基于遗传算法—优化长短期记忆神经网络的柴油机瞬态NOx排放预测模型研究

为实现选择性催化还原系统（selective catalytic reduction,SCR）尿素喷射量的精确控制,构建并评估了一套利用遗传算法（genetic algorithm,GA）优化长短期记忆（long short term memory,LSTM）神经网络的柴油机瞬态NO_x排放预测模型。针对柴油机瞬态运行特点,选择柴油机NO_x排放的主要影响因素进行相关性分析,确定模型的输入变量;为避免人为选取参数对神经网络预测性能的不良影响,采用遗传算法优化LSTM神经网络的参数,建立预测柴油机瞬态NO_x排放的GA-LSTM模型;最后对预测模型进行了性能测试。结果表明,该模型具有较好的预测能力。     

火电厂氨逃逸的预测研究

为了实现机组超低排放并能够安全稳定运行,基于脱硝系统入口烟气温度、入口O₂体积浓度、入口和出口NO_x质量浓度、喷氨量和空气预热器差压等分散控制系统(DCS)数据,分别构建了用于预测氨逃逸的长短期记忆网络(LSTM)模型和支持向量回归(SVR)模型。根据现场测试的SCR系统入口和出口NO_x质量浓度和氨逃逸量,计算得到宏观的脱硝装置潜能,结合同时间段内的DCS数据计算氨逃逸量,并作为真实值与LSTM模型和SVR模型的预测值进行对比。结果表明：SVR模型对氨逃逸的预测有较高的准确度和泛化能力,SVR模型对测试样本的均方根误差δ_MRE=0.007 1μL/L,平均绝对误差δ_MAE=0.002 4μL/L;LSTM模型对测试样本的预测误差δ_MRE=0.047 0μL/L,δ_MAE=0.019 0μL/L。     

基于EEMD-Xgboost组合模型的渭北流域月径流序列模拟研究

为提升月径流序列的模拟精度,利用集合经验模式分解（EEMD）析出原始流量数据的模态分量,将极限梯度下降（Xgboost）作为预测函数,构建了基于EEMD-Xgboost的月径流预测模型,并应用EEMD-Xgboost模型训练了黄土坮塬区漆水站1951～1996年月径流序列变化规律,预测了1997～2020年的月径流量。结果表明,与单一Xgboost模型相比,EEMD-Xgboost模型的Nash-Sutcliffe效率(N_NSE)提升了20.27%、均方根误差(R_RMSE)减小了93.23%;且EEMD-Xgboost模型优于EEMD-ELM、EEMD-RF模型(N_NSE分别提高2.30%、3.49%;R_RMSE减小2.64%、11.75%)。EEMD-Xgboost混合模型集合了数据自适应分析与非线性映射的优点,改善了传统单一模型的预测能力。     

基于天气类型聚类和LSTM的PM2.5短期预测模型

为了提高多变天气状态下PM_2.5的预测精度,利用灰色关联分析确定与PM_2.5相关性较强的因素,通过Copula函数建模分析得出PM_2.5与AOD具有强相关性且季节差异明显。采用自组织特征映射(SOM)对天气类型进行聚类识别,基于LSTM建立不同天气类型下的PM_2.5浓度短期预测模型。算例结果表明,与传统BP神经网络、支持向量回归方法相比,基于LSTM建立的模型具有更高的预测精度。     

基于IAOA-VMD-LSTM的超短期风电功率预测

为了对风电功率进行精确预测,提出一种基于改进算术优化算法（IAOA）、变分模态分解（VMD）和长短期记忆网络（LSTM）的超短期风电功率预测模型（IAOA-VMD-LSTM）。利用IAOA对VMD的关键分解参数k和α进行优化,得到的各固有模态函数（IMF）具有周期性,能够提升LSTM的预测精度,同时利用IAOA对LSTM网络参数进行优化。通过对风电功率数据进行预测分析,结果表明IAOA-VMD-LSTM预测模型相比于其他模型的预测精度更高。     

基于XGBoost-LSTM组合模型的光伏发电功率预测

该文提出一种基于极端梯度提升（XGBoost）模型和长短期记忆网络（LSTM）模型的短期光伏发电功率预测组合模型。根据短期光伏发电特性,首先分别建立XGBoost模型和LSTM模型,然后利用XGBoost模型进行初步预测增加特征,并利用误差倒数法将两模型组合起来进行预测。选取2018年光伏电站人工智能运维大数据处理分析大赛的数据集进行实验评估,最终结果表明,该文所构建的XGBoost-LSTM组合模型的均方根误差（RMSE）为0.214,将上述方法与随机森林、GBDT模型和单一的XGBoost模型和LSTM模型相比较,该文提出的方法具有更高的预测精度。     

生物质成型机成型模孔内表面摩擦力分形预测

选择2种模孔材料,利用粗糙仪测出其表面形貌,提取轮廓数据,采用尺码法计算出表面分形参数D和G,再基于经典接触公式和M-B分形接触模型建立成型模孔内表面滑动摩擦力分形预测模型并进行模拟,最后利用摩擦磨损试验台进行验证。结果表明：当环模模孔内表面的粗糙度R_a值3.428 μm时（45钢）,D值为1.373,G值为1.55×10_-6 m;而当其R_a值为4.002 μm时（40Cr）,D值为1.359,G值为0.82×10_-6 m;摩擦力随真实接触面积的增加呈增大趋势,单位摩擦力随真实接触面积的增加呈减小趋势;在A_rrc时,摩擦力增大速度较快,单位摩擦力减小速度较快;在A_r>A_rc时,摩擦力增幅较平缓,单位摩擦力降幅较平缓。经实验验证,摩擦力模拟结果比试验结果略高,且随真实接触面积的增大,摩擦力的模拟值正逐渐接近实验值,模型预测较准确。     

基于LSTM神经网络的高拱坝混凝土温升阶段温度预测

为实时掌控高拱坝混凝土温度变化,及时制定合理控温措施,防止产生温度裂缝,深入分析了混凝土温升阶段温度影响因素,并选取初始浇筑温度、环境气温、通水温度、通水流量、绝热温升等5个主要因素作为LSTM神经网络的输入因素,建立了基于LSTM神经网络的高拱坝混凝土温升阶段温度预测模型,同时采用最大误差、平均绝对误差(M_MAE)、对称平均百分比误差(S_SMAPE)等评价指标检验模型精度,最后以白鹤滩高拱坝为例,对大坝混凝土温升期的温度进行预测。结果表明,所建预测模型的最大绝对误差为0.58℃,M_MAE、S_SMAPE分别为0.30℃、1.35%,预测精度较高,可操作性强,能为高拱坝混凝土温度控制提供决策支撑。     

基于GRU-BLS的超短期光伏发电功率预测

光伏发电功率的准确预测对电网的稳定运行具有重要的意义。针对深度学习训练耗时长和宽度学习特征提取能力弱等问题,将门控循环单元（GRU）与宽度学习系统（BLS）相融合,提出了用于超短期光伏发电功率预测的GRU-BLS模型。先使用GRU训练序列样本,再将所学习到的隐特征作为新的输入特征,最后在BLS中构造特征节点和增强节点以形成最终的特征。所建立的模型在保留深度学习高预测精度的前提下,有效地缩短了模型的训练时间。在实际的光伏发电数据集上进行实验,评估所提模型在不同季节和天气类型下的性能。实验结果表明：与长短期记忆（LSTM）,GRU,BLS和LSTM-BLS等模型相比,GRU-BLS的RMSE值降低了23.89%～75.68%,且TIC值和MAPE值也得到了显著改善。     

基于FCM-WOA-LSTM的大坝变形预测模型及其应用

随着大坝变形监测资料的持续积累和变形测点数量的不断增多,预测分析全部变形测点往往需耗费大量的时间,容易造成反馈不及时的问题。对此,引入模糊C-均值聚类算法(FCM),根据大坝变形规律的相似程度进行分区,将鲸鱼优化算法(WOA)用于长短期记忆神经网络(LSTM)模型的参数优化,建立基于FCM-WOA-LSTM的大坝变形预测模型,以某混凝土双曲拱坝的实测变形资料作为样本数据进行预测分析,并与LSTM模型和SVM模型的预测结果进行对比。结果表明,FCM-WOA-LSTM模型预测结果的平均绝对误差M_MAE、均方误差M_MSE、均方根误差R_RMSE均为3种模型中最小,且拟合段的3个评价指标值和预测段的3个评价指标值均接近,FCM-WOA-LSTM模型具有更高的预测精度和更好的适用性。     

三种湍流模型对缸盖鼻梁区沸腾换热影响的研究

为了比较湍流模型对缸盖鼻梁区换热计算结果的影响,采用三种湍流模型对简单的T型截面刚体进行数值模拟计算,并与实验数据进行了对比。结果表明,在相同边界条件下,不同湍流模型的计算结果有很明显的差别。在沸腾状态下,对于换热问题的计算,采用AKN模型和SST模型都比较合适。其中AKN模型的计算值与实验值的偏差最小。     

On A Thermoelastic Three-Phase-Lag Model

A three-phase-lag model of the linearized theory of coupled thermoelasticity is formulated by considering the heat condition law that includes temperature gradient and the thermal displacement gradient among the constitutive variables. The Fourier law is replaced by an approximation to a modification of the Fourier law with three different translations for the heat flux vector, the temperature gradient and also for the thermal displacement gradient. The model formulated is an extension of the thermoelastic models proposed by Lord–Shulman, Green–Naghdi and Tzou.     

本源微生物菌剂治理河流污染的数值模拟研究

为研究在本源微生物菌剂治理污染河流的过程中DO、COD和氨氮随时间的变化规律,以河流自净原理为理论基础,从反映微生物增殖的Monod模型、着重于生物处理过程基本原理的活性污泥1号模型(ASM1)和水质模型Streeter-Phelps三方面对微生物在污染水体中的降解活动进行数学描述,利用耦合模型模拟甘坑河治理过程中DO、COD和氨氮的浓度变化。结果表明,DO、COD和氨氮的模拟值与实测值较吻合,耦合模型对本源微生物菌剂治理污染河流的过程的模拟较为理想。     

用组合预测模型对我国能源需求量的研究

随着中国经济的快速发展,能源消费不断提高。利用能源消费量的历吏数据,建立了我国能源消费系统的ARMA模型和灰色预测模型的组合模型。通过组合模型和ARMA模型、灰色预测模型的具体比较分析,证明组合模型更为易行、有效,可以作为我国及地区未来能源消费量预测的有效工具。     

ARIMA-RBFNN组合模型在白城市降水量预测中的应用

针对降水受大气环流、地形、气压等诸多环境因素影响致使准确预报降水量较为困难的问题,结合ARIMA模型和RBFNN模型各自优势,提出了ARIMA-RBFNN组合模型,对白城市2001~2010年降水量进行了预报,并与ARIMA模型和RBFNN模型预报结果进行了对比分析。结果表明,ARIMA-RBFNN组合模型在预测降水量时最大相对误差为27.33%,最小相对误差为0.70%,平均相对误差为8.54%,预测精度明显优于ARIMA模型和RBFNN模型,可见该组合模型发挥了ARIMA模型和RBFNN模型各自的优点,为精确预测降水量提供了一种有效方法。     

Kinetic models for fermentative hydrogen production: A review

The kinetic models were developed and applied for fermentative hydrogen production. They were used to describe the progress of a batch fermentative hydrogen production process, to investigate the effects of substrate concentration, inhibitor concentration, temperatures, pH, and dilution rates on the process of fermentative hydrogen production, and to establish the relationship among the substrate degradation rate, the hydrogen-producing bacteria growth rate and the product formation rate. This review showed that the modified Gompertz model was widely used to describe the progress of a batch fermentative hydrogen production process, while the Monod model was widely used to describe the effects of substrate concentration on the rates of substrate degradation, hydrogen-producing bacteria growth and hydrogen production. Arrhenius model was used a lot to describe the effects of temperature on fermentative hydrogen production, while modified Han–Levenspiel model was used to describe the effects of inhibitor concentration on fermentative hydrogen production. The Andrew model was used to describe the effects of H⁺ concentration on the specific hydrogen production rate, while the Luedeking–Piret model and its modified form were widely used to describe the relationship between the hydrogen-producing bacteria growth rate and the product formation rate. Finally, some suggestions for future work with these kinetic models were proposed.     

Acidogenic hydrogen production from wastewater: Process analysis with the function of influencing parameters

Current communication reports the application of kinetic models viz., modified Gompertz, modified Logistic, Ratkowsky and Andrew model to study the acidogenic hydrogen (H₂) production along with volatile fatty acids (VFA) production and substrate degradation from various wastewater (dairy, distillery, chemical and designed synthetic wastewater) using mixed consortia. Influence of fermentation time was specifically evaluated by modified Gompertz and modified Logistic models on H₂ and VFA production. Influence of system redox condition on process was evaluated by Ratkowsky and Andrew models. The modified Gompertz model showed best fit for H₂ production as well as substrate degradation while modified Logistic model showed good acceptability with VFA production. The Andrew model describes both H₂ and VFA production with respect to system redox condition relatively well. This information provides an understanding of the process behavior, which can help in the design and upscaling of the process for efficient H₂ production. Copyright © 2015 John Wiley & Sons, Ltd.     

用于电力系统仿真的水电机组原动机模型适应性研究

鉴于以往研究侧重于水电机组原动机模型开发,较少研究模型的适应性,且缺乏在电力系统仿真中选取模型的指导性建议与方法,提出模型选取原则,通过仿真水轮机模型、水击模型与调压室—分叉管模型的动态行为,分析水击模型的稳定域,从而归纳出模型的适用条件。结果表明,解析非线性模型与理想模型适合于描述水斗式水轮机,混流式水轮机宜使用传递系数模型;可依据Tw/Tr和Tf/Tr的值选取刚性水击模型与降阶弹性水击模型;当仿真时间较长时需要采用调压室—分叉管的模型。     

用于电力系统仿真的水电机组原动机模型适应性研究

鉴于以往研究侧重于水电机组原动机模型开发，较少研究模型的适应性，且缺乏在电力系统仿真中选取模型的指导性建议与方法，提出模型选取原则，通过仿真水轮机模型、水击模型与调压室—分叉管模型的动态行为，分析水击模型的稳定域，从而归纳出模型的适用条件。结果表明，解析非线性模型与理想模型适合于描述水斗式水轮机，混流式水轮机宜使用传递系数模型；可依据Tw/Tr和Tf/Tr的值选取刚性水击模型与降阶弹性水击模型；当仿真时间较长时需要采用调压室—分叉管的模型。     

Review on heat generation theory model of lithium-ion battery

本文根据近年来锂离子电池产热特性方面的研究,详细阐述了锂离子电池产热的基本原理,并总结了国内外锂离子电池产热模型的研究现状。重点针对电化学-热耦合模型、电-热耦合模型以及热滥用模型进行了详细综述,并在此基础上对锂离子电池热效应的研究和产热模型的建立进行了展望。