基于深度神经网络构建风电机组性能模型的超参数选择

风电行业中基于深度神经网络技术来构建风电机组性能模型受到了业内人员的广泛关注,然而对于深度神经网络自身超参数选取对模型结果的影响仍缺少系统性分析。以深度神经网络隐含层层数、深度神经网络形状及隐含层神经元数量为研究基础,研究了超参数取值对风电机组性能模型构建效果的影响,并通过实际运行数据验证了参考风电机组的最优配置及其推广性。结果表明,深度神经网络隐含层层数、深度神经网络形状及隐含层神经元数量这3个超参数的不同配置对最终构建的风电机组性能模型存在一定影响,但从工业应用的角度来看,这些影响基本可以忽略;同时,基于参考风电机组得到的最优超参数配置能够直接推广到同一风电场相同型号的所有风电机组上应用。     

静荷载和碳化共同作用下混凝土梁耐久性分析

以某混凝土梁为例,根据元模型原理,并结合碳化深度预测模型,定量分析了碳化深度与荷载和时间的关系,研究了某一特定静荷载作用下混凝土梁碳化深度随时间的变化及其耐久性。结果表明,在0.7T的应力水平下,混凝土梁在加速碳化条件下28d(自然碳化条件下50年)时碳化深度达到20mm,并达到承载能力极限状态,研究结果与某工程栈桥梁碳化的实际情况较为一致。     

基于贝叶斯优化算法的新安江模型参数优化及应用

鉴于参数优化是保证水文模型预报效果的重要途径,以息县流域为例,采用贝叶斯优化算法对新安江模型参数进行优化,并与遗传算法进行比较。结果表明,在息县流域日径流预报问题上,贝叶斯优化算法相比遗传算法效率提升显著,精度略优于遗传算法,非常适用于解决新安江模型参数优化问题。     

贝叶斯方法在水环境系统不确定性分析中的应用述评

贝叶斯方法是解决不确定问题的新思路,评述了以贝叶斯公式、贝叶斯统计推断及贝叶斯网络为基础的贝叶斯方法在水质评价、水环境模型参数识别、水环境管理及风险决策方面的应用。贝叶斯公式可很好地解决水质评价中监测数据、水质级别、水质标准等蕴含的不确定信息。贝叶斯统计推断耦合水环境模型为模型参数识别提供新方法,其应用难点为贝叶斯后验分布的计算。介绍了后验分布的离散贝叶斯算法、传统及改进MCMC算法。贝叶斯网络在水质评价、模型预测、水环境管理及风险决策中可同时考虑多个变量的综合作用,得到影响管理决策各因素的不确定性信息,为水环境的管理决策提供科学依据。     

孔隙水饱和度对混凝土碳化特性的影响

为研究孔隙水饱和度对混凝土碳化特性的影响,提出了孔隙水饱和度预处理方式,设计了孔隙水饱和度为45.8%、58.5%、73.9%、83.8%的四组混凝土快速碳化试验,运用酚酞指示剂法和模拟孔溶液法测试了不同孔隙水饱和度混凝土试件的碳化深度及碳化程度,并建立了基于孔隙水饱和度的混凝土碳化深度影响系数。结果表明,孔隙水饱和度对混凝土的碳化深度具有显著影响,在45%~85%范围内与碳化深度基本成反比关系;对混凝土碳化起决定作用的是孔隙水饱和度,而不是环境的相对湿度,按照《普通混凝土长期性能和耐久性能试验方法标准》进行快速碳化试验时,不宜直接采用外部环境相对湿度表征孔隙水饱和度的影响;孔隙水饱和度对混凝土不同碳化区域碳化程度的影响并不相同,在碳化反应稳定区内碳化反应程度与孔隙水饱和度正相关,而在非稳定区内碳化反应程度与孔隙水饱和度负相关。研究成果为深入分析混凝土碳化特性奠定了基础。     

贝叶斯双边拍卖的水价模型

针对目前我国实行的政府制定水价机制存在的问题及不足,探讨了如何利用市场机制来研究水价形成机制,通过买卖双方报价过程,建立了基于拍卖理论的贝叶斯水价模型,得出均衡状态下的价格。这种价格机制克服了政府定价信息不对称以及无法实现水资源真实价值的弊端,研究结果对我国水价的制定和水资源管理具有一定的理论意义和应用价值。     

基于贝叶斯理论的SLURP水文模型参数不确定性评估及日径流模拟分析

为探讨贝叶斯理论在水文模型参数不确定性中的应用效果,以三峡库区兴山水文站以上的香溪河流域及其中的两个子流域1991～1995年日径流资料为研究对象,基于马尔科夫蒙特卡洛算法研究了SLURP水文模型参数及水文模拟的不确定性。结果表明,SLURP水文模型中深层地下水的截留常数、最大入渗率、浅层土壤的蓄水容量和深层地下水的初始百分比4个模型参数的不确定性较低;日模拟径流量95%不确定预测区间对实际观测数据的包括率为14.84%,平均相对区间宽度为1.27;径流模拟不确定性主要的贡献组分为壤中流,且子流域水平上的径流模拟不确定性在子流域汇流过程中发生了累积;两个子流域基流模拟的差别不大,其不确定性随时间逐渐降低。     

基于贝叶斯网络的水面蒸发评估模型研究

针对目前水面蒸发模型中对于各因素之间关联性考虑不足的问题,从太阳辐射、平均风速和气温日较差三个角度,选取云层厚度、温度和降雨等十个因素构建了快速评估水面蒸发程度的指标体系,并基于贝叶斯网络建立了水面蒸发评估模型,将该方法应用于白马湖和鄱阳湖的水面蒸发评估,结果表明两湖区水面蒸发损失程度均为中等,验证了该评估模型的有效性...     

基于熵权法赋权的贝叶斯水质评价模型

基于贝叶斯水质评价理论,运用熵权赋权法求各评价指标权重,提出了熵权法赋权的贝叶斯水质评价模型,并以南四湖下级湖徽山站和韩庄闸为例进行了水质评价。结果表明,该模型有效可行,较等权重贝叶斯法对水质所属类别分辨率更高,为水环境保护与治理提供了依据。     

基于贝叶斯优化—随机森林回归的燃煤锅炉NOx预测模型

根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NO_x质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型,以平均绝对百分比误差δ_MAPE和决定系数R²作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较。结果表明：BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δ_MAPE为1.478%,R²为0.916 2,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能。     

基于贝叶斯评价模型的抽水蓄能电站容量规划

将贝叶斯理论应用于抽水蓄能电站容量规划中,从技术、经济和环境角度出发,综合选取等效火电替代系数、调峰容量比、电力不足概率、节煤量和SO2排放量作为评价指标,运用秩比法和信息熵形成的组合权重法来确定各指标的权重,并以各方案中指标的最大值、最小值及两者平均值作为该指标的评级等级标准,应用贝叶斯公式构建贝叶斯评价模型推求出各方案的等级和综合评价值,并将其进行排序获得最优方案。实例应用结果表明,评价结果准确合理,具有可行性。     

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。     

基于模糊认知贝叶斯网络模型的水电机组故障诊断

为构建更为直观显示水电机组各类型故障之间因果关系的水电机组故障诊断模型,提出一种基于可能性原理的模糊认知贝叶斯网络建模方法,通过专家经验与数据学习构建普通贝叶斯网络与条件概率表,利用条件概率表发现变量间的概率因果关系,并根据不确定性原理将概率因果关系转化为模糊因果关系,最后确定因果关系标志符号,并完成模型的构建。通过构建水电机组故障诊断模型对模糊认知贝叶斯网络模型进行了有效验证,结果表明该模型能直观反映水电机组各类型故障之间的因果关系。     

基于电阻率的滑坡土体含水率贝叶斯LSTM网络模型预测研究

地下水是影响滑坡稳定性的重要参数,目前的土壤水分监测方法存在不同程度的局限性.对此,基于高密度电法与土体含水率的试验数据,采用长短时记忆网络等四种模型预测滑坡土体含水率,以均方根误差和拟合优度为模型评判准则,提出一种基于贝叶斯结构结合经验函数确定Dropout网络层参数的算法来优化模型;依据Dropout不同取值,通过...     

贝叶斯网络在变压器的油色谱数据分析和故障诊断中的应用

在对比目前较常见的几种故障智能诊断技术的基础上,应用贝叶斯网络技术分析变压器的油色谱数据,与IEC三比值法进行比较,讨论贝叶斯网络技术作为变压器故障诊断的辅助办法的应用前景.     

弹体侵彻岩石深度的神经网络模型

弹体对岩石、混凝土等材料侵彻深度问题是防护工程的基本问题之一.针对弹体对岩石材料侵彻深度问题,通过量纲分析和神经网络理论,建立了弹体长度ιp、弹的长径比ιp/d、弹体形状系数ψ、弹体与混凝土的σyt/σyp强度比、弹体与混凝土的密度比ρp/ρt等13个神经网络输入量与弹体侵彻深度h网络输出量之间的非线性映射关系.并采用改进BP网络模型,通过整理文献资料试验数据得到的样本对网络模型的训练.获得了弹体对花岗岩材料侵彻深度的满意输出结果.     

弹体侵彻岩石深度的神经网络模型

弹体对岩石、混凝土等材料侵彻深度问题是防护工程的基本问题之一。针对弹体对岩石材料侵彻深度问题,通过量纲分析和神经网络理论,建立了弹体长度lp、弹的长径比lp/d、弹体形状系数ψ、弹体与混凝土的σyt/σyp强度比、弹体与混凝土的密度比ρp/ρt等13个神经网络输入量与弹体侵彻深度h网络输出量之间的非线性映射关系。并采用改进BP网络模型,通过整理文献资料试验数据得到的样本对网络模型的训练,获得了弹体对花岗岩材料侵彻深度的满意输出结果。     

动态组合深度学习模型在短期负荷及光伏功率预测中的应用

人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合的短期负荷及光伏功率预测模型,在该模型中使用两种深度学习算法(长短记忆网络和深度置信网络)分别对输入数据进行训练,并使用线性模型对各个深度学习的训练结果进行动态结合,而后输出最终的预测结果。此外,文章使用广州的光伏功率数据与短期负荷数据对模拟结果的准确性进行验证。分析结果表明,文章所建立的预测模型具有良好的预测精度。     

基于需求响应的新能源电网深度调峰模型构建

在大规模的新能源并网消纳背景下,系统峰谷差逐年增大,导致调峰问题突出,构建基于需求响应的新能源电网深度调峰模型。获取新能源电网深度调峰模型参数：临界调峰率与调峰需求系数,基于用户需求响应,以新能源电网经济效益最优为目标,构建深度调峰模型。实例分析结果表明,本文构建模型的调峰深度为62.49%,可以综合优化电网的节能、减排以及经济效益,验证了该模型的可行性与可靠性。     

基于贝叶斯模型平均的赣江与汉江流域多气候模式集合研究

采用贝叶斯模型平均法(BMA)集合第五次耦合模式比较计划8个气候模式模拟的赣江流域和汉江流域1961～2000年的月气温、月降水数据,评估了单气候模式和BMA集合气温和降水的精度及其误差时空间分布。结果表明,BMA集合的两个流域月降水和月气温相关系数明显高于单个气候模式,其相对误差和绝对误差低于多数单模式,流域平均的均方根误差最小,BMA集合的月降水和月气温总体优于单个集合成员,表明了BMA法在一定程度上提高了气候模式在研究区气温和降水模拟精度。