Fenton氧化-混凝沉淀-O/A/O工艺处理焦化废水

采用Fenton氧化-混凝沉淀-O/A/O工艺处理焦化废水,通过改变反应时间、进水pH值、Fe2+和H2O2的投加量,研究分析了Fenton氧化预处理焦化废水的最优工艺条件;再以O/A/O反应器净化预处理后焦化废水和生活污水的等比例混合污水,探讨了反应器回流比、曝气方式、进水pH值对CODCr和氨氮去除率的影响。研究表明,Fenton氧化工艺在反应时间为2.5 h、进水pH值为6、Fe2+和H2O2物质的量比为1∶6、Fe2+质量浓度为300 mg/L的条件下,对焦化废水CODCr的去除率可达到53%左右;O/A/O工艺在选取合理回流比、曝气方式、进水pH值的情况下,对焦化废水具有稳定的去除能力,出水水质达到GB 8978—1996《污水综合排放标准》一级标准。     

基于互信息属性分析与极端学习机的超短期风速预测

超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。     

采用最优多分辨率快速S变换的电能质量分析

为兼顾电能质量信号分析的类型识别与参数估计需要,设计一种最优化多分辨率快速S变换(OMFST),用于电能质量信号识别与参数估计。首先,分析不同时-频分辨率下时间-幅值曲线与频率-幅值曲线中,扰动起、止处峭度与扰动参数估计误差间的关系;之后,根据离差最大化法,确定不同频率范围内最优窗宽调整因子,并通过3次样条插值法进行拟合,自适应调整不同扰动信号识别和参数估计所需最优窗宽;然后,针对扰动信号基频与扰动所在的中、高频频域范围进行OMFST处理;最后,从原始信号、原始信号傅里叶谱和OMFST变换结果中提取5条特征,构建基于模糊决策树的扰动分类器,识别13种电能质量信号,并估计电能质量信号参数。仿真实验和实测数据分析表明,新方法能够满足电能质量复合扰动参数估计需要,参数估计误差低于广义S变换等方法,同时保留了良好的分类能力。     

超滤膜技术在环保工程水处理中的应用

超滤膜技术是一种把溶液滤过、分离、浓缩的膜透过分离技术,超滤膜技术是对传统水处理技术的继承和创新,随着应用领域的不断延伸,超滤膜技术不仅在工业领域应用较广,在环保工程水处理领域也被广泛应用.文章概述了超滤膜技术的基本原理,介绍了超滤膜技术的特点,探讨了超滤膜技术在环境保护工程水处理中的具体应用.     

基于Hadoop的可视化Deep Web采集平台设计

随着信息技术的发展,互联网信息资源变得越来越丰富,大数据技术的发展使得我们能够从互联网复杂的信息数据中获得相应的知识。这其中最基本的技术就是大数据采集技术,它使我们能够将互联网数据快速采集下来并结构化存储。设计的基于Hadoop的可视化Deep Web采集平台是一种简单易操作的高效深度采集平台,运用Webkit技术作为核心引擎实现可视化配置和深度采集功能,同时通过优化采集算法,调整Hadoop任务分配策略提升效率。实验结果表明,设计的数据采集平台获得了较好的效果。     

采用正则化极限学习机的短期风速预测

摘要： 高效、准确的风速预测是风电场功率预测的基础,对风力发电控制和风电场并网运行等具有重要意义。针对风速时间序列具有强烈的非线性和波动性,且难以精准预测的特点,提出一种基于正则化极限学习机（regularized extreme learning machine,RELM）的风电场短期风速预测新方法。首先,采用自相关函数（ACF）对风速时间序列的相关性进行分析,得到预测模型输入属性集合;其次,确定预测网络的输入、输出等参数,并建立RELM模型;再次,利用训练集在训练过程中确定网络参数,构建RELM预测模型;最后,以RELM预测模型开展短期风速预测,得出预测结果。采用美国风能技术中心的实测风电场风速数据开展实验证明,相对于标准的ELM和BP神经网络,新方法具有更好的预测精度。     

一种新型模块化风速预测方法

针对风电场风速随机性强、波动性明显以及预测难度高等问题,提出一种新型模块化风速预测的方法。该方法主要包含3个模块:风速属性加权模块、智能优化聚类模块及极限学习机风速预测模块。首先考虑不同气象属性对风速的影响和风速的时间波动特性,计算风速属性矩阵元素的皮尔逊系数值并进行加权;然后采用遗传-模拟退火算法优化模糊c均值聚类方法,对加权风速属性矩阵矢量进行聚类;再通过极限学习机构建各类别的风速预测模型,进行短期风速预测。最后结合美国一风电场(N39.91°,W105.29°)的实测数据对风速进行预测,通过对比仿真结果与实测数据验证该文方法的正确性和有效性,结果表明该方法具有较高的预测精度。     

基于运动想象辅助的下肢康复控制系统

现今社会中由于种种因素，如自身机能下降、意外车祸、外伤等造成的肢体运动性障碍的病人在显著增加。临床上广泛使用下肢康复训练机器来辅助患者康复训练，而近年来脑机接口技术的飞速发展，使其在该康复领域得到极大的重视。脑机接口通过对肢体运动障碍患者运动想象或诱发产生的脑波信号进行识别，从而控制下肢康复设备实现辅助运动。     

城市交通基建项目对交通影响的分析及对策

以深圳市宝安区为例,分析了城市基建项目对交通的影响,在总体疏解的前提下,提出了区域交通疏解的核心思路,阐述了主要的改善对策及措施,以减少轨道、道路、疏港等建设项目对区域的交通影响。     

基于优化FCM聚类的RELM风速预测

准确的风速预测对大规模风电并网具有重要意义。提出一种基于互信息属性约简优化聚类的正则化极限学习机短期风速预测方法。首先考虑不同属性特征对风速的不同影响,计算风速特征属性序列与风速序列的互信息,并运用最大相关最小冗余算法进行特征选择,然后采用优化的模糊C均值聚类方法对风速样本进行聚类,再对极限学习机进行优化,进而构建风速组合预测模型。最后结合风电场实测数据进行风速预测实验,结果表明该方法具有较高的预测精度。