氯化橡胶的制备和应用

一:概述氯化橡胶是天然橡胶或合成橡胶与氯气反应而制得的产品。它具有极稳定的化学性,优异的绝缘性和防火性,因此被广泛应用于油漆、油墨,粘合剂等,用途甚广,发展迅速。天然橡胶的氧化最早报导于1859年,Reuchey于1915年在英国申请专利,1917年美国United Alkali公司(目前属于ICI)工     

模型驱动架构（MDA）相关技术研究与实现

MDA的实现关键在于正确地建立模型和模型之间、模型和平台之间的关系，并准确地定义并实现不同模型之间的映射，本文探讨在MDA框架下，从元模型的构建、模型的映射到最终代码的生成一系列的实现技术。     

基于粒子群优化的Wv-SVM燃气负荷预测

针对传统预测模型精度不高的问题,提出基于小波核支持向量机的复合预测模型。采用小波分析提取燃气负荷相关的特征值,通过粒子群优化算法确定小波核支持向量机的参数,利用支持向量机(SVM)解决非线性回归和时间序列问题。实验结果证明,该预测模型的预测精度比BP神经网络和传统高斯核SVM高。     

鸡蛋壳制备丙酸钙的方法分析与研究

丙酸钙凭借安全无毒副作用等优势,在食品市场中作为一类新型食品防腐剂被大规模应用。以蛋壳为原料制备丙酸钙,借助正交试验的方式对其工艺方法与工艺条件进行了较为全面的探讨,以明确制备的最优条件,在强化制备工艺竞争实力以及拓展发展前景方面有所助益。     

玉环电厂1000 MW超超临界机组发电机定子吊装工艺探讨

介绍国内首台超超临界1000MW机组发电机定子吊装施工方案的确认及作业过程，以扁担梁为例对自行设计的吊装系统进行了详细的强度校核计算，分析了方案实施过程中需注意的问题和改进建议。     

基于ESN和改进RBFNN的城市燃气负荷预测

城市燃气负荷预测是城市燃气管网系统运行调度中的重要内容.针对燃气负荷数据的周期性和非线性特点,以及单一模型存在的局限性,本文提出一种ESN和改进RBF神经网络的组合预测模型.首先用核Fisher线性判别对原始数据进行降维,其次用ESN模型进行初步预测,然后将ESN的预测结果作为RBF神经网络的输入来构建组合模型,并将差分进化算法和梯度下降算法结合,对RBF神经网络的结构和参数同时进行训练和优化,以增强算法的局部搜索能力,加快收敛速度.实验结果表明,本文模型比原组合模型的预测精度更高.     

基于优化小波BP神经网络的燃气短期负荷预测

在燃气短期负荷预测问题的研究中,燃气负荷由于受天气、人为活动等因素的影响,呈现出一种非线性特性,单个神经网络的局限性限制了其预测精度.为了有效的预测天然气短期负荷,提出了一种混沌遗传算法优化的小波BP神经网络预测模型.小波网络结合小波变换良好的时频局部特性和神经网络的自学习能力,加强了网络的函数逼近能力.利用混沌遗传算法的全局优化搜素能力对网络连接权值、阈值和伸缩平移尺度的优化求解,加快了网络的收敛的速度,建立最优的燃气负荷预测模型.将组合模型应用于上海燃气短期负荷预测,结果表明改进检测模型具有更好的非线性拟合能力和更高的预测精度.     

一种改进的组合SOFM-SVR股票价格预测模型

股票市场价格预测一直以来都被认为是金融时序预测领域的一项具有挑战性的工作。综合回归支持向量机SVR和自组织特征函数(SOFM)技术,并引入基于过滤的特征选择算法确定重要的输入变量,在SVR核函数的参数选择上采用粒子群优化算法(PSO)。SOFM算法将训练样本聚类,然后分别应用SVR来预测股票价格走势。最后应用上海A股的浦发银行日数据来做股票价格日预测,实验结果表明,经过改进的SOFM-SVR模型与之前的SOFM-SVR模型相比,在预测精度和训练时间上都有了较大的提高。     

支持向量机与时间序列预测综述

对近年来基于支持向量机的时间序列预测算法研究现状进行了综述.时间序列预测是一个极其富有挑战性的研究领域,具有广阔的应用前景,同时支持向量算法是有着巨大潜力的工具,必将在不久的将来在该领域取得突破性的进展.考察了支持向量算法中数据集和预处理、核函数、参数选定、预测评价指标以及支持向量算法总体框架的改进等几个方面研究状况,认为当今研究趋向于支持向量算法与各种人工智能算法的结合.     

多维注意力机制改进燃气负荷预测

燃气负荷预测是一项让城市安全经济地调配燃气的重要的工作. 目前, 基于注意力机制的Seq2Seq模型越来越多地应用于燃气数据预测, 是一种有效的燃气负荷预测方法. 然而, 针对燃气负荷数据这种突变频率高、幅度大的特点, 一般基于注意力机制的Seq2Seq模型难以提取数据中的多维时间模式信息与应对数据随机突变情况, 在处理影响因素复杂的燃气负荷的预测问题时仍然需要改进. 为此, 本文提出多维注意力机制Seq2Seq模型. 一方面设计研究了多层次时间注意力模块, 综合单时间步长、多时间步长的注意力计算提取数据中不同时间模式信息; 另一方面, 设计增加了局部历史注意力模块, 以改进模型中无法区分重要历史信息的缺陷, 使模型在预测时倾向于参考更为重要的历史信息. 本改进模型针对燃气负荷的独特特性, 具有较好的预测表现. 使用国内某市区的燃气消耗数据与2016年电工数学建模竞赛的电力负荷数据的实验结果表明, 本改进模型相对于一般注意力机制Seq2Seq模型, MAE分别降低了17%与9%.