基于MF-DCCA 的呼吸道疾病与大气污染物相关性分析

针对呼吸道系统疾病与大气 PM2:5、 SO2 浓度序列的相关性特征, 应用多重分形消除趋势波动分析法 (MF-DCCA), 对张家界市永定区呼吸道系统疾病患病人数与大气 PM2:5、 SO2 浓度序列进行了研究。结果发现该地区 呼吸道系统疾病患病人数与大气 PM2:5、 SO2 浓度的相关性具有长期持续特征和多重分形特征。随后对它们相关性 多重分形特征的动力来源进行了分析, 通过随机重排和相位随机处理, 结果表明在不同时间尺度上的长期持续性影响 是其主要动力来源。进一步研究发现该地区呼吸道系统疾病与大气 PM2:5、 SO2 浓度序列的相关性在四个季节均具 有长期持续性的多重分形特征, 且夏季多重分形特征相对强于其他季节。     

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.     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

聚酯装置全消光转产特种消光过渡优化

总结了中国石化仪征化纤有限责任公司全消光转产特种消光切片的现状,根据理论计算反应釜中的TiO2含量随时间变化的公式,探索影响转产过渡时间的因素,为减少转产过渡时间,降低过渡料提供理论依据.     

CuO-SiO2气凝胶@TiO2纳米纤维无牺牲剂光催化还原CO2

采用溶胶-凝胶法制备CuO-SiO2复合气凝胶,通过在气凝胶孔道内填充TiCl4,然后将其气相水解,得到了在CuO-SiO2气凝胶表面生长了高结晶度的TiO2纳米纤维(CuO-SiO2@TiO2),纤维直径～16 nm.通过XPS、UPS、UV-Vis DRS、荧光光谱(PL)等表征了材料的结构及光电性能.结果表明,制备的CuO-SiO2@TiO2对可见光有明显吸收,且荧光强度较商用TiO2(P25)大幅降低,光生电子-空穴对更加稳定.再在纳米纤维上负载CuO,所得CuO-SiO2@TiO2/CuO在可见光区的荧光强度进一步增强.以300 W氙灯为光源,分别以CuO-SiO2@TiO2及CuO-SiO2@TiO2/CuO为催化剂,无牺牲剂条件下光催化还原CO2,4 h后甲醇产率分别为1304.0及1589.0μmol/g-cat,转换频率(TOF)分别为0.038及0.046 h–1.循环实验表明,纳米纤维具有较好的光催化稳定性,经过4次光催化循环实验后,CuO-SiO2@TiO2/CuO的保留率～94％,甲醇产率可达1472.0μmol/g-cat,TOF为0.042 h–1.     

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.     

采煤机滚筒装煤效率优化

以雁崖薄煤层矿井采用的WG-2×125/571-WD型滚筒采煤机为研究对象,在阐述了滚筒装煤机理的计算过程后,利用MATLAB软件对叶片螺旋升角与装煤效率进行了模拟仿真,获得了螺旋升角的最佳值,接着利用PFC颗粒流软件将改进后的滚筒结构与原滚筒结构进行了模拟仿真.通过仿真得知:改进后的滚筒结构不仅能有效提高抛煤速度,而且能缩短煤流在叶片上的滑移时间.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

致密砂岩油藏能量补充方式评价及优化

针对致密砂岩油藏大规模体积压裂开发后能量补充困难的问题,利用自主设计制作的大型人造三维岩心物理模型和物理模拟实验舱,开展致密砂岩油藏能量补充方式优化研究。实验结果表明:致密砂岩油藏压裂开发过程中,地层能量损耗严重,采取注水或注气的方式可有效进行能量补充;地层中裂缝规模越大,越有利于原油渗流,后续补充能量的传播范围越广,有助于进一步提高原油采收率;从提高驱油效率和扩大波及系数方面优选吞吐渗吸介质,CO₂均优于活性水,CO₂吞吐开发在矿场试验中取得了显著的增油效果,因此,CO₂吞吐作为一种有效的能量补充方式在致密油开发中展现了良好的应用前景。该文分析了致密砂岩储层水平井压裂开发的渗流规律,优选出致密砂岩储层大规模压裂开发后最佳渗吸介质,可为致密砂岩油藏开发设计提供重要的理论依据。