基于TCN的PM2.5浓度预测模型

作为大气污染主要因素之一的可吸入颗粒物PM_2.5严重影响人类的健康,受到广泛的关注。科学高效地预测PM_2.5有利于人类提前做好防护措施,保护自身安全。为此设计了基于时域卷积神经网络的PM_2.5浓度预测模型,选取中国环境监测总站的全国城市空气质量实时发布平台的数据,对陕西省西安市的PM_2.5浓度进行了预测,并对预测结果进行分析。与长短时记忆神经网络和门控循环单元模型进行对比实验,结果表明时域卷积神经网络在预测PM_2.5浓度中具有较好的性能。     

混合H2/H∞鲁棒控制器设计

在状态空间描述下,定义了混合H₂/H_∞控制的完整信息、完整控制、干扰顺馈、输出估计这4种典型情况.在二次稳定意义上,讨论了混合H₂/H_∞的性能指标,及这4种典型情况的混合H₂/H_∞线性反馈控制器设计,给出了充分必要条件.在典型情况分析的基础上,研究一般意义上的混合H₂/H_∞反馈控制器设计.H₂和H_∞的干扰输入阵及性能评价函数各不相同时的混合H₂/H_∞反馈控制器,与H₂和H_∞控制器设计相似,归结为解两个Riccati方程.但这两个Riccati方程含有参数,最优解要通过搜索这两个参数得到.结果包含了单纯的H₂和H_∞设计,可看作是H₂,H_∞和混合H₂/H_∞的统一设计方法.最后通过一个简单的例子,说明了控制器设计方法的可行性.     

混合H2/H∞参数辨识

研究了混合H₂/H_∞参数辨识问题.将混合H₂/H_∞估计方法应用到系统参数辨识中,给出了混合H₂/H_∞参数辨识算法.所得的算法不仅能满足规定的鲁棒性能,且为最小二乘(LS)参数估计误差判据提供了一个最优上界.结果表明:提高辨识的鲁棒性,需要牺牲辨识的精度作为代价.最后,仿真结果也验证了该方法的有效性.     

模态K4、D4系统的归结推理

本文将Ｐ．Ｅｎｊａｌｂｅｒｔ和Ｌ．ＦａｒｉｎａｓｄｅｌＣｅｒｒｏ提出的模态归结推理方法推广到命题模态逻辑K₄和D₄系统，建立了K₄逻辑的归结推理ＲK₄；D₄逻辑的归结推理R D₄，分别证明了ＲK₄和ＲD₄关于K相似文献   

时延网络化控制系统的H2/H∞混合控制

针对存在多步随机传输时延的网络化控制系统模型 ,研究了其随机稳定性及H₂/H_∞混合控制问题 .在一定的系统通信控制模式下 ,网络传输时延可以建模为一个马尔可夫随机过程 ,通过增广系统状态的方法将原系统转化为一个具有随机跳变系数的离散系统 ,同时通过建立随机跳变Lyapunov函数 ,构建了满足系统随机稳定的H_∞次优和H₂/H_∞混合控制状态反馈控制器 .该控制器可通过求解一组耦合的矩阵不等式而得 .     

MIMO离散时间系统混合l1/H2控制

研究了MIMO(多输入多输出)离散时间系统的混合l₁/H₂优化问题,该问题可描述为最优化一个传递函数矩阵的l₁范数同时保证另一个传递函数矩阵的H₂范数满足预定的指标.研究了最优目标函数值关于H₂范数指标的连续性.证明了MIMO系统混合l₁/H₂控制问题最优解的存在性.由于基于标定-Q(scaled-Q)方法求解MIMO混合l₁/H₂问题,避免了进行零点插值运算的困难.通过求解有限维非线性规划问题可得到最优目标值的收敛的上下界.     

基于自适应层级图卷积的多站点空气质量预测模型

时空预测任务在污染治理、交通、能源、气象等领域应用广泛. PM_2.5浓度预测作为典型的时空预测任务, 需要对空气质量数据中的时空依赖关系进行分析和利用. 现有时空图神经网络(ST-GNNs)研究所使用的邻接矩阵使用启发式规则预定义, 无法准确表示站点之间的真实关系. 本文提出了一种自适应分层图卷积神经网络(AHGCNN)用于PM_2.5预测. 首先, 引入了一种分层映射图卷积架构, 在不同层级上使用不同的自学习邻接矩阵, 以有效挖掘不同站点之间独特的时空依赖. 其次, 以基于注意力的聚合机制连接上下层邻接矩阵, 加速收敛过程. 最后, 将隐藏的空间状态与门控循环单元相结合, 形成一个统一的预测架构, 同时捕捉多层次的空间依赖关系和时间依赖关系, 提供最终的预测结果. 实验中, 我们与7种主流预测模型进行对比, 结果表明该模型可以有效获取空气监测站点之间的时空依赖, 提高预测精确度.     

基于模糊观测器的非线性MIMO系统H2/H∞模糊状态反馈控制

研究了非线性系统H₂/H_∞模糊状态反馈控制问题.采用局部线性化方法,用T-S模糊线性模型逼近非线性系统,用模糊观测器重构系统状态.在希望的H_∞干扰抑制约束下,通过最小化H₂控制性能指标,实现了模糊状态反馈次优控制.通过将优化问题转化成2个特征值问题(EVP),应用线性矩阵不等式(LMI)优化方法求解,使问题的求解大大简化.所设计的闭环系统在平衡点是局部二次型稳定的,系统抗扰性能和动态性能均较好.     

基于Kp = S1D1U1分解的多变量鲁棒模型参考自适应控制

针对具有噪声的多变量系统, 利用高频增益矩阵K_p = S₁D₁U₁分解, 提出了一种多变量鲁棒直接型模型参考自适应控制. 通过重新证明一些同单变量系统鲁棒自适应控制理论相似的性质, 及重新定义规范化信号, 找出了闭环系统的所有信号与规范化信号之间的关系, 严格地分析了闭环系统的稳定性和鲁棒性.     

受复杂多通道通信约束的网络化系统H2/H∞滤波

多通道网络化系统中每个通道存在不尽相同的网络不确定性因素, 使得H₂/H_∞ 滤波更加困难. 对此, 提出一种受多通道通信约束的网络化系统滤波方法. 首先, 基于最大数据包错序思想解决了传感器到滤波器之间的复杂多通道通信约束的问题; 然后, 建立了更加普适的融合多通道通信约束的滤波误差动态系统模型, 证明了在已知最长网络延时和最大连续丢包数情况下, 所设计的滤波器可使系统随机稳定且满足??2/??∞ 性能指标. 仿真结果表明该方法可行且有效.

     

基于KNN-LSTM的PM2.5浓度预测模型

目前多数PM_2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM_2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.     

A semi-empirical model for predicting hourly ground-level fine particulate matter (PM2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements

A semi-empirical model is developed to predict the hourly concentration of ground-level fine particulate matter (PM_2.5) coincident to satellite overpass, at a regional scale. The model corrects the aerosol optical depth (AOD) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) by the assimilated parameters characterizing the boundary layer and further adjusts the corrected value according to meteorological conditions near the ground. The model was built and validated using the data collected for southern Ontario, Canada for 2004. Overall, the model is able to explain 65% of the variability in ground-level PM_2.5 concentration. The model-predicted values of PM_2.5 mass concentration are highly correlated with the actual observations. The root-mean-square error of the model is 6.1 µg/m³. The incorporation of ground-level temperature and relative humidity is found to be significant in improving the model predictability. The coarse resolution of the assimilated meteorological fields limits their value in the AOD correction. Although MODIS AOD data is acquired on a daily basis and the valid data coverage can sometimes be very limited due to unfavourable weather conditions, the model provides a cost-effective approach for obtaining supplemental PM_2.5 concentration information in addition to the ground-based monitoring station measurement.     

Electrical response of Sm2O3-doped SnO2 to C2H2 and effect of humidity interference

Pure and Sm₂O₃-doped SnO₂ are prepared through a sol–gel method and characterized by X-ray diffraction (XRD) and transmission electron microscopy (TEM). The sensor based on 6 wt% Sm₂O₃-doped SnO₂ displays superior response at an operating temperature of 180 °C, and the response magnitude to 1000 ppm C₂H₂ can reach 63.8, which is 16.8 times larger than that of pure SnO₂. This sensor also shows high sensitivity under various humidity conditions. These results make our product be a good candidate in fabricating C₂H₂ sensors.     

Influence of doping BiYO3 and Nb2O5 on PTCR characteristics of BaTiO3 thermistor ceramics

Nb₂O₅-doped (1 − x)Ba_0.96Ca_0.04TiO₃-xBiYO₃ (where x = 0.01, 0.02, 0.03 and 0.04) lead-free PTC thermistor ceramics were prepared by a conventional solid state reaction method. X-ray diffraction, scanning electron microscope, Agilent E4980A and resistivity-temperature measurement instrument, were used to characteristic the lattice distortion, microstructure, temperature dependence of permittivity and resitivity-temperature dependence. It was revealed that the tetragonality c/a of the perovskite lattice, the microstructure and the Curie temperature changed with the BiYO₃ content. In order to decrease the room temperature resistivity, the effect of Nb₂O₅ on the room temperature resistivity was also studied, and its optimal doping content was finally chosen as 0.2 mol%. The 0.97Ba_0.96Ca_0.04TiO₃-0.03BiYO₃-0.002Nb₂O₅ thermistor ceramic exhibited a low ρ_RT of 3.98 × 10³ Ω cm, a typical PTCR effect of ρ_max/ρ_min > 10³ and a T_c of 153 °C.     

基于双路注意力机制的学生成绩预测模型

学生成绩的预测与分析旨在实现对学生的个性化指导,提升学生成绩及教师的教学成果.学生成绩受家庭环境、学习条件以及个人表现等多种因素的影响.传统的成绩预测方法往往忽视了不同因素对同一学生成绩的影响程度不同,而且不同学生受同一因素的影响程度也不同,所构建的模型无法实现对学生的个性化分析与指导.因此提出一种基于双路注意力机制的学生成绩预测模型(two-way attention, TWA),该方法不仅有区别地对待了这些因素对成绩的影响程度,而且考虑到了学生的个体差异性.该方法通过两次注意力计算分别得到各属性特征在第1阶段成绩和第2阶段成绩上的注意力得分,并考虑了多种特征融合方式,最后基于融合后的特征对期末成绩进行更好地预测.分别在2个公开数据集上对模型进行了验证,并根据各属性特征在期末成绩上的概率分布对预测结果进行可视化分析.结果显示,所构建模型能够更准确地预测出学生成绩,并且具有良好的可解释性.     

基于支持向量机的烟气二氧化硫排放量预测模型

针对循环流化床锅炉控制系统的烟气SO₂对象的非线性特点,本文建立了一种基于支持向量机的烟气SO₂排放量预测模型. 由于直接网格搜索确定支持向量机回归模型参数的方法计算量大、搜索时间长,本文采用单变量参数搜索结合网格寻优的方法来确定模型参数. 仿真结果表明,基于支持向量机方法建立的循环流化床锅炉烟气SO₂排放量预测模型具有良好的预测效果.     

GA-ELM在硫铁矿制酸尾气SO2浓度预测的应用

基于对整个生产流程的管控,使硫铁矿生产硫酸尾气的SO₂浓度达标排放,提出运用GA-ELM对制酸尾气SO₂浓度进行建模预测.在硫铁矿制酸的生产过程中采集对尾气SO₂浓度影响较大的关键点参数,运用GA-ELM神经网络对烟气制酸尾气SO₂浓度进行预测.该方法在某厂实际检验,其预测结果与实际数据吻合度较高,对于调整和优化工艺指标和尾气达标排放起到很好的指导作用.     

基于高斯过程的短期风电功率概率预测

风电是近年来发展迅速的绿色能源,因此对短期风电功率的预测就显得尤为重要.提出了基于高斯过程(Gaussian Processes,GP)的概率预测方法,详细说明了该方法的短期风电功率概率预测原理并建立了数学模型.为了使短期风电功率概率预测精度有一个良好的对比性分析,将基于不同的单一协方差函数以及组合协方差函数的GP方法用于预测中,以国外某风电场2006年6月份的历史风电功率实测数据进行算例实例分析,并与SVM方法在同等条件下进行比较.实验结果表明,GP方法均可以给出较好的预测效果,优于SVM的预测结果,且能给出预测输出的置信水平.若考虑具有自动相关确定(Automatic Relevance Determination,ARD)协方差函数或具有ARD特性的组合协方差函数时,GP方法的预测效果最好.     

基于差分注意力的时空小波分析视频预测算法

针对视频预测中空间结构信息细节和时序运动依赖关系难以准确预测的问题,受人类视觉过程的启发,提出一种基于差分注意力机制的时空小波分析视频预测算法.首先利用时空小波分析模块对视频内容进行多频分解,增强模型对于高频细节信息以及过程性运动的理解能力;然后利用差分注意力机制指导模型更高效、合理地分配注意力资源,提升对瞬时运动特征...     

Synthesis and enhanced gas sensing properties of crystalline CeO2/TiO2 core/shell nanorods

Crystalline CeO₂/TiO₂ core/shell nanorods were fabricated by a hydrothermal method and a subsequent annealing process under the hydrogen and air atmosphere. The thickness of the outer shell composed of crystal TiO₂ nanoparticles can be tuned in the range of 5-11 nm. The crystal core/shell nanorods exhibited enhanced gas-sensing properties to ethanol vapor in terms of sensor response and selectivity. The calculated sensor response based on the change of the heterojunction barrier formed at the interface between CeO₂ and TiO₂ is agreed with the experimental results, and thus the change of the heterojunction barrier at different gas atmosphere can be used to explain the enhanced ethanol sensing properties.