家用餐厨垃圾处理机振动搅拌装置的建模与仿真

针对机械搅拌式家用餐厨垃圾处理设备的不足,采用振动搅拌方式进行改进设计。其振动搅拌机构是典型的空间垂直单轴偏心激励系统,通过SolidWorks建模和ADAMS动力学仿真,得到弹簧变形长度与变形力以及质心位移。并根据质心位移的无序性可知搅拌桶内物料的无序性。同时以得到的质心位移参数为基本数据,设计出搅拌混合更均匀的新型家用餐厨垃圾处理设备。与原有家用餐厨垃圾处理设备相比,在餐厨处理时间和能耗等方面都取得较好效果。     

涡阳城市智慧水利平台设计与实现

本文以皖北典型城市亳州市涡阳县作为研究对象,基于涡阳县水利信息化建设的需求,设计了一种基于B/S架构、ADSL/光纤有线通讯和4G/GPRS无线通讯方式的智慧水利信息感知发布和管理系统.该系统利用数据传输、数据存储和数据库管理等技术,实现了城市水利数据间的互通,避免了信息孤岛和价值隐匿的现象,提高了涡阳县水利管理水平与...     

基于SSA-LSTM模型的日水位预测—以涡河流域涡阳闸为例

水位的准确预测可以指导城市的防洪减灾举措及水利工程建设, 提升城市洪涝灾害应急响应速度. 基于数据驱动的水位预测模型, 尤其是LSTM模型, 在模拟自然界中水文要素的强非线性关系时展现出优势从而得到广泛应用. 然而, 自然界中水文数据的采集往往伴随着噪声以及人为干扰因素, 这些问题影响了模型的预测性能. 针对这一问题, 本文开发了一种新的组合模型, 即SSA-LSTM模型. 该模型首先利用SSA方法将观测到的时间序列分解为周期、趋势和噪声分量, 接着利用LSTM对SSA方法去噪后的序列进行模型训练并得到最终预测结果.本文选取涡河流域涡阳闸1971年5月至2020年12月的闸上水位为数据集, 1)利用奇异谱分析方法将原始水位时序数据分解为多个趋势和噪声分量(RC₁–RC₁₂), 选取分量(RC₁–RC₁₀)为趋势项并重构为新的水位时序信号; 2)利用LSTM模型对重构的信号进行了训练和验证, 并将预测结果与LSTM模型的结果进行了对比; 3)为得到最优的SSA-LSTM模型, 针对不同的时间步长(7、14、21、28、35天)开展了单步预测性能评估实验, 实验结果表明, 在不同的时间步长下, SSA-LSTM水位预测模型的决定系数R²、均方根误差RMSE、平均绝对误差百分比MAPE均优于LSTM模型. 由此可见, 采用 SSA方法对涡阳闸水位的预处理可有效提高 LSTM 的预测效果, 相比于传统 LSTM 模型, SSA-LSTM模型具有高可靠和低误差的特点, 在水位预测应用中更具适应性, 可以为城市防洪、灌溉、供水等水利措施的合理调度提供更优的决策依据.     

基于SSA-LSTM模型的日水位预测—以涡河流域涡阳闸为例

语音识别使声音变得"可读",让计算机能够"听懂"人类的语言并做出反应,是人工智能实现人机交互的关键技术之一.本文介绍了语音识别的发展历程,阐述了语音识别的原理概念与基础框架,分析了语音识别领域的研究热点和难点,最后,对语音识别技术进行了总结并就其未来研究进行了展望.