一种基于机器学习的顺直明渠断面流速场模型构建方法

顺直明渠流量的精确测量，对于水资源的合理利用、调配市县流域水量以及了解污水走向等具有重要意义。其中，渠道断面流速场的准确构建是实现高精度流量计算的关键。目前国内外针对明渠流速分布的研究尚不完善，普遍存在实测样本缺少、精度较低等问题。针对上述问题，提出了一种基于机器学习的顺直明渠断面流速场模型构建方法。该方法首先通过测量渠道参数与少量流速数据，建立并优化断面流场CFD模型，以获得足够训练样本；然后将随机森林和支持向量机作为基学习器，建立基于集成学习的流速场预测模型。该方法可以实现仅通过对表面流速的测量，准确构建顺直明渠断面流速场的目标。实验结果表明，与几种常用的机器学习方法相比，该模型均方根误差最多减小了30.21%，最少减小了2.81%。且该方法的均方根误差均在5%以内，符合国家标准，可以实现流速场的高精度构建。     

Fe83Ga17磁致伸缩位移传感器激励信号的ANSYS分析及DSP实现

借助ANSYS和DSP,讨论了Fe83Ga17磁致伸缩位移传感器激励信号部分的可行性及其实现。激励信号主要包括电脉冲信号和磁场信号两个部分。在磁场信号方面,传感器波导丝采用了一种区别于FeNi材料的新型Fe83Ga17磁致伸缩材料;通过ANSYS仿真结果得到了激励磁场主要集中于波导丝内,为理想弹性波的形成创造了条件的结论。激励电脉冲信号决定着激励磁场的产生,在脉冲信号方面,讨论了传统单片机方案的局限性和DSP的应用在提高传感器精度和稳定性方面的优势,并给出了激励信号的参数分析及其DSP具体实现。     

基于小波去噪和改进型PSO-SVM的微波加热温度预测模型研究

针对微波加热过程的非线性相关性和时滞性,提出基于相关原则优化阈值的小波去噪和改进型粒子群算法优化支持向量机相结合的微波加热褐煤温度预测方法。采用相关原则优化阈值的小波对微波加热褐煤温度进行提取,通过引入相似度函数和控制参数α改进粒子群算法,用于优化微波加热褐煤温度支持向量机预测模型的惩罚系数C、不敏感损失函数参数ε、核函数参数g等3个直接影响温度预测精度的参数。相似度函数增大,粒子随机变异率增大;迭代次数增加,控制参数α减小。仿真实验结果表明,优化后的支持向量机回归预测模型提高了微波加热褐煤温度预测的准确率,为微波干燥褐煤控制方法的研究提供一种可供参考的数学模型。     

基于新陈代谢无偏灰色神经网络的水质预测模型

针对水质参数样本数据少且非线性的特点,建立了新陈代谢无偏GM(1,1)与BP神经网络的组合预测模型,将通过新陈代谢无偏GM(1, 1)模型得到的数据集作为BP神经网络的输入,原始序列作为神经网络的期望输出,训练得到最佳BP神经网络。将该组合模型应用于乐山岷江大桥断面溶解氧浓度的预测,结果表明,相对误差均在3%以下,与传统灰色神经网络水质预测模型相比,该模型具有实时性及预测精度更高的优点。     

大型灌区渠道编码标准的设计与应用

渠道编码是灌区信息化中一项重要的基础工作，在SL249-1999《中国河流名称代码》等国家标准中只涉及很少一部分大型渠道，而突出灌区特色的渠道编码在国内尚未见相关报道。介绍了一整套的灌区渠道编码标准方案，以及在该方案中研究的问题及解决方法。将该方案应用于四川省都江堰灌区，完成了《都江堰灌区渠道名称代码》，并以都江堰灌区内一部分较有代表性的渠系为例，对其进行编码以示范编码方法和过程，以期对全国其它灌区标准的编制俾有所益。     

基于CompoBus/S现场总线的闸门控制系统的开发

设计开发出一套采用OMRON公司的PLC为控制核心的闸门远程控制系统；通过搭建CompoBus／S现场总线控制网络，实现崇州西河闸门集中／现地控制，并达到预期效果。对控制系统功能以及软硬件设计进行详细说明，并着重阐述CompoBus／S的搭建方式、数据交换过程以及在实际应用中的数据格式的处理问题。     

水资源规划智能决策支持系统的结构设计

针对目前水资源规划智能决策支持系统的典型结构提出了存在的一些问题和需要改进的技术，设计出水资源规划智能决策支持系统的具体实现结构。与典型结构相比，该结构能够实现对空间信息的支持，并可实现对专家知识的自动获取与表示以及对水资源规划中所涉及的海量数据的有用信息的提取与处理。     

脉冲幅度信号获取系统

本文提出了一种由脉冲峰值检测电路，模数变换器及数据传输接口组成的单模块脉冲幅度信号获取系统。讨论了它的结构，工作原理及在计算机多道系统中的应用。     

基于组态软件的闸群监控系统的开发

本文是以拦河水闸群实时监控系统为开发背景，在描述闸群实时监控系统的基本组成、功能及主要特点的基础上，详细介绍了组态王6.51在此监控系统上层组态软件中的应用和具体的编程情况。     

基于提升方案的冗余Haar小波变换与时间序列预测

针对小波分析存在的边界问题，提出一种基于提升方案的冗余Haar小波变换(Haar_RLWT)。使用该方法得到的系数序列，在具备时移不变性的同时，消除了右侧边界存在数据畸变的现象，使小波分析技术结合神经网络等传统预测模型的方法应用于时间序列预测任务具备可行性。同时为进一步提高预测效果，引入神经网络集成技术以改善网络泛化能力。实验表明，该综合预测模型预测效果与稳定性优于传统预测模型。