基于Kriging方法的电站锅炉NOx排放自适应建模

对复杂多变的热工对象建模是实现良好控制性能的难点,为此提出运用Kriging估计方法建立对象的自适应模型.该法是非参数回归的建模方法,无需确定模型结构和训练,就能实现对未知函数的无偏最优估计.通过对样本空间的实时调整还实现了一种自适应的Kriging模型.选取电站锅炉NOx排放作为建模对象,运用现场试验数据,比较了自适应Kriging模型和神经网络模型对NOx排放的内插和外推预测性能.5组结果显示,神经网络模型的平均预测误差为11.59%, 而Kriging模型仅为3.49%.     

神经网络与遗传算法结合的球团竖炉燃烧优化

对神经网络与遗传算法结合的球团竖炉燃烧优化方法进行了研究.首先构建了以矿料成分及含水率、相关操作参数以及燃烧室和炉膛温度等16个参数作为输入量,球团竖炉煤气吨耗和NOx污染物排放浓度作为输出量的人工神经网络模型.采用700组现场运行数据作为样本对神经网络进行训练,训练后的模型具有良好的泛化能力和预测精度,煤气吨耗预测误差低于3％且NOx排放浓度的相对误差在5％以内.此外,结合所建模型,采用实数编码的遗传算法,对球团竖炉燃烧进行优化计算,在寻优过程中对煤气吨耗及NOx排放这2个优化分量采用线性加权和的方法转化为单一数值的目标函数.通过选择不同的权重比例得出不同侧重条件下的优化目标函数,并给出该优化函数下寻优所得的操作参量优化控制方案.由所选优化方案数值解可以看出在煤气吨耗上升1.7％的情况下,NOx的排放浓度下降了20.37％.     

有机废物气化-焚烧处理尾气排放灰色预测模型研究

由于气化焚烧过程NOx 和SO2 产生机理的复杂性,利用动力学方程对其进行预测存在较大的困难,运用灰色理论及方法建立了固体废弃物气化-焚烧两段处理中NOx 、SO2 排放的灰色预测模型.以灰色理论GM(1,1)和GM(2,1)模型为基础,通过不同工况条件下固体废弃物的实验数据用灰色理论建立了相应的模型方程,对所建模型进行了误差检验.计算表明,所建模型的预测结果与实验值比较接近,能够很好地预测固体废弃物气化-焚烧两段处理中NOx 和SO2 排放特性.     

基于神经网络的柴油机NOχ排放预测模型研究

传统的基于MAP图查表方式得到柴油机NOx排放的方法需要做大量标定实验,本文采用BP神经网络构建柴油机NOx排放预测模型.论文选取进气压力、进气温度、排气温度和发动机转速这4个量作为预测模型的输入量.考虑到柴油机NOx生成与其工作参数之间有时间迟滞,模型的输入量包含当前值和历史值.对输入数据做了归一化处理,在模型后处理模块对输出数据做反归一化处理.所提出的模型具有较高的预测精度.     

基于改进粒子群算法的电站锅炉NOx排放预测控制及优化

基于支持向量机算法建立锅炉NOx排放模型,并利用实炉热态数据对模型进行校验.应用一种改进的粒子群优化算法对锅炉运行参数进行优化,并与一般线性粒子群优化算法进行对比.研究结果表明,NOx排放量明显降低,且改进的优化算法收敛性更好,为锅炉NOx排放的预测控制提供了更好的方式.     

初始NO_x对甲苯参比燃料燃烧相位影响机理研究

为了更好地理解低温燃烧环境下初始NOx对汽油自燃特性的影响,构建了一个异辛烷、正庚烷、甲苯低温氧化阶段与NOx相关联的反应模型.以甲烷、丁烷、乙烯等燃料与NOx的关联反应为基础,甄选并补充了汽油大分子替代燃料对应初始烃类物质与含氮组分反应以及低温阶段氮氧化物的生成与转化反应.与三种不同成分及配比结构的燃料实验数据对比,验证了此反应模型能用于预测NOx对相应燃料着火延迟及放热规律的影响,并对燃料在不同掺混比例时初始NOx的添加情况进行了分析,获得了初始NOx对不同燃料成分的主要作用途径.结果表明:系统燃烧相位会随初始NOx添加而提前,当燃料中以甲苯为主要成分时提前较多,而当主要成分为烷烃时,变动更为平缓.     

梯度下降优化模糊系统的接触电阻预测方法

根据接触电阻的特点,将结合模糊逻辑的预测方法引入电气领域,提出基于模糊系统的接触电阻预测新方法.根据接触电阻与各影响因素之间的关系及研究目的进行试验,得到足量试验数据,将所有试验数据分成两部分,训练数据和测试数据.通过训练数据运用梯度下降算法训练模糊系统,调整模糊系统参数,建立相应的接触电阻模型,利用训练数据建立接触电阻的回归分析模型.通过测试数据对两种模型进行测试,基于模糊系统的接触电阻模型的测试结果优于回归分析.预测与比较结果表明:若能得到足量训练数据,用梯度下降算法训练模糊系统建立的接触电阻模型精确可靠.     

一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

一种基于支持向量机的CFG桩复合地基承载力预测方法

提出一种基于SVM的CFG桩复合地基承载力预测方法并建立相应预测模型.为获得模型参数,对18组CFG桩复合地基试验资料进行训练,训练值与实测值符合较好.用建立的SVM模型对4组CFG桩复合地基试验数据进行预测,预测结果与实测值相差较小.理论分析和实例结果验证表明:基于SVM的CFG桩复合地基承载力预测方法具有较高的预测精度和可靠性.     

局域极端学习机及其在状态在线监测中的应用

针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测.     

基于极限学习机的脉动风速快速预测方法

提出基于极限学习机(ELM)的脉动风速预测新模型.运用自回归滑动平均模型生成脉动风速数据库,并将其分为训练集和测试集.采用ELM对训练集进行学习训练,建立回归模型,从而实现对测试集风速的泛化预测.经与基于粒子群优化(PSO)的混合核函数最小二乘支持向量(PSO-MK-LSSVM)和误差反传神经网络(PSO-BP)对比,验证了ELM模型的有效性.数值结果表明,与PSO-MK-LSSVM和PSO-BP相比,无论在预测精度还是计算速度上,ELM模型都具有显著的优势.     

基于CoKriging模型的单室火灾温度预测（英文）

高保真数值模拟和单保真机器学习替代模型均需大量时间才能对火场温度做出准确预测,无法满足消防管理的应急需求.为解决上述问题,引入了CoKriging模型,并从建模时间成本、预测时间成本及预测结果准确性这3方面讨论了该模型在单室火灾温度预测中的适用性与特点.该模型利用CFAST和FDS模拟产生的154组混合数据进行训练.交叉验证的结果表明,当高、低保真度数据占比为10∶1时,该模型就能得到有效训练.进一步对不同方法、模型展开对比分析,结果表明,CoKriging模型的预测结果与高保真模拟FDS的计算结果十分接近,且模型一旦构建成功,其做出一次新的预测所需时间远少于FDS.除此之外,在将建模时间成本缩短至1/10的情况下,CoKriging模型仍能达到与单保真替代模型ANN、Kriging一致的预测准确度.实验还发现,高、低保真数据占比不会对CoKriging模型预测结果产生显著影响,即使只有少量FDS数据参与训练,仍能保证CoKriging模型的预测准确性.因此,CoKriging模型可作为一种快速而有效的回归分析方法,应用在单室火灾的温度预测中.     

基于Logistic回归和神经网络比较的咽喉反流疾病的精准预测

数据来自吉林大学第二医院193位病人的反流症状指数评分量表(RSI)数据,应用Logistic回归模型与神经网络模型对咽喉反流疾病进行预测.首先对数据进行预处理和相关性检验,再将数据按7:3拆分成训练集和验证集,最后通过Logistic回归模型和神经网络模型两种方法对咽喉反流疾病进行预测.结果表明,Logistic回归模型的预测准确率为99.39%,神经网络早停止法训练出的模型预测准确率最高为98.61%.因此,Logistic回归模型对咽喉反流性疾病的预测更加准确,为咽喉反流疾病的高效识别奠定了基础.     

基于预训练语言表示模型的汉语韵律结构预测

韵律结构预测作为语音合成系统中的一个关键步骤,其结果直接影响合成语音的自然度和可懂度.本文提出了一种基于预训练语言表示模型的韵律结构预测方法,以字为建模单位,在预训练语言模型的基础上对每个韵律层级设置了独立的输出层,利用韵律标注数据对预训练模型进行微调.另外在此基础上额外增加了分词任务,通过多任务学习的方法对各韵律层级间的关系及韵律与词间的关系建模,实现对输入文本各级韵律边界的同时预测.实验首先证明了多输出结构设置的合理性及使用预训练模型的有效性,并验证了分词任务的加入可以进一步提升模型性能;将最优的结果与设置的两个基线模型相比,在韵律词和韵律短语预测的F1值上与条件随机场模型相比分别有2.48%和4.50%的绝对提升,而与双向长短时记忆网络相比分别有6.2%和5.4%的绝对提升;最后实验表明该方法可以在保证预测性能的同时减少对训练数据量的需求.     

环境空气质量数值模拟及其在上海道路交通规划环境评价中的应用

对上海市的主要大气污染物(SO2,NOx,CO),在污染源排放数据统计分析的基础上,建立了它们的排放清单,采用ISCLT3模型对上海市环境空气质量的现状进行模拟计算,并应用于城市道路交通规划大气环境影响预测.还分析了现状与规划实施后,上海市不同区域各类污染源排放的分担率和环境浓度贡献率.研究结果表明:NOx及CO在大工业点源所在区域及中心城区的排放量均较大,年均浓度最高值均分布在浦西内环线内及宝山的部分地区.随着路网系统的完善,可使NOx及CO的污染情况在市中心范围得到有效的控制.     

基于数据挖掘技术的负荷预测模型

为有效选取预测变量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型．该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量，再选取与预测日相似的训练模式，最后用神经网络对负荷进行预测．实际运行结果表明将该模型应用于电力系统负荷预测是可行的，其与传统的神经网络预测模型相比具有更高的预测精度.     

基于互信息理论与递归神经网络的短期风速预测模型

风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(τ),通过每τ步预测下一时间点风速的方式,将历史风速数据输入RNN中进行模型训练,并由训练后的RNN模型输出最终的风速预测结果.将MI-RNN模型应用于风电场的风速数据集中,与传统机器学习风速预测模型进行比较,以验证模型的预测精度.结果显示,MI-RNN模型的预测精度更高,预测稳定性更强,并且能够准确预测未来风向,有望应用于含空间维度的风电场的风速预测.     

一种基于旁信息增强的协同过滤自动编码器模型

针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.     

神经网络在大功率船用柴油机NOx排放预测中应用

通过计算研究，考察了BP神经网络在大功率船用柴油机NOx排放预测上应用的可行性，选用适当的NOx排放模型。将发动机不同工况下的缸内最高爆压pmax，最高燃烧温度Tmax和纯度R作为神经网络的输入数据，并且使用试验数据对神经网络进行了检验，结果表明，BP神经网络可以有效和准确地对大功率船用柴油机NOx的排放进行预测。     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.