基于参数优化SVR方法预测高炉煤气利用率

摘要：高炉煤气利用率是反映高炉能耗的重要指标,其预测控制对炼铁过程的节能降耗具有重要意义。利用某高炉在线采集的数据对煤气流温度分布和高炉煤气利用率的关系进行研究。首先,对高炉煤气利用率数据和能够实时反映煤气流分布的炉喉十字测温数据中的缺失值进行多重插补填充,并利用分位点计算煤气流分布的经验分布函数,得到测温数据的小时分布概率。再运用灰狼算法优化支持向量回归（Support Vector Regression,SVR）模型的样本量和核参数,建立高炉煤气利用率预测模型。结果表明,在优化建模样本量和模型核参数的情况下,支持向量回归模型的预测精度更高,能够为高炉的优化控制和节能降耗提供有力支持。     

基于人工神经网络的偏微分方程求解方法

针对各种微分方程传统的数值方法的求解中,传统的数值方法在求解微分方程时存在计算存储量、计算时间等都随着微分方程维数的增加而剧烈增长的问题,严重制约了高维问题的求解.提出一种求解偏微分方程的神经网络方法.通过数值算例说明,神经网络方法在求解微分方程问题上有高效率、很好地泛化等优点,为偏微分方程求解提供了一种有效的新途径.     

求解二维对流扩散方程的投影迭代法

鉴于目前流行的求解大型稀疏代数方程组的投影迭代法中,为提高迭代效率,在迭代前通常需要对稀疏矩阵进行预处理,改善迭代矩阵的条件数,从而减少迭代次数,这使得发展稀疏矩阵的存储技术变得尤为关键。基于二维对流扩散方程的四阶紧致差分格式,将其转化为代数方程组,得到其三对角块形式的系数矩阵,利用稀疏矩阵存储技术和预条件迭代法进行求解,并与传统的中心差分格式所得数值解进行比较,充分说明了方法的高效性和可靠性。     

矩阵转置对图形变换的几何意义

鉴于矩阵与数字灰度图像的对应关系,首先解释了矩阵转置的代数和几何定义,通过矩阵对应的灰度图像进一步探索了矩阵转置对图形变换的几何定义.其次,经过设计案例观察并总结出了矩阵转置对图形变换的几何意义是先将图像沿轴中心线作镜面翻转,再将图形按逆时针方向旋转.最后验证了矩阵转置对图形变换几何意义的正确性.     

三维对流扩散方程的稀疏存储及预条件迭代

基于四阶紧致格式对三维对流扩散方程进行离散,并给出所得到的离散线性方程组的块三角稀疏矩阵形式。以带双阈值的不完全因子化LU分解[(ILUT(τ,s))]作为预条件子,分别用FGMRES、BICGSTAB和TFQMR作为迭代加速器,对离散线性方程组进行求解验证了格式精度并比较了不同迭代法的CPU时间和迭代步。此外,通过比较传统迭代法和预条件迭代法的计算效率,表明预条件迭代法不仅能够保证格式的四阶精度,还能极大地提高收敛效率。