基于MA-FOSELM-OTF的海洋养殖环境数据在线预测

为降低过时海洋养殖环境数据对后续学习的影响和解决单一模型随机初始化输入权重的问题,提出一种基于MA-FOSELM-OTF的海洋养殖环境在线预测模型.采用模型平均化(model averaging, MA)算法对全在线顺序极限学习机(fully online sequential extreme learning machine, FOSELM)进行集成,以降低输入权重初始化引起的随机性;在FOSELM中引入过时遗忘机制(obsolete to forget, OTF),对过时的数据进行遗忘加权,降低其对顺序学习的影响;利用FOSELM递推计算所得输出结果集成所有输出结果,取其平均值作为MA-FOSELM-OTF在线预测模型的最终输出.结果表明,MA-FOSELM-OTF在海洋养殖环境数据在线预测任务中的预测性能优于其他对比模型,可为海洋养殖预警平台提供参考.     

用于回收炼钢车间余热的换热器设计

冶金行业是高能耗行业，冶金企业节约能源、回收余热的潜力很大，本文对炼钢车间高温钢锭脱模后的冷却过程采用热管换热器进行余热回收，计算了一个炼钢车间所能回收的 热量，设计了热管换热并进行了经济性预测。