基于神经网络的洪水预报研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行洪水预报是可行的.对洪水预报问题,初步建立了基于神经网络的洪水预报系统,给出了应用实例.     

多维公平测度下考虑灾民心理痛苦效应的应急资源调配

为有效降低灾后初期应急资源短缺情况下灾民生理和心理受到的伤害,提出等待效应和短缺效应衡量救援过程中的灾民心理痛苦效应,同时耦合时间和供需情况2个维度测度救援过程中的公平性指标,构建调度总时间最短、时间攀比最小和灾民心理痛苦效应最低的多目标应急资源调配模型,研究多灾点、多配送中心、多种类物资救援场景下的应急资源分配和路径...     

生命线工程网络抗震可靠性分析方法的比较研究

生命线工程网络抗震可靠性分析是进行生命线工程系统规划、设计、改造与优化的基础。因此 ,寻找一种高效的适应性强的系统可靠性分析方法对实际工程应用具有重要的意义。本文主要介绍两种高效的网络系统两终端连通可靠性分析方法———递推分解算法和有序二分决策图算法。首先 ,分别对两种算法的原理及实现过程进行了详细的论述和说明 ,并且用c语言编制了二分决策图算法的计算程序。然后 ,利用这两种方法及随机模拟算法对 2 0个以往研究中的经典算例和两个实际工程网络———河南省电力网和上海市浦西供水管网 ,进行了网络系统抗震连通可靠性分析。通过对实例分析结果的比较研究 ,得到了一些经验性的结论 ,以期为优化设计工程网络时选择系统可靠性的分析工具提供参考。研究表明 ,由于递推分解算法具有适应性强和能够求得问题近似解的优点 ,因此有良好的实际工程应用前景。     

基于危化品事故案例的决策规则提取算法研究

为充分解析文本形式的危化品事故案例,探讨事故类型与大量事故致因间的因果关联,从化工行业入手,通过扎根理论对175起危化品事故案例进行因素提取,共确定5个子系统、19个因素、80个子因素,提出基于事故生命周期的事故致因框架;在此基础上,提出改进的Gra-Apriori算法,以解决经典的Apriori无法考虑属性类别关系的...     

热电池失效分析及等效加速贮存试验技术

目的 建立基于实测环境载荷的热电池等效加速贮存试验技术,掌握其在环境载荷作用下的性能退化规律。方法 在分析热电池组成和所受环境载荷情况的基础上,分析热电池的主要失效模式,设计基于实测环境数据的等效加速贮存试验,开展热电池等效加速贮存试验,分析热电池性能和热图像的变化情况,利用粒子滤波算法对电池剩余电容量进行预测。结果 随加速循环次数（时间）的增加,热电池的电容量下降。热图像表明,热电池经过等效加速贮存试验后,其放电过程表面温度要高于初始放电表面温度。粒子滤波算法能够有效模拟电容量的退化过程,电池剩余电容量预测结果与试验结果误差在10%以内。结论 等效加速贮存试验得到了热电池的性能退化规律,从而为热电池的贮存试验提供一种解决方案。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

深水平台施工过程自然风险定量评估

在分析现有风险理论的基础上,结合海洋施工实际,提出了一种对海洋施工自然风险进行定量评估的模型。根据目标系统各风险事件与影响因素之间存在高度非线性复杂映射的特点,提出了利用BP神经网络拟合方法,对主要风险事件发生概率进行量化的模型。针对传统的梯度下降优化算法收敛速度慢的特点,采用可避免计算Hesse矩阵的Levenberg-Marquardt算法来训练神经网络。这一模型可以模拟专家评价,并准确地按照专家的评定法则进行估算,具有一定的通用性。     

DPSD在PT二次侧检测中的应用

随着电能计量准确性要求的不断提高,以及“注入信号法”在故障选线及电容电流测量中的广泛应用,PT二次侧信号的准确检测就显得尤为重要。在PT二次侧提取信号时,传统的检测方法检测精度不高,很难满足实际应用要求。因此,提出将数字相敏检波(DPSD)应用到PT二次侧的信号检测中,该方法的优点是不仅能检测信号幅值大小,同时能检测信号的相位。此外,DPSD检测精度较高,特别适用于低信噪比(SNR)的检测场合。设计DPSD检测算法,在MATLAB/SIMULINK环境下建立仿真模型,验证在PT二次侧检测低SNR信号的效果,检测结果证明DPSD有效地抑制了电网中谐波信号和强噪声,并能准确地将感兴趣信号提取出来。     

不锈钢板式热沉传热特性的实验与模拟研究

目的 研究流量、胀高及焊点排布方式对不锈钢板式热沉传热特性的影响。方法 搭建实验平台,加工出结构参数不同的板式热沉实验件,同时采用静力隐式算法建立相应的几何模型,通过实验与数值模拟相结合的方法,研究流量、胀高和焊点排布方式的变化对板式热沉热阻的影响规律,并分析热沉流道内部流场状态。结果 首先计算了6个工况下的热阻,发现实际换热量为540 W时,数值模拟与实验结果的最大相对误差不大于25%。然后分析了误差来源,最后得到了热沉全流道速度场与温度场的分布情况。结论 实验与模拟结果有较好的符合程度,证明了数值模拟方法的可靠性。在换热量相同时,板式热沉的热阻随流量与胀高的增大而减小,焊点为菱形排布的热沉传热性能相对更好。板式热沉内部的流场具有周期性,焊点使流体扰动增强,并形成射流和旋涡,起到了强化传热的效果。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。