基于核和测度的连续区间灰数Verhulst预测模型构建与应用

针对现有区间灰数Verhulst对整体呈现"S"形变化特性的连续区间灰数序列模拟误差较大的问题,通过分析构造序列的特征,提出一种改进的连续区间灰数Verhulst动态预测模型,即先分别构建连续区间的核序列和测度序列,继而建立核序列的灰色Verhulst预测模型和测度序列的灰色Verhulst预测模型,最后构建区间上下界预测模型。将此模型应用于青海玉树地震伤病员人数的预测,并与多种典型Verhulst预测模型进行对比,结果表明该模型预测精度更高,模拟效果更好。     

全生命周期“CO_2零排放”能源系统的评价模型及应用研究

基于LCA和exergy方法构建全生命周期评价模型,对某2×300MW燃煤电厂评价结果表明,电厂运行阶段投入约占总投入99.89%,建造和退役阶段投入仅占0.11%;直接和间接投入分别占总投入93.03%和6.97%.全生命周期＂CO2零排放＂能源系统投入产出比和效率分别约为5.563和17.97%,与减排前燃煤发电系统相比分别约增加62.47%和下降11.21%.该模型以为基本物理量,对系统生命周期内的能源、资源消耗和污染物排放统一量化,使得评价更为客观合理.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

高超声速飞行器表面对流气动加热快速预测方法

构建了高超声速飞行器表面驻点及其下游区对流气动加热的一种快速预测方法．首先，采用工程方法计算飞行器表面无黏流场，针对工程方法的熵吞没效应，将质量流量平衡法与轴对称比拟法相结合对边界层外缘进行熵修正；其次，推导出采用线性方程拟合飞行器表面流场的拟合方程；在此基础上，发展出基于线性流场和线性物面方程的轴对称比拟法，大幅度降低了复杂度和计算量；对于驻点区域，引入隐式曲面拟合驻点主曲率半径并构造鲁棒的驻点区热流计算方法．采用球锥体和仿空天飞行器等多种外形验证了方法的有效性，计算结果表明：1）所述方法总耗时约1S即可预测出气动加热，并且预测结果与CFD模拟或者试验测量数据比较一致；2）在飞行器表面流线扩展区域，进行熵修正可进一步提高预测精度，在流线不扩张区域，采用等熵或变熵无黏流场的预测结果差别微小．