基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

新冠肺炎疫情趋势预测模型

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响。预测疫情的发展趋势可帮助人们提前制定应对措施。SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测。针对此问题,本文提出基于长短期记忆网络(long short-term memory,LSTM)的病毒传染率预测方法,并将其与SEIR模型结合,建立新冠肺炎疫情趋势预测模型(LSTM-SEIR network, LS-Net)。为了验证本文提出的方法,收集了国内多个省市官方公布的疫情数据进行实验。实验结果表明,本文提出的LS-Net可对疫情发展趋势进行有效预测,并优于传统SEIR模型。     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。     

高性能混凝土板式构件的早期收缩特性及预测模型

以桥面板等高性能混凝土板式构件为研究对象,通过实验测试了板式构件不同截面厚度位置处早期收缩分布情况,探讨混凝土早期收缩变形与温度、湿度发展过程。结果表明,混凝土板式构件的内部厚度方向不同位置处的相对湿度随龄期都呈现逐渐减小趋势,并呈现两阶段特征,同时,混凝土板式构件早期收缩变形厚度方向不同步,导致板式构件表面产生拉应力,当拉应力大于当时混凝土的抗拉强度时,混凝土表面就会出现浅层裂缝,这与实际工程中发现的板式构件表面开裂情况相吻合。混凝土板式构件早期收缩变形与相同配合比混凝土的早期自由收缩变形进行比较,引入相对约束度并建立了混凝土板式构件早期收缩变形的预测模型,并验证了该模型的准确性,其特点是能预测高性能混凝土板式构件不同截面厚度位置的早期收缩变形,对控制混凝土桥梁板式结构的早期收缩裂缝具有实际意义。     

建筑施工过程碳排放量预测模型及应用研究

在明确碳排放量计算公式和碳排放因子的基础上,文章建立建筑施工过程中碳排放量预测模型,并对建筑施工过程中材料及机械设备使用情况进行实证分析,得出建筑面积与施工过程碳排放量存在显著的线性关系。最后通过实例对该碳排放量预测模型进行应用研究。     

固化淤泥土长期强度发展规律与预测模型研究

为研究初始含水率、固化剂种类以及外加腐殖酸对淤泥固化土长期强度的影响,采用堆载预压法降低淤泥初始含水率,以消除传统翻晒烘干法对淤泥赋存腐殖酸的破坏作用。通过无侧限抗压强度试验,分析了180d龄期的固化淤泥土长期强度的发展规律,得到了淤泥固化土的无侧限抗压强度与养护时间之间的线性关系。结果表明,初始含水率和水泥、石灰、腐殖酸、偏高岭土等固化剂对固化淤泥土长期强度发展规律都有显著的影响。偏高岭土的掺入对淤泥固化土初期强度影响不明显,但能明显增强淤泥固化土的后期强度。根据12组不同配比固化淤泥土长期强度数据,引入强度增长因子,建立了固化淤泥土长期强度发展规律预测模型。研究成果可以促进固化淤泥土作为工程填筑的推广应用。     

Novel predictive model for metallic structure corrosion status in presence of stray current in DC mass transit systems简

The novel method to analyze metallic structure corrosion status was proposed in the presence of stray current in DC mass transit systems. Firstly, the characteristic parameter and the influence parameters for the corrosion status were determined. Secondly, an experimental system was established for simulating the corrosion process within the stray current interference. Then, a predictive model for the corrosion status was built, using a support vector machine （SVM） method and experimental data. The data were divided into two sets, including training set and testing set. The training set was used to generate the SVM model and the testing set was used to evaluate the predictive performance of the SVM model. The results show that the relationship between the characteristic parameter and the influence parameters is nonlinear and the SVM model is suitable for predicting the corrosion status.     

热连轧精轧宽度控制技术的研究及应用

在热轧带钢其他尺寸精度普遍较高的情况下,宽度控制精度的提升变得越来越重要。提出了一种新的精轧带钢宽度控制综合解决方案：针对带钢头部宽度控制,开发精轧机架冲击速降自学习模型,以减少带钢头部拉窄现象;通过合理配置精轧活套张力稳定因子,减少带钢中部宽度波动现象;通过精轧宽度反馈控制和宽展预测模型修正功能,提高带钢全长宽度精度。相关研究成果已成功应用于宝钢集团某热轧产线三电自主集成改造项目中,改造后带钢宽度控制精度得到显著提高。     

月表环境无线电波传播分段预测模型

针对经典无线电波传播模型不适用于月球特殊的传播环境问题,提出一种月表环境下电波传播损耗分段预测模型。该模型首先建立包含自由空间段、月面反射段和月球绕射段的理想分段预测模型,并给出不同区间内传播损耗预测算法,然后考虑传播路径剖面上多重障碍物导致的额外损耗,以及其对分段区间参数的修正方法。将其应用于美国国家航天局提供的月表实际场景,仿真结果表明该模型预测结果与“阿波罗”登月工程获得的实测数据非常吻合,可用于辅助月表无线通信系统的参数设计和性能评估。     

生鲜食品微生物预测及评估平台研究

针对如何快速、有效地评估食品的安全,预测出食品的货架期,拟建立一个生鲜食品微生物预测与品质评估管理平台,通过对生鲜食品中微生物菌群基本状况及优势菌群在生长规律的数据采集,分别构建不同的温度下优势菌群的一级和二级生长模型,实现对生鲜食品货架期的预测。阐述了该平台的基本组成,工作流程,主要数据结构和主要数学模型。该平台能帮助预测生鲜食品在运输、储存和加工过程中的货架期并进行环境控制。