基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

川中地区侏罗系沙溪庙组致密气处理和解释关键技术与应用

四川盆地蕴含丰富的致密砂岩气资源，近期利用高精度三维资料开展侏罗系沙溪庙组河道砂体勘探取得突出成效。沙溪庙组河道砂体具有横向变化快、储层非均质性强的特点，因此提高河道砂体的边界识别及其含气性预测精度是致密气地震勘探的关键。通过开展AVO特征低频保护的“六分法”（分类、分频、分时、分域、分步和分区）高保真叠前去噪、近地表Q补偿和OVT域叠前时间偏移等技术攻关，形成了一套针对川中地区侏罗系沙溪庙组致密气藏的“双高”（高保真、高分辨率）地震处理技术，并创新应用“双亮点”属性及多波、多分量砂体含气性地震预测等解释技术，提高了含气砂体预测精度。该技术系列在川中沙溪庙组致密气预测应用成果显著，地震数据频带得到了拓宽，低频信息更加丰富，资料信噪比明显提升，河道边界及其含气性预测的精度大幅提高，钻井成功率超过83%，应用成果有力地支撑了该地区沙溪庙组致密气的增储上产。     

机械设备故障规律及运行趋势预测方法综述

对于机械设备的故障运行问题,技术人员应当深入研究机械设备的故障规律,并研究出运行趋势的预测方法,从传感器的检测时间间隔与使用数量等方面加以深入的研究。本文介绍了机械设备运行状态的故障预测方法,并将机械设备运行状态的故障预测方法总结为三个步骤,分别是数据获取、处理与设备寿命预测,结合这些内容,提出了关于机械设备故障运行的一些方法,旨在为相关技术人员提供参考依据。     

FE-SEA方法在平台支持船噪声预报中的应用

平台支持船由于作业需要通常配备有动力定位系统,其在侧推工况下舱室噪声超标较为严重。针对这个问题采用计算流体力学(CFD)方法,得到侧推螺旋桨作用在导管上的脉动压力,并将时域计算结果转换成噪声计算的激励条件。采用有限元(FE)与统计能量分析(SEA)混合方法建立船体中频段FE-SEA耦合模型并建立船体高频段SEA模型,对某65 m AHTS船侧推工况下全频段(63 Hz~8000 Hz)舱室噪声进行预报,分析该船噪声分布规律及主要影响因素。并建立起全船的SEA模型,在中频段对比SEA与FE-SEA两种方法得到的舱室声压级频谱曲线,验证了使用混合模型的必要性。     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

基于有限元的低成本塔桅设计及承载能力分析

为研究铁塔公司发布的最新《低成本铁塔标准图集V1.0》的共享改造能力,文章选取了单斜撑三管塔0.65 kN/m2基本风压下的系列塔图,从各塔段的主管应力比和塔顶位移角两个角度,考虑新增天线设备、馈线、爬梯荷载,以及天线设备之间的相互遮挡,利用有限元软件SAP2000对每种塔型进行了常规设计分析和改造增载后的研究分析.由分析结果可知,每种塔型均有可共享改造能力,且随着塔身高度的增加,共享改造的能力逐渐降低.     

变压器内部故障在线检测方法仿真及误差分析

为研究变压器内部故障在线检测方法的有效性及抗干扰性,搭建实际变压器的非线性三维有限元模型.对变压器常见几种类型的内部故障进行详细的结构仿真,通过"场-路耦合法"构建各类型故障的ΔV-I1轨迹.同时,通过对正常绕组的测量信号设置一定的误差,构建了考虑测量误差时的误差轨迹.在此基础上,将正常时的标准轨迹、误差轨迹和各种类型的故障轨迹进行对比分析,通过对ΔV-I1轨迹特征差异的定性分析与定量计算,验证该方法在实际应用中的有效性,总结判断各类型故障的规则,同时针对测量误差所造成的干扰提出了建议.     

反褶积拓宽频率方法研究

反褶积技术是地震资料处理中最常规和最重要的手段之一,反褶积的主要目的是压缩地震子波,提高地震资料的分辨率,等同于在频率域拓宽地震资料的频带。另外反褶积还可以压制多次波,提高信噪比。预测反褶积是反褶积中比较常用的方法之一。首先介绍了预测反褶积技术的基本原理,通过模型试算验证了预测反褶积算法的有效性及正确性。并将编写的预测反褶积算法应用于实际地震数据,反褶积后频带拓宽了17Hz,高低频成分均得到了提升。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.