Adaboost算法分类器设计及其应用

Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器.由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高.将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器.算法在matlab中实现,对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率.     

高效长序列水位预测模型的研究与实现

序列预测旨在利用历史序列模式信息预测未来长时间跨度的趋势,在工业领域具有众多的实际应用需求。针对工业数据序列预测问题中时序长度较长的特点,提出了一种高效的自注意力机制以适用于长序列数据建模与预测。该模型构建了新的嵌入表示,增加了池化操作,并且使用了生成式推断,实现长距离依赖建模和时序信号预测。相比之前的自注意力模型,该模型有效解决了现有方法在面对长序列预测时存在的预测精度不足、训练耗时过长等问题。在大规模水电站水轮机顶盖水位预测这一实际工业应用场景中,相比其他基准模型,该模型显著提高了长序列水位预测的精度和效率。     

基于CFD的大型汽轮机组椭圆轴承油膜压力特性研究

建立了600 MW汽轮发电机组椭圆瓦轴承的物理模型,应用计算流体力学方法计算分析了椭圆瓦轴承的实际油膜压力特性,通过对比分析得到了进油压力及椭圆度对椭圆轴承稳定性的影响。结果表明:供油压力对轴承的承载能力有明显影响,通过计算得到了确保轴承承载能力的最佳供油压力;椭圆度是影响椭圆瓦轴承稳定性的重要因素,通过分析得出了确保转子-轴承系统稳定运行时的最佳椭圆度。