基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

SF_6/N_2混合气体应用于GIS设备的研究

为应对全球温室效应,要减少GIS设备中温室气体SF_6的使用量。本文以SF_6/N_2混合气体代替SF_6应用于GIS设备,建立了SF_6/N_2混合气体的绝缘强度与纯SF_6绝缘强度之间的关系,以及相等绝缘强度下的气压关系,同时,给出了SF_6/N_2混合气体温升的简易计算方法,为其工程化应用提供了依据。     

南秦岭关家沟组砾岩的时代、成因环境及其构造意义

关家沟组地层位于南秦岭造山带, 因缺乏化石证据, 其地层时代长期悬而未决, 该套地层在南秦岭地区地质演化过程中构造含义始终模糊不清. 关家沟组砾岩厚度约为2050 m, 为一套向上变粗、变浅的进积层序, 结构和物质组成上表现为不成熟海相浊积砂岩和砾岩. 虽然南北两侧为断层所限, 但关家沟组变质变形很弱. 北侧为泥盆系三河群, 南侧为新元古界横丹群, 关家沟组中含有大量花岗岩和火山岩碎屑. 对采自其中的花岗岩和火山岩砾石进行了单矿物(斜长石和钾长石)⁴⁰Ar/³⁹Ar热年代学研究. 两个测年结果分别给出了花岗岩和火山岩砾石的冷却年龄为219.69±0.49和216.46±0.59 Ma, 与早中生代秦岭全面碰撞作用时期(240~220 Ma)的构造岩浆活动的时代大体一致, 暗示关家沟组可能沉积于晚三叠世Norian期, 约220 Ma. 沉积学分析和热年代学研究表明: 关家沟组可能是残余洋盆的沉积充填物. 区域上, 该残余洋盆为晚古生代-早中生代阿尼玛卿洋与勉略洋或中央造山带南侧特提斯洋的一部分.     

土壤机械化深松技术浅析

多年来,商丘市梁园区土地耕作采取传统耕作方式,即铧式深耕犁耕作和旋耕作业,连年的浅耕、旋耕,加上不科学施用化肥,造成土壤耕层变浅、板结严重,板结层阻碍了耕作层与未耕作层之间水、肥、气、热梯度的连通性,从而造成土壤蓄水保墒能力明显下降,有机质含量减少,作物根系分布较浅,吸收营养范围减少,抗灾能力减弱,     

第六次大提速电分相改造的探讨

武广线第六次大提速分相改造工程,时间极为紧迫,质量要求很高。在实施的过程中,通过查阅资料,从理论上得到了保证,在实践中加以指导,确保了分相改造工程的顺利实施,满足了设计的要求。同时也对三跨绝缘锚段关节在高速电气化铁路中的运用,进行了初步探讨。     

遥感地表参量反演的理论与方法

介绍了光学遥感地表参量反演的理论和方法及量新的研究进展,分析了遥感反演存在的主要问题及目前的一些解决方案,并讨论了遥感反演的未来发展方向。     

用于可压缩Navier-Stokes方程的格子Boltzmann模型

通过引入多速度和多能级,解除了标准格子Boltzmann方法用于可压缩Navier-Stokes方程存在低Mach限制和一阶精度的限制,将模型的精度提高到二阶.     

在线自动宽度测量仪的研究

介绍了在线自动宽度测量仪的原理及硬件结构,给出了仪表步距常数的计算方法和有关的程序框图,分析了影响系统精度的主要因素及解决办法。     

基于文献计量学的世界合成生物学研究发展趋势及展望

合成生物学已经成为世界科学研究的前沿之一,本文从文献计量学的角度分析了国际合成生物学的发展趋势、研究热点、优势机构、领军人物等,总结了目前合成生物学发展所面临的挑战,并对今后的发展方向进行了展望。