基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

煤样多元物性参数在煤与瓦斯突出防治中的应用研究

煤与瓦斯突出是一种复杂的动力现象，突出的类型不同、引起突出的危险因素不同，预测指标对其的敏感性也就不同，选择适应的突出危险性预测敏感指标及突出敏感指标的临界值，研究可靠的突出预测手段和方法来实现对突出危险性的准确预测，是指导突出防治工作的重要技术基础，而为了获得突出敏感指标的临界值就必须对煤的多元物性参数进行实验研究，掌握煤层的各项物化性质，是有效确定防治突出方法体系的关键基础。     

广西乐业县岩旦—岩堂金矿床找矿模型及成矿预测

广西乐业县岩旦—岩堂金矿是滇黔桂"金三角"新发现的一处大型卡林型金矿,为探究该矿床深部及外围找矿潜力,明确下一步找矿方向,开展了详细的矿床地质特征研究,并结合土壤地球化学和地球物理勘探异常,建立了该矿床的找矿模型,从而对深部成矿进行预测。研究表明:矿床中分布的矿体主要为受断层破碎带控制的脉状矿体,其次为受地层控制的层状和似层状矿体;背斜核部的NEE向断层F_1是主要的控矿构造,矿体有沿断层向东侧伏的趋势;土壤地球化学异常以Au-As为主,沿断层分布,且断层东部地表以As异常为主,具矿体前缘晕特征;地球物理激电测深表明金矿体具有低阻高极化的特点,在断层东部的高极化异常明显增强,暗示存在隐伏金矿体。综合地质与物化探研究成果认为,沿NEE向F_1断层及其与近SN向断层的交会处具有较好的找矿潜力,为优先找矿靶区。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。     

混合动力汽车燃油经济性模型预测控制策略

为了实现对混合动力汽车实时的燃油经济性控制,提出了改进的马尔可夫模型预测控制方法。建立了混合动力汽车关键部件模型,从克服阻力和速度跟踪两个方面建立了车辆需求转矩模型,从而建立了混合动力汽车仿真模型;使用多步马尔可夫模型预测车辆状态;在模型预测控制目标函数中引入电量参考值,当电量大于参考值时使用模型预测最优控制策略,当电量低于参考值时,在目标函数中引入电量惩罚项,使用改进的模型预测控制策略。经仿真验证,在新欧洲行驶工况下,马尔可夫模型预测控制比恒值预测控制的油耗减少了4.27%,比规则能量管理策略减少了4.99%;在中国城市工况下,马尔科夫模型预测控制比恒值预测控制的油耗减少了8.32%,比规则能量管理策略减少了13.16%。     

PV/T组件动态传热建模及温度预测

为进一步提高光伏光热一体化(PV/T)组件温度预测精度,基于集总参数法对PV/T组件传热机理进行动态建模。选取典型晴天及多云天气条件日进行实验,验证了该动态模型的准确性。实验结果显示,晴天及多云天气条件下数学模型预测值的最大相对误差分别为7.8%,7.6%;平均相对误差分别为4.31%,4.37%;绝对误差平均值为2.04℃,1.94℃。相比于已有的神经网络预测方法,数学模型的预测精度更高,预测周期更短。该模型可用于PV/T系统根据温度变化情况提前制定精确的控制策略,以优化系统运行期间的节能,也可用于建立PV/T系统整体的能量传递模型,实现热能、电能的协调控制及太阳能的梯级利用。     

辉县部分景区地质灾害危险性评估及防治措施研究

为了给辉县景区减灾防灾提供地质依据,根据实际工程概况,研究了辉县部分景区地质灾害危险性预测评估及防治措施,预测评估了工程建设中、建设后可能引发或加剧地质灾害危险性,建设工程自身可能遭受已存在地质灾害危险性;评估了地质灾害危险性综合分区以及根据地质灾害危险性、防治难度和防治效益,对评估区适宜性作出评价,提出了防治地质灾害的措施和建议。     

小型特种精细化工过程自动化和信息化研究发展趋势探讨

针对采取小批量间歇性批次生产方式、工艺介质腐蚀性强、危险性大的小型特种精细化工生产工艺研究试验过程自动化、信息化程度不高，导致工艺研究试验中获取数据较少、过程机理研究不够透彻、人工操作多、安全风险高、研究试验消耗大及效率不高等问题，综述了期待通过智能控制、在线分析、模拟仿真和虚拟制造、工况监测及预测性维护以及信息管理和生产调度等关键技术的研究和应用，提高小型特种精细化工生产工艺过程的自动化和信息化程度，实现小型特种精细化工生产工艺过程的数字化、虚拟化和智能化，降低生产安全风险和试验消耗，提高小型特种精细化工生产工艺研究试验的成功率和效率，达到小型特种精细化工生产工艺过程的数字化设计和精准生产的目标。