两种新型综合模型在短期负荷预测中的应用

在四种广泛应用的预测模型(SVM模型、BP网络模型、小波回归模型、基于同类日模型)的基础上,提出了两种新型综合模型Ⅰ和综合模型Ⅱ.在模型的建立及参数的确定过程中,采用虚拟预测理念,并对历史数据、温度因素、节假日因素、经济水平增长因素的处理做了一系列创新改进.最后以EUNITE Network 2001年8月1日举行的一次全球性的预测竞赛为算例,验证了两种综合模型比单一模型有更高的预测精度,说明了这两种综合模型的优越性.     

转炉煤气柜控制功能技术应用与研究

转炉煤气柜作为转炉煤气回收系统中重要的组成部分,在整个工艺控制过程中起到承上启下的作用。转炉煤气柜在整个转炉煤气回收过程中,作为转炉煤气的临时储气容器,不仅要利用煤气柜平衡管网压力,完成转炉煤气的回收,而且要通过减少放散量提高煤气回收率,有效利用二次能源,达到节能减排,满足用户需求的目的。为此我们通过对转炉煤气柜控制系统功能的开发应用,不断研究适合转炉煤气柜安全生产的一些方法。     

市政道路与轨道新建项目共线段设计关键点浅析

由于市政道路与地铁均置于市政红线内,两者实施界面的交叉常引发如界面不清晰、管线空间不足、地铁安全保护及道路沉陷等问题。为解决上述问题,论文以北京市某相关工程为例对市政道路与地铁同期规划建设的廊道工程进行详细阐述,工程以全过程、一体化为导向,从空间、工程及布局等角度在设计层面统筹考虑,力求做到保证前期合理性、满足项目实施性、提升工程经济性。     

基于周期性对数流量模型的路由器性能分析

网络流量模型是网络规划设计和性能分析的基础问题，该文在分析实际网络测试所得数据的基础上提出一个周期性对数突发流量模型，不同于传统的基于概率统计模型，该模型主要考虑网络网络流量的周期性和突发特性，在测试流量数据的基础上通过函数拟合的方法解流量突发上界的时间特性，应用该模型给出了在已知模型参数的条件下，网络互连的基本单元－－路由器输入，输出接口的传输能力，缓存大小以及交换单元处理能力等必须满足的性能指标。     

弹性飞行器低阶鲁棒飞行控制律综合

针对传统飞行控制律设计中没有充分考虑弹性运动,要优化飞行器控制系统,需解决气动伺服弹性稳定性的问题,提出了一种弹性飞行器综合飞行控制律设计方法.利用分支模态法建立弹性飞行器的综合ASE系统模型,对弹性飞行器的飞行动力学、结构动力学以及由各种振动引起的非定常气动力,用降阶方法降低综合模型的阶次,以简化控制律设计的难度.采...     

利用啤酒废酵母扩培物制备富含谷胱甘肽酵母抽提物

该研究利用啤酒废酵母制备富含谷胱甘肽的酵母抽提物,旨在开发酵母利用的新途径。以啤酒废酵母为原料,经单因素试验和响应面分析法,得到了谷胱甘肽提取的最佳工艺条件：料液比1∶4（g∶mL）、提取温度85 ℃、提取时间20 min、pH 1.86,在此条件下谷胱甘肽的提取率可达到35.06%;最后确定了谷胱甘肽提取液的最佳浓缩温度为50 ℃,最佳浓缩时间为40 min,制备得到的酵母抽提物中谷胱甘肽含量为4.11%,固形物含量达到61.87%。     

含裂缝高强混凝土强度退化模型数值模拟

制作C60混凝土试件,采用人工方法在试件内部产生不同深度和长度裂缝,测试带裂缝混凝土试件的抗压强度,采用Matlab程序分析抗压强度的变化规律,得到基于混凝土裂缝长度和深度因素的抗压强度损伤劣化模型。利用BP神经网络验证了该模型的可靠性。     

线上线下渠道的消费者风险感知及信任传递研究

如何将多年努力积累的线下消费者信任转移为对在线产品的良好感知是推动线下企业拓展线上渠道的关键问题。基于线上线下消费者感知风险不同，研究了渠道间信任传递及其定价问题。以渠道拓展的线上消费者信任为对象，构造了感知风险、线上信任程度影响下的消费者效用函数，建立了Stackelberg博弈模型，讨论了渠道定价与线上信任程度的关系以及渠道间信任传递的主要决定因素。研究结果表明，线上信任程度增加导致线下定价降低，线下需求减少且线上需求增加，制造商利润增加而零售商利润下降。此外，制造商对线上渠道信任传递的努力随线下产品绩效波动的增加而减少，随信任传递成本系数的增加而减少，随线下线上成本差的增加而增加。     

基于残差编解码-生成对抗网络的正弦图修复的稀疏角度锥束CT图像重建

稀疏投影可有效缩短锥束CT(CBCT）扫描剂量和扫描时间,但会导致重建图像中出现大量条状伪影。正弦图修复可以生成缺失角度的投影数据,并提高重建图像质量。基于这些,提出了一种用于稀疏角度CBCT重建的正弦图修复的残差编解码-生成对抗网络（RED-GAN）。该网络利用残差编解码结构（RED）模块替换Pix2pixGAN(Pix2pixGenerative Adversarial Network）中的U-Net生成器,并利用基于PatchGAN(Patch Generative Adversarial Network）的条件判别器鉴别修复后的正弦图和真实正弦图,从而进一步提升网络性能。利用真实CBCT投影数据进行网络训练后,分别在1/2、1/3、1/4稀疏采样条件下测试所提网络,并把RED-GAN与线性插值法、残差编解码-卷积神经网络（RED-CNN）和Pix2pixGAN对比。实验结果表明,RED-GAN的正弦图修复结果在3种条件下均优于对比方法,并在1/4稀疏采样条件下所提网络的优势最为明显。在正弦图域中,RED-GAN的均方根误差（RMSE）下降了7.2%,峰值信噪比（PSNR）上升了...