基于改进极根学习机的回转窑煅烧带温度预测方法

针对传统算法预测回转窑煅烧带温度存在精度低、速度慢的问题,提出了基于改进极限学习机(ELM)的回转窑煅烧带温度预测方法。对ELM输入权值矩阵定义了变换系数,采用黄金分割法在给定区间内搜寻变换系数的最佳值,改进了ELM网络参数的确定方式,弥补了随机确定输入权值并且不作调整的缺陷,在保证ELM训练速度的前提下提高预测精度、减小模型随机性。实验结果表明,改进的ELM预测精度高、训练速度快、模型性能优,可满足工况恶劣的回转窑的生产需要。     

基于Chebyshev多项式的神经网络中长期负荷预测研究

高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

Pseudo-Bonding Interaction between Boron-doped Heterofullerene and Zinc Porphine Predicted by DFT Calculation

Theoretical study on the supramolecular complexes formed between boron-doped het- erofullerene （C59B） and zinc porphine （ZnF）, namely C59B-ZnP and its anion species C59B-ZnP, was performed by density functional theory calculation at wB97XD/6-31G（d） level. Strong interaction between porphyrin and heterofullerene moiety was predicted for these complexes based on geometry and electronic structure analysis. Especially, pseudobonding interaction occurring between the B atom of fullerene and the N atom of porphyrin was predicted to occur in C59B-ZnP complex, but be broken in C59B-ZnP complex. Time-dependent density functional theory calculation manifests the redshift of electron absorption for ZnP upon the interaction with heterofullerene.     

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

美军F-35战斗机PHM体系结构分析

为借鉴国外状态预测与健康管理(PHM)技术的发展经验,促进大型平台实现从状态监控向健康管理过渡,本文回顾了美军PHM技术的发展概况,分析了F-35战斗机PHM的体系结构组成以及各模块的主要功能,总结了F-35战斗机PHM的工作流程,介绍了F-35战斗机PHM系统的发展现状及存在的主要问题,提出了对发展PHM技术的认识,为从事PHM技术工作者提供了参考。     

面向数据挖掘的静态电源综合故障诊断研究

静态电源是机场桥载设备最重要的组成部件之一,应用非常广泛。然而,其产生的频发故障会造成设备利用率低、修复率时长和经济损失等问题,在基于桥载设备的安监系统上,提出了静态电源综合故障诊断方法,通过数据挖掘软件,建立了静态电源故障诊断预测模型。通过在线数据库测试结果表明得到了综合故障诊断方法在预测静态电源故障上显现的特点,得到了静态电源的未来状态,实现了对静态电源的实时故障进行预测,进而为解决故障提供方向和目标,最终达到降低经济损失最大化的目的。     

大数据时代下的化学经验2.0：基于键能的大规模反应途径预测

报道了一个基于键能数据预测反应途径的可编程算法．运用该算法,成功预测了F₂+CH₃Cl气相反应的最优产物(CF₄)和对应的反应途径．提供了一个启示性的化学经验2.0 的例子,并可能开启大数据时代下的大规模反应途径预测的大门．     

固体异质结界面结构预测方法及AutoInterface程序实现

预测材料异质结的界面原子结构对于理解界面对性能的影响至关重要. 目前, 从理论上预测材料界面结构仍具有极大挑战, 主要是缺乏普适有效的理论计算方法. 本文介绍了本课题组在异质结界面结构预测方面取得的最新进展. 结合马氏体相变唯象理论、 图论和随机表面行走算法, 提出了界面结构的一种有效预测方法, 可以实现自动化的计算预测. 通过GaP/TiO₂半导体异质结等展示了该方法的有效性和在催化等领域的应用前景.     

基于恒等映射多层极限学习机的高速列车踏面磨耗预测模型

针对高速列车车轮踏面磨耗单一模型无法对各种复杂工况下列车车轮踏面磨耗进行定量计算的问题, 提出一种基于恒等映射多层极限学习机的高速列车车轮踏面磨耗测量方法. 首先将恒等映射引入到多层极限学习机中, 提出一种基于恒等映射的多层极限学习机模型(identity multilayer extreme learning machine, I-ML-ELM), 采用机器学习公共数据集对该模型进行性能验证, 数值结果表明I-ML-ELM模型具有较好的准确性与泛化性; 然后基于车辆-轨道耦合动力学理论建立高速列车的车辆-轨道耦合动力学模型, 模拟列车运行的不同工况, 观测和分析高速列车的车轮踏面磨耗情况, 并通过I-ML-ELM预测模型对高速列车车轮踏面磨耗量进行学习及预测; 最后应用高速列车车轮踏面磨耗的实际测量值对I-ML-ELM预测模型进行进一步的验证, 结果表明: I-ML-ELM预测模型的各项性能参数指标在整体上优于以下五种网络: ELM, FLN, ML-ELM, ML-KELM和DLSFLN, 通过高速列车线路实测数据的进一步验证表明, 本文提出的基于I-ML-ELM的高速列车车轮踏面磨耗预测模型能较好地反映不同参数对高速列车车轮踏面磨耗值的影响规律.