Study on prediction of noise produced by stern wake-duct-propeller interaction

The mechanism and prediction methods of low-frequency discrete spectrmu noise of ducted propellers are studied. The acoustic pressure field of ducted propellers is divided into the propeller radiated field and the duct scattered field based on the linear acoustic theory. First of all, the flow field is analyzed with unsteady panel method to get the unsteady force, and then the pressure data are used as the sources for Ffowcs Williams-Hawings formulation to predict the propeller radiated field, meanwhile, the duct scattered field is obtained by Kirchoff integral equation. Through the analysis and calculation of a ducted propeller case, it is found that the duct scattered sound field is a small quantity compared with propeller radiated sound field under low-frequency and short duct condition; Also the predicted discrete spectrum noise level of ducted propellers is compared with that of full-scale propellers by experiment, verifying the predicted results are able to reflect the full-scale propellers＇ discrete spectrum noise level properly.     

优化背景值的GM(1,1)幂模型及其应用

GM(1,1)幂模型中幂指数的连续性,使得模型在一般的S形曲线序列的预测和拟合中具有更广泛的实用性.通过将背景值转化为相邻序列点的确定性函数建立了改进的GM(1,1)幂模型,给出了背景值序列的有关性质,借助已有文献中的算例验证了模型在拟合和预测方面的优越性.     

重力热管喷涌不稳定性调控判据

重力热管内的两相流型对其工作特性有着至关重要的影响.本文借鉴垂直圆管内两相流型转变的实验研究结果和近饱和自由降膜流始发沸腾的观测结论,通过简化分析,给出重力热管蒸发段内由泡状流向弹状流过渡的流型转变判据.在低饱和蒸汽压和高过冷度下,这种流型转变将导致周期性振荡的两相流不稳定性,这就是喷涌不稳定性;因此,流型转变判据也就是喷涌不稳定性调控判据.文中还结合数值计算实例,指出影响流型转变的重要因素.     

湖北省GDP预测的数学模型及其影响因素分析

运用灰色系统理论中的GM(1,1)预测模型,以湖北省2006-2013年的GDP总量数据为例,对未来四年湖北省的GDP总量状况进行科学预测,并且系统地分析了影响湖北省GDP发展的主要因素,求出了各主要因素对于湖北省GDP发展的关联程度,为湖北省相应的政策、决策提供了科学的理论依据.     

多种类表面活性剂临界胶束浓度定量构效关系

表面活性剂的临界胶束浓度(CMC)是个非常重要的物质特性参数, CMC在研究表面活性剂的工业应用和生物利用方面发挥着关键作用. 本工作提出了一个新的拓扑指数—扩展距离矩阵, 建立了一个稳定的构效关系模型, 并对175种表面活性剂的临界胶束浓度进行了计算预测. 结果表明, 基于新的拓扑指数建立的构效关系模型计算临界胶束浓度能给出稳定可靠的预测结果, 其预测结果相关性系数R²(training set)=0.9295, 相对标准偏差ARD(training set)=8.20%, R²(testing set)=0.9257, ARD(testing set)=6.76%. 与文献中模型预测结果的对比表明, 本工作在稳定性和可靠性上均有显著改善.     

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。