改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

重介选煤介耗问题分析及解决策略

当前重介煤炭具备极强的处理能力以及高效性、自动化等诸多方面的优势,因此在我国煤炭生产当中获得了广泛的应用。但在重介煤制造过程中,由于设备损耗极为严重,磁铁矿粉消耗亦是极为显著,因此,需加强重介选煤介耗问题分析,并在此基础上制定有效的解决措施,从而更好的促进行业的稳定发展。     

中速柴油机机体铸造裂纹的原因分析及防止措施

根据柴油机机体裂纹产生的原因,对机体裂纹缺陷进行分析,找到了机体裂纹产生的主要原因。其主要原因可概括为铸件结构、化学成分、铸件补缩条件及开箱温度等,针对裂纹的主要原因采取相应的措施后,裂纹缺陷得到了根本的控制。     

拜耳材料科技以二氧化碳替代石油生产聚氨酯

拜耳材料科技主张优先利用热回收焚烧废旧聚氨酯产品,从而促进聚氨酯硬泡的循环利用。聚氨酯商业部门(欧洲、中东、非洲及拉丁美洲地区)主管Hermann Josef Dorholt称公司期望二氧化碳能代替石油成为生产原料。“我们在该领域取得了成功,且项目正不断取得进展。”聚氨酯创新部门主管Ulrich Liman表示:“我们希望未来的20-30年能不再使用石油生产聚氨酯产品。目前,我们已有相关的研     

压裂水平井产能预测方法研究进展

水平井压裂技术在低渗透及非常规储层中得到了广泛应用,压裂后水平井的产能预测关系到油田开发方案的制定,因此,国内外学者对压后渗流模型的建立和求解方法做出了不懈的努力。本文详细回顾了国内外学者所建压裂水平井产能预测模型及求解方法,指出了不同模型和求解方法的优缺点,并展望了压裂水平井产能模型的发展方向。