面选取预报因子,进行相关分析和权重分析,建立了典型天气环流形势样本库和云南雷暴潜势预报系统.系统实现了从资料接收、资料处理、预报结果处理、产品输出和预报评分的全自动化.对系统2008年5～8月的运行结果进行效果检验,结果表明:雷暴潜势预报系统对云南省的雷电总体预报效果较好,对具有典型天气背景的雷电总体预报效果更好,该系统为开展短时临近雷电预警提供了重要的参考依据.     

基于GIS技术与嵌套网格的大气PM2.5污染最优集成预报方法

为了提升城市空气质量的预报准确率,分析大气PM_2.5污染物各尺度污染变化情况,提出基于GIS技术与嵌套网格的大气PM_2.5污染最优集成预报方法.基于大气污染扩散模拟情况,利用GIS技术的前、后期数据处理以及结果显示输出,处理大气PM_2.5污染数据,可视化展示污染扩散情况;采用嵌套网格空气质量预报模式系统(NAQPMS),模拟大气PM_2.5污染物各尺度污染变化,完成污染预报;基于观测、预报资料结合多种集成方法组建集成预报,经评价获取评分最高集成预报方法,完成大气PM_2.5污染最优集成预报.以安阳市为例,应用该方法进行空气质量预报实验.结果表明：该方法的PM_2.5质量浓度预报值与实际观测值更加接近,有效提升了大气污染预报准确率,以PM_2.5为代表的细颗粒物和以扬尘为主要源的粗颗粒物污染突出,需加强企业烟尘污染物的管控.     

应用机器学习方法的太阳质子事件短期预报模型

本文选取三个描述太阳活动区磁场复杂性和非势性的特征物理量纵向磁场最大水平梯度｜△↓-hBz｜m,强梯度中性线长度L,孤立奇点数目η.对这三个参量统计计算后结果作为预报因子,应用支持向量机作为预报方法建立一个基于磁场特征物理量的太阳质子事件短期预报模型,该模型可以预报活动区未来24小时是否爆发太阳质子事件.2002和2003年连续两年的样本检测并和基于传统预报因子的模型进行了比对,结果显示预报模型具有较高的准确率和较低的虚报率,从而验证了太阳光球磁场参量作为太阳质子事件预报因子的有效性.