共查询到16条相似文献,搜索用时 178 毫秒
1.
基于T-S模型的冷凝器污垢预测 总被引:2,自引:1,他引:1
针对冷凝器的周期性结垢过程以及工况参数的动态变化,提出了一种冷凝器污垢预测的新方法.该方法将污垢分解为软垢和硬垢两部分,并采用两个T-S模糊模型分别描述软垢和硬垢的变化趋势,进而通过二者的结合获得较为精确的污垢预测.根据此方法,进行了现场试验, 试验结果表明:与渐近污垢模型及改进的渐近污垢模型相比,该方法能够有效地处理冷凝器的周期性结垢现象,并在冷凝器工况参数变化时仍然取得较满意的预测精度.该方法的成功应用为冷凝器最优清洗机制的建立奠定了基础. 相似文献
2.
针对冷凝器的周期性结垢过程以及工况参数的动态变化,提出了一种冷凝器污垢预测的新方法。该方法将
污垢分解为软垢和硬垢两部分,并采用两个T2S 模糊模型分别描述软垢和硬垢的变化趋势,进而通过二者的结合获
得较为精确的污垢预测。根据此方法,进行了现场试验, 试验结果表明:与渐近污垢模型及改进的渐近污垢模型相
比,该方法能够有效地处理冷凝器的周期性结垢现象,并在冷凝器工况参数变化时仍然取得较满意的预测精度。
该方法的成功应用为冷凝器最优清洗机制的建立奠定了基础。 相似文献
3.
提出了一种在线测量冷凝器污脏程度的新方法.该方法选取传热端差作为研究对象,以神经网络建模技术为基础成功实现冷凝器污脏、工况参数变化对传热端差影响的分离,可较准确地实现冷凝器污脏的在线监测.在神经网络建模中,采用RBF神经网络描述变工况传热端差变化的非线性过程,研究了一种自适应训练算法动态调整网络结构与参数,从而获得了结构紧凑、精度较高的测量模型,便于实时应用.根据此方法,研制了以DSP为核心的测量仪,并在不同工况和堵管情况下进行了现场试验, 试验结果证明了该方法的有效性. 相似文献
4.
针对当前空气质量预测模型存在较大误差以及单一模型在不同方面具有一定局限性,导致预测误差较大的问题,提出一种自适应Boosting组合模型。利用误差平方和倒数法、简单加权平均法等五种方法自适应地赋予三个基础Boosting模型权重,最终的结果按照相应的权重叠加,达到充分发挥每个单一模型的优势,提高预测精度的目的。实验结果表明,误差平方和倒数法组合模型的表现最优,采用误差平方和倒数法计算权重的组合模型的MAE为7.124 4,RMSE为9.367 1,R2为0.863 9,优于其他地权重组合方法以及单一的Boosting模型。该组合模型的应用,为优化空气质量预测系统提供了一个行之有效的方法。 相似文献
5.
矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptive Boosting, AdaBoost)、改进的粒子群算法(Particle Swarm Optimization, PSO)和极限学习机(Extreme Learning Ma chine, ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数,再通过自适应提升算法将得到的多个极限学习机弱预测器组成新的强预测器并进行预测,最后以某矿山排土场采集的数据为算例,结果表明改进的组合方法的预测精度明显优于由粒子群优化算法优化参数的极限学习机模型和单独的极限学习机模型的预测精度,其预测结果接近于真实值,为实现矿山排土场滑坡预警提供了可能。 相似文献
6.
准确预测用户的地理位置可以有效地改善基于位置服务的质量.针对标准Markov模型预测能力不足,以及多阶Markov模型阶数难以确定的问题,提出了一种基于自适应多阶Markov模型的位置预测方法.该方法采用一种基于规则图形的方式对原始位置信息进行抽象化处理,并使用一种基于训练数据的启发式方式自动确定用于预测的模型阶数.最后,基于真实的位置数据,对自适应多阶Markov模型的预测性能进行了评测.结果表明自适应多阶Markov模型的预测精度和预测长度始终高于多阶Markov模型,平均预测精度提高将近20%,平均预测长度提高将近10个单位区域,且不易受训练数据质量影响. 相似文献
7.
工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性. 相似文献
8.
基于模糊建模的冷凝器污脏软测量 总被引:1,自引:0,他引:1
提出了一种基于模糊建模的冷凝器污脏软测量方法.该方法选取传热端差作为研究对象,应用模糊建模技术分离出冷凝器污脏对端差的影响.在模糊建模中,采用T-S模型描述变工况传热端差,研究了一种相似度判别法则以确定最优模型结构,并采用实数编码的遗传算法同时优化模型前、后件参数,从而获得了规则简化、精度较高的模糊模型.根据此方法,设计了试验系统,并进行了现场试验.试验结果表明:该方法能有效地在线监测冷凝器污脏,并在冷凝器出现堵管或空气漏入量较大时,取得比热阻法、传热系数法更可靠的测量结果. 相似文献
9.
基于ARIMA与BP的水利工程投资预测模型研究 总被引:1,自引:0,他引:1
为了提高时间序列短期预测的精度,提出了把ARIMA模型和BP神经网络模型进行组合预测的思路.将该组合模型应用在南水北调在建工程项目投资预测中,利用多种定阶准则对不同ARIMA模型的预测效果进行比较,指出多种定阶准则各有利弊;然后利用BP神经网络将不同ARIMA模型预测值进行进一步组合预测.实验结果表明,组合模型充分发挥了两种模型各自的优势,比单一的预测方法具有更高的精度,在时间序列短期预测中预测效果良好. 相似文献
10.
针对舰艇装备使用时间增长,运行状态发生变化后,单纯的机理模型不足以满足精度要求的问题,以某型舰用冷凝器为例,提出了基于机理和历史运行数据的两阶段建模方法.在冷凝器机理模型的基础上,利用历史运行数据及提出的PSO-RBF改进算法进行模型参数优化,建立能反映冷凝器输入输出特性的RBF神经网络模型,研究了冷凝器各参数在冷却水流量及汽轮机转速阶跃情况下的动态响应.结果表明:模型具有与实装一致的动态响应,具有较高的精度和实时性,能够反映系统的动态工作特性. 相似文献
11.
12.
13.
Ramila H. Peiris Hector Budman Christine Moresoli Raymond L. Legge 《Journal of Process Control》2013,23(1):70-77
The implementation of fouling control strategies is crucial for the effective maintenance and long-term application of ultrafiltration (UF) membranes in drinking water treatment. Membrane cleaning methods such as membrane back-washing protocols are typically employed to remove the build-up of natural water species (foulants) on the surface and/or in the pores of the membranes, which causes membrane fouling, contributes to increased trans-membrane pressure and shortens membrane lifetime. In a previous work by the authors, a fluorescence-based principal component (PC) modelling approach, which was able to forecast membrane fouling behaviour of a bench-scale UF membrane set-up over a future time horizon, was introduced. This approach also proved suitable for estimating the optimum future membrane back-washing times required for controlling fouling and minimizing the energy demand for drinking water production. In this study, the forecasting ability of this model was improved by updating the model parameters with current process measurements. The Extended Kalman filter (EKF) approach was used to achieve this objective. The EKF approach accomplished real-time adaptive estimation of key model parameters based on either real-time UF flux measurements or PC scores related to fluorescence measurements of membrane permeate. The model predictions and the corresponding experimental UF flux data for different membrane fouling situations revealed that on-line permeate flux-based parameter adaptation showed improved model predictions as compared to PC score-based adaptation, especially for longer filtration times. The improvements in the accuracy of the fluorescence-based model forecasts also aided the estimation of optimum back-washing times with better accuracy resulting in considerable energy savings compared to back-washing estimates obtained without real-time parameter adaptation. 相似文献
14.
15.
冷凝器中进行的是一个融合了传热、传质、流动的复杂热力过程,仿真分析是其动态特性研究的有效手段。传统上对冷凝器进行仿真建模是基于“热静力学”的观点和方法,其揭示的内容与深度都是不够的。为深入理解动态特性,基于热力系统“热动力学”的观点和方法,视对象各参数之间是定量耦合的。采用一组常微分方程,建立起能够有效反映冷凝器工作过程和动态特性的仿真模型。仿真模型能够给出以往的仿真模型所不能揭示的系统参数之间的耦合关系。模型形式简洁,便于数值计算。 相似文献
16.
Xiongmin Li Christine W. Chan 《Engineering Applications of Artificial Intelligence》2010,23(1):102-109
Economic evaluation of a new oil well is important for decision-making in the petroleum industry, and this evaluation is based on a good prediction on a well's production. However, it is difficult to accurately predict a well's production due to the complex subsurface conditions of reservoirs. The industrial standard approach is to use either curve-fitting methods or complex and time-consuming reservoir simulations. In this paper, an enhanced decision tree learning approach called neural-based decision tree (NDT) model is applied in an attempt to investigate its performance in predicting petroleum production. The primary strength of this model is that it can capture dependencies among attributes, and therefore, it is likely to provide an improved or more accurate prediction (Lee and Yen, 2002).This paper presents an application of the NDT model for petroleum prediction. Our models were developed based on the five most significant parameters that affect oil production: permeability, porosity, first shut-in pressure, residual oil and saturation of water. The five parameters were used as input variables, and oil production is the output variable for modeling. Four different models were generated in the modeling process, and each involves a different combination of parameters. First, an overall oil production model is developed using the three geoscience parameters of permeability, porosity and first shut-in pressure. Secondly, two different models, with different input parameters, were developed to predict production in the post-water flooding stage only. The results of the above models indicate that data-driven models may not be effective for classifying the data set. Hence, a trend model was developed in an attempt to improve the effectiveness and accuracy of the predictive model. The result shows that the trend model can provide an improved performance, and its performance is comparable to that of the artificial neural network. 相似文献