基于改进关联规则算法的警情数据分析

针对传统Apriori算法挖掘警情数据的缺点，提出一种改进的Apriori算法。该算法首先在关联规则发现阶段引入权值参数，设计支持度阈值函数，以挖掘不常发生的重大案情发生规律；然后提出一种压缩矩阵优化算法，将数据压缩存储在只有0或1的矩阵中，并用2个数组来记录矩阵中每一行及每一列1的总数，可多次压缩矩阵，提升挖掘效率；最后将改进的算法用于实际的警情数据挖掘分析，给出关联规则挖掘结果。实验表明，改进算法不仅执行效率较传统算法有所提升，且针对警情数据的挖掘结果准确性也有所提高。     

考虑节点过载的碳排放空间关联系统级联失效模型

为提高突发事件级联失效对现实碳排放关联系统破坏程度的评估可信性，在传统复杂网络的"负载-容量"级联失效模型基础上，考虑个体成员对负载的冗余能力，提出一种过载失效概率，构建了考虑节点过载状态的级联失效模型，并基于节点特性提出了6种过载节点负载分配策略。仿真结果表明：在过载节点负载分配策略中，综合分配策略整体上较优，能够有效控制级联失效的规模，增加网络鲁棒性；在一定范围内提升过载参数有助于降低级联失效的影响，但提升到一定程度时改善效果不明显；在不同负载分配策略下，剩余系数存在一个最优值，容量可调参数存在最优区间，可以使碳排放关联网络保持较好鲁棒性的同时，花费较小的构建成本，其中紧密度分配策略对应的网络构建成本较高。     

基于分形插值的城市降雨时间序列精细化估算

基于分形原理对济宁市降雨时间序列进行精细化插值,对降雨数据的分形特征进行分析,通过MATLAB软件计算降雨分形插值,最终将分形插值与传统插值进行对比;所得结果可满足当前中小型城市的城市雨洪建模的降雨数据需求。     

轴流压气机叶型的类/形函数表示方法及气动优化

利用分析函数表示叶型中弧线与厚度分布,结合准三维流动求解器以及序列二次规划算法对高负荷级的动叶和静叶进行了以减小落后角和气动损失为目标的气动优化。初始叶型为NACA 65叶型,中弧线采用广义抛物线表示,只用最大拱度和最大拱度位置控制;厚度分布采用一阶类/形函数表示,只用一个比例因子KR控制。叶型几何只用3个参数变量,实现对初始叶型的表达。优化后动叶和静叶设计点损失分别下降19%和7.4%,工作范围均有增加,静压比提高,优化叶型的气动分布符合可控扩散叶型的设计思想。     

模糊专家系统及其在汽轮发电机组故障诊断中的应用

提出了一种用于汽轮发电机组故障诊断的模糊专家系统,分析了人机界面、解释机、知识库及推理机四部分功能;通过研究诊断规则的前提条件、权系数、前提真度及模糊结论置信度的确定方法,实现了知识库中模糊产生式规则表达;研究了基于正向推理控制策略的模糊推理方法,并分析了诊断结果的冲突消解方法。通过对汽轮发电机组汽流激振故障的案例分析,验证了本文模糊专家系统的有效性,为汽轮发电机组故障诊断提供了一种有效可行的方法。     

双季戊四醇在3种混合溶剂中的固-液相平衡

采用动态平衡法，在293.15～332.80 K、常压下，测定了双季戊四醇(DPE)在水+(甲醇、乙醇、异丙醇)三种混合溶剂中的溶解度数据。结果表明：DPE在不同质量分数的水+(甲醇、乙醇、异丙醇)混合溶剂中的溶解度随体系温度升高而增大；同一温度下，其在所选取溶剂体系中的溶解度随着甲醇、乙醇或异丙醇质量分数的增大而先增大后减小。λh方程、两参数方程与Apelblat方程均能够对所测定的溶解度数据进行较好的关联；通过修正的van’t Hoff方程计算得到DPE在所选取溶剂体系中Δ_sol H ⁰、Δ_sol S ⁰和Δ_sol G ⁰均大于零，表明DPE在所选取溶剂体系中的溶解过程为吸热、熵增的非自发过程。     

基于PCA和灰色关联的齿根裂纹损伤程度识别

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据。     

基于GRA-GRNN模型的露天金属矿爆破后矿岩界线位移分析

为了避免露天金属矿爆破后导致爆堆边缘矿石品位贫化损失,需要根据最低品位阈值重新计算矿岩边界,而影响矿岩边界发生改变因素众多,需要确定主要影响因素。因此,利用爆堆爆破前地形方向和爆堆地质数据,构建灰色关联-广义回归神经网络模型(GRA-GRNN)分析爆堆矿岩边界变化主要影响因素。首先对爆堆钻孔品位数据使用析取克里金法进行空间插值,并根据矿山工艺最低品位阈值提取爆破前的矿岩边界;其次,将爆破前后的数字DEM模型进行求差,求得爆破后的爆堆数字DEM模型,并构建爆破前后爆堆数字DEM模型空间分布椭圆,从而确定爆堆爆破后的水平形变方向;对影响爆堆爆破后形变的可能因素进行提取,并应用GRA-GRNN模型选取主要影响因素及对其强度进行分析,并将其结果与BP神经网络模型预测结果进行了对比。从实验结果可知,影响爆堆爆破后形变强度排前三的因素为:爆破前地形方向、爆孔排距和列距,强度分别为0.880、0.760和0.755,预测结果优于BP模型。     

基于卡尔曼滤波修正的多步风电功率预测

针对传统时间序列预测多步风速时不能预测突变风速使风电功率预测误差较大的问题,采用基于数值天气预报(numerical weather prediction,NWP)风速及历史风速修正的卡尔曼滤波法对NWP风速进行多步修正,并通过修正后的NWP风速进行多步功率预测,第16步风速平均绝对误差降低了0.47 m/s,将该修正NWP风速与支持向量回归相结合,构建风电功率预测模型。构建模型与ARIMA模型及NWP直接预测模型相比,误差分别降低了6.8%和8.4%。应用该模型对山东某地区风电场现场数据进行仿真测试,第16步预测准确率达到82.6%。