城市轨道交通列车牵引能耗分析

对现有城市轨道交通列车牵引能耗影响因素研究进行梳理和总结,得到了较为全面的指标体系,并以日常运营中的可变因素作为变量进行牵引能耗的物理建模,在此基础上建立了多元线性回归统计模型。以北京轨道交通2号线运营数据为基础,进行牵引能耗统计回归。研究结果表明,该模型对牵引能耗实际数据拟合程度高,对变量解释能力强,对未来预测能力佳。     

建筑能耗统计绩效评价及其长效运行机制研究

在总结现有建筑能耗统计工作经验的基础上，从是否进行用能计量改造和是否设有专业统计机构两个角度，首次对建筑能耗统计的绩效进行评价，基于建筑能耗统计的绩效评价，提出推进建筑能耗统计工作深入开展的长效运行机制．     

数据分布特性对空调系统能耗预测的影响

空调系统能耗预测是实现智能调控、能源需求管理、系统节能的重要手段和前提之一,当前的空调系统能耗预测主要是基于机器学习算法。诸多机器学习算法的重要理论前提是数据的分布应尽量满足正态分布,然而空调系统的实际运行数据很少能满足正态分布特性,目前的研究鲜有涉及数据分布特性对空调系统能耗预测的影响。首先基于实际项目的空调系统能耗数据,从偏度和峰度两个指标分析了实际能耗数据分布与正态分布呈现出的偏离;然后通过对数变换对能耗数据进行数据变换,使能耗数据更接近于正态分布;接着以常见的4种能耗预测机器学习算法(广义线性回归算法、支持向量回归算法、人工神经网络算法、随机森林算法)对原始数据和经过数据变换后的数据分别进行空调系统能耗预测工作,分析负荷预测结果的RMSE和R~2统计量。结果对比发现,数据的分布特性对能耗预测有着重要的影响,合适的数据变换可以有效地提高空调系统能耗预测机器学习算法模型的预测效果。     

地温对煤炭自燃的影响

通过分析地温与煤氧化放热性、漏风供氧条件及蓄热条件的关系，探讨了地温对煤炭自燃的影响，得出随着地温的上升，煤自燃性增强，煤自燃危险程度增加的结论。     

重庆城市居住建筑能耗预测模型

为了研究重庆市居民住宅建筑能耗的影响因素,通过问卷调查匹配居民实际能源消耗,借助SPSS软件,运用相关分析和多元回归分析对影响居民建筑能耗各因素与能耗的关系进行实证研究,得出常住人口、人均建筑面积、制冷空调和电脑台数总和和夏季空调降温方式4个因素与建筑能耗有显著相关性,据此建立居住建筑能耗预测的多元线性回归模型,并运用历年实际能耗消费数据对模型拟合效果进行检验,研究结果表明:模型拟合预测年能耗与实际统计年能耗符合度达95%左右,说明能耗影响模型的预测结果具有较高的预测精度和较好的拟合效果;居住建筑能耗预测模型可为国家区域能源规划、相关能源政策的制定提供有力的数据支持。     

考虑渗流影响的水热型地热田地温预测

依托浅层地温、岩土热物性等数据,建立基于一维稳态热传导的地温预测模型.通过TOUGH2数值模拟,研究渗流速度、渗流层厚度、地下水与流经区域的温差对模型地温预测结果的影响规律,并建立渗流层等效热导率与各影响因子的回归关系.以厦门后埔地热田作为试验场地,验证地温预测模型的预测能力.结果表明：3种影响因子与模型预测误差呈强相关关系,其中温差起主导作用;应用渗流层等效热导率可使地温预测模型误差明显减小;后埔地热田20 m深度预测地温与实测地温平均相对误差为4.2%,有渗流影响的点位平均相对误差为5.2%,相较于2 m深度地温和浅层热流密度,恒温层以下的预测地温更能反映地热异常的实际情况.     

基于分项实时监测的建筑能耗数值分析

大型公共建筑的用电量超过社会建筑总用电量的30%,是建筑节能监管和改造的主要对象,但目前大部分公共建筑的实时分项能耗数据还未被掌握。利用数据采集、通讯等相关技术和设备建立了一套建筑能耗数据采集系统,通过对40栋目标建筑进行能耗分项监测,获得了大量的建筑能耗实时分项数据。对建筑的结构和使用信息进行统计,结合获得的实际能耗数据确定影响建筑能耗的诸多因子。通过多元线性回归分析方法对建筑能耗和影响因子进行分析,得到影响这40栋建筑能耗的主要因子,并建立了相应的能耗预测模型,通过与实测数据对比,模型对同种功能类型建筑的能耗起到了较准确的预测作用。此模型可为部分公共建筑的定额用能和超定额加价以及节能改造提供参考。     

地理信息系统在输油管道管理中的应用

随着数字技术的迅速发展和广泛应用，数字化管道已经成为输油管道建设中的一个重要组成部分。潍坊处管道地理信息系统是潍坊处数字化管道建设的重要内容。该系统在输油管道管理中的应用，实现了输油建设和管理的电子化、自动化、网络化以及多媒体化，达到全面提高管道输送系统安全性、可靠性，降低能耗、油耗的目的。系统的运行为输油管道管理带来明显的经济效益和社会效益，具有良好的发展前景。     

零厘米地温——雹暴的信息窗口

本文论述了千陇地区厘米地温对雹暴形成的影响，建立了可用于雹暴预测的回归分析模型。     

油田开发动态的多参数输入模拟预测方法

在进行考虑多种因素综合影响下油田开发动态指标预测时，缺少定量化模拟预测方法，油藏工程方法由于多属于机理型模型、单一条件统计规律模型，不适合此类条件下的定量预测。本文提出了一种考虑多参数约束控制拟合的开发动态预测方法，输入参数可包括产量、成本、工作量等。由统计理论根据历史信息实现系统指标变化情况的模拟，建立系统的输入输出关联关系，进而外推进行预测。提出的开发动态预测方法反映了实际开发过程中各种因素的复杂影响。     

基于AP-BP神经网络的建筑能耗分析与预测

建筑行业对能源的节约是当前节约能耗的重要途径之一,在对能源浪费现状和建筑物能源绩效调研和分析的基础上,提出了一种基于affinity propagation（AP）聚类的back propagation（BP）神经网络建筑能耗分析与预测方法。通过AP聚类算法对影响建筑能耗的多维因素进行聚类分析,得到影响建筑能耗的主要因素并作为BP神经网络的输入,然后将建筑能耗指标热负荷和冷负荷作为BP神经网络的输出,建立建筑能耗分析与预测模型。均方根误差（RMSE）和平均相对泛化误差（ARGE）评价指标分析结果表明,本文所提方法对能耗值预测的拟合程度优于经典的BP神经网络,且通过建筑能耗输入输出的结构调整能够节约能耗,提高能效。     

基于数据的建筑能耗分析与建模

对建筑能耗数据进行深入分析,提出了建立建筑电力能耗模型的方法.首先对建筑能耗进行了分项计量,统计了建筑逐时照明能耗数据,办公设备能耗数据以及办公人数,同时调查了建筑管理控制方式.经过分析可知,办公设备能耗数据与办公人数线性相关,而照明能耗数据与办公人数以及太阳辐射强度相关,但为非线性关系.根据不同类型数据的特点,分别建立了线性回归模型以及决策树模型.该模型可以预测建筑能耗并评估建筑管理方式对能耗的影响.     

南极乔治王岛菲尔德斯半岛的地温振荡特征

据南极长城站建站以来连续四年的地温和气象观测资料，用时间序列的谱分析和协相关分析方法研究了南极乔治王岛菲尔德斯半岛活动层不同深度、不同时间尺度的地温振荡特征。发现：１、活动层不同深度的地温具有不同时间尺度的振荡周期。地表及地下０．４ｍ的地温具有显著的准１周、准２周、准３～４周和准１年的振荡周期，地下０．８ｍ的地温具有准１年的振荡周期，地下１．６ｍ的地温具有准３～４年的振荡周期。２、不同深度地—气相互作用的时间尺度不同。地表及地下０．４ｍ的地温振荡周期与地面各气象要素准１周、准２周和准３～４周的中短期振荡周期相同，而地下１．６ｍ地温的振荡周期与气温准３～４年的长期振荡周期相同，并且其距平年变化与过境气旋频数的年变化存在显著的同期正相关。地下０．８ｍ是中短期与长期地—气相互作用的界面。３、地温受气温变化所驱动的振荡响应具有滞后性。气温与滞后３个月的各层地温相关程度最高。另外，从地表向下，地温对气温变化的滞后相关程度逐渐降低     

采用机器学习算法的软件能耗感知模型及其应用

针对软件开发人员不了解代码的能耗,或者即使能测得软件运行时的能耗但由于缺乏对影响能耗的各因素了解的问题,在对4种机器学习算法实验的基础上,选用岭回归算法建立了以软件性能事件为特征的软件能耗模型。以收集的软件能耗测量值和软件性能事件数据作为训练样本,利用岭回归机器学习算法建立平均能耗模型,用平均能耗模型来预测其他软件的平均能耗;并在此基础上,利用软件运行的实时特征提出了实时的能耗模型。实验结果表明:以测量的能耗为基准,采用所提出的平均能耗模型对软件能耗进行预测的误差率在9%以内;与平均能耗模型相比,实时能耗模型的预测误差率更低。采用本文所提出的两种能耗模型,软件设计人员不需要对自己的软件进行测量和训练就可以较准确地估算出软件的能耗并能解释能耗产生的原因,最后根据预测结果对软件的能效进行优化。     

基于粘弹性分析的含蜡原油触变性研究

触变性是含蜡原油的一个重要流变性质，输油管道运行的安全性分析需要对触变行为做出准确的定量描述。从粘弹性力学角度出发，在弹性应力和粘性应力两方面分析含蜡原油在触变过程中的力学响应，做出若干合理的假设，推出新的触变性计算模型。该模型物理意义明确，可用于求取停输管道的再启动压力。对大庆原油和中原加剂原油进行了触变实验，用该模型对实验数据进行了非线性最小二乘法回归，结果表明，该模型能够较准确地预测触变行为。与其他触变模型相比，该模型具有参数较少和精度较高等特点。     

地温对煤炭自燃的影响

通过分析地温与煤氧化放热性、漏风供氧条件及蓄热条件的关系,探讨了地温对煤炭自燃的影响,得出随着地温的上升,煤自燃性增强,煤自燃危险程度增加的结论。     

模糊逼近算法与人工神经网络预测功能

有些实际问题是无法用已知的很多定量预测方法预测的，这更是在预测中有极大局限性的人工神经网络难以解决的问题．本文通过对预测问题模糊逼近算法的研究，提出新的模糊逼近泛函微分方程定量预测方法，并从而化为能用人工神经网络预测的方法，扩充人工神经网络解决实际问题的功能．     

模糊神经网络和多传感器数据融合的系统设计——海底管道腐蚀监测系统

系统利用三组超声传感器和漏磁传感器获取原始信息,对多路原始信息进行小波变换和频谱分析,提取时域、频域的多种不同属性参数,并从中选择与输油管道腐蚀程度相关度大的特征参数。采用模糊神经网络多传感器数据融合方法,监测海底输油管道的腐蚀程度,可以在很大程度上提高对输油管道腐蚀程度的检测精度。实验结果表明了该方法的有效性和可行性。     

数控机床的能耗模型及实验研究

为了预测与评估数控机床能耗,提高机床能量利用率,对数控机床的能耗特性展开研究。根据机床能耗部件的特性,将数控机床整机能耗分解为4个部分:主传动系统空载能耗、进给系统空载能耗、辅助系统能耗、切削能耗(包含刀刃去除材料能耗和附加载荷损耗)。依据耗能机理和实验统计规律分别对这4个部分进行建模,进而建立机床整机一般能耗模型。在1台立式加工中心上开展相关能耗实验,将能耗模型应用于该机床的能耗研究分析。研究结果表明:机床能耗模型具有较好的适用性,可以较准确地预测机床能耗及其分布情况,这为机加工系统的能耗评估、节能优化以及低碳制造提供依据。     

基于经验模态分解-粒子群优化-长短期记忆的车间电力能耗预测方法

针对传统能耗预测方法不能充分提取数据特征并利用神经网络的学习、预测能力，提出了一种基于经验模态分解-粒子群优化-长短期记忆(EMD-PSO-LSTM)的电力能耗预测模型。该模型首先采用经验模态分解算法将时间序列数据分解为多个本征模函数分量和趋势分量，然后对每个分量分别建立长短期记忆网络进行预测。各个长短期记忆网络的参数则由粒子群算法分别进行最优化求解，最后将所有分量的预测结果进行叠加得到最终的能耗预测结果。将预测结果与实际能耗数据进行对比分析来验证所提模型的预测性能。试验结果表明，该方法能够对电力能耗数据进行合理预测，预测精度较高。