连续碳分CO2吸收率分析及探讨

本文简述了CO2 气体吸收率的测定原理 ,着重分析了影响连续碳分CO2 气体吸收率的因素 ,提出了提高连续碳分CO2 气体吸收率的途径     

串联法氧化铝生产中的合流脱硅

合流脱硅是简化联合法生产流程、降低能耗的有效措施。因此。国内外业界做了大量卓有成效的工作。串联法的工艺特点，更宜于采用合流脱硅。试验结果表明，串联法采用常压合流脱硅流程可以达到所需要的硅量指数。文中还对合流脱硅的硅量指数、合流点、合流脱硅温度、赤泥种子和添加石灰乳等问题进行了讨论。     

水文时间序列周期分析方法的研究

水文时间序列基本上具有周期性,但并非物理意义上的周期,而是概率学中的周期。进行时间序列周期的识别和判断是比较难的问题,因此,怎样进行时间序列周期的分析与检测,已经成为水文研究者重点关注的问题。     

一种对时间连续数据进行分析查询的SQL扩展语言

在家庭电子医疗平台中,存在生理学时间连续数据,实现对其分析和查询是数据利用的基础。针对这类数据的特点,提出以关系型数据库结构化查询语言SQL为基础,定义相似查询算法,快速有效地从给定信号序列中找出符合某一相似度等级的相似子序列。相似匹配使用了分段聚合近似法和小波变换两种算法,易于进行子序列的相似度分级。实验结果表明,该试验系统能够高效、准确地完成设计功能。     

模糊灰关联在QAR故障数据检测中的应用

针对传统的灰色关联故障诊断算法无法解决大样本数据的问题,提出一种基于模糊分割灰关联的QAR（quick ac‐cess recorder）故障数据检测算法。鉴于QAR数据是数据结构复杂、维数高的时间序列数据,利用模糊分割将QAR数据分割成不重叠的子序列,从中提取出待检测故障序列,计算待检测序列与标准序列间的灰关联度,根据最大关联度原则进行故障模式识别并确定诊断结果。仿真结果表明,该算法的预测结果与实际情况基本一致,具有简单可靠、诊断精度高等优点。     

基于混沌时间序列理论的发动机状态参数降噪研究

针对因缺乏未染噪数据而难以考查航空发动机状态参数降噪效果的问题,提出了基于混沌时间序列理论来考查其降噪效果的办法,并结合实例考查了小波、奇异谱分析和局部投影3种降噪方法对航空发动机状态参数的降噪效果.仿真结果表明,局部投影法更多地保留了发动机状态参数的混沌特性,适用于航空发动机状态参数的降噪处理.     

基于时序模型迁移的间歇过程监测建模方法

针对工业生产过程频繁变更操作条件的需求, 提出一种基于时序模型迁移的方法, 通过从旧过程数据中挖掘并提取相似性信息, 可以快速建立新过程的监测模型. 将该建模方法与时序模型迁移相结合应用于青霉素发酵仿真过程, 实验结果验证了该方法的有效性.

     

近似非齐次无偏GM(1,1) 模型的递推解法及应用

针对传统近似非齐次灰建模可能出现参数复数解的问题, 提出无偏灰色GM(1,1) 模型的递推解法, 从而减少由差分方程向微分方程跳跃而导致误差的问题. 给出不同初始条件下非齐次无偏GM(1,1) 模型的递推预测公式,并在此基础上, 将递推公式运用于时间序列分段, 提出基于近似非齐次无偏GM(1,1) 模型的时间序列分段表示方法. 实例结果表明, 所提出的递推模型能够获得较高的拟合精度, 分析结果验证了基于灰色预测模型在时间序列分段表示中的有效性和实用性.

     

基于奇异谱分析的DGPS浮标海面高测量误差研究

在高度计绝对定标实验中,利用差分GPS(Differential GPS,DGPS)浮标进行现场海面高测量得到的海面高(Sea Surface Height,SSH)序列之中,除了包含有由风浪引起的高频噪声外,还包括了仪器误差造成的影响。前者可通过低通滤波方式消除,而后者由于是全频段的白噪声,不能通过低通滤波的方式消除。通过研究奇异谱分析(Singular Spectrum Analysis,SSA)的方法,确定了嵌入维数和截断长度的选取准则,并对其进行仿真,验证了该方法在消除海面高序列的仪器误差噪声中的有效性,同时也验证了嵌入维数和截断长度选取准则的有效性。最后,利用该方法处理了某次DGPS浮标实验获得的海面高序列,处理结果与原始序列相比较为平滑,且在精度上有一定的改善,验证了奇异谱分析方法的有效性。     

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。