排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
电力通信网设备时序故障预测的目标是通过过去设备告警数据,预测设备在下一个时间段是否发生故障,这对设备的管理和维护起着重要作用。为了预测电力设备未来的状态,提出一种Forward-LSTM(F-LSTM)学习模型,对设备故障的时序特征和非时序特征(静态信息)进行并行训练,探索出一种新的对静态-时序数据的训练方法,将其应用在电力通信网故障预测中。F-LSTM结合了两个组件,一个学习时序特征的长短期记忆神经网络(LSTM)与一个处理静态数据的前向全连接神经网络(forward full connection neural networks,FC),数据的静态/时序属性被自动判断并传递给FC或LSTM来并行训练。对于具有同时产生动态数据与静态数据的电力通信网络,Forward-LSTM(F-LSTM)模型能以较高速度与精度预测其故障发生的位置。此外,本文采用一种加权的损失函数,可以更好地捕捉设备故障的时序规律。选取某电力通信网络系统中2016—2017年设备故障数据,对本方法进行测试。实验结果显示,与Xgboost模型相比,F-LSTM模型对故障预测的召回率提高5%,同时F-LSTM模型较LSTM模型缩减了计算量,加快了模型的训练速度。 相似文献
2.
3.
有机朗肯循环(ORC)是一种前景广泛的热电联产技术,R1233zd(E)是一种在ORC中表现良好的环保型有机工质,有机工质的热稳定性对于工质在ORC中的应用至关重要。本文采用实验和理论方法对其热稳定性及热解机理进行了研究。采用高温高压反应釜研究了热解气态产物、热解固态产物、热解温度区间和压力对热解的影响等。通过ReaxFF模拟方法研究了工质的主要热解路径、压力和分子结构对热解的影响。结果表明,R1233zd(E)热解的主要气态产物是HF和HCl,热解中有黑色固体生成,R1233zd(E)的热解温度区间为250~270?C,压力对R1233zd(E)热解速率无明显影响, R1233zd(E)的热解路径主要有均裂反应和抽提反应两大类。 相似文献
4.
5.
6.
间接原子吸收测定硅酸盐中的钛 总被引:1,自引:0,他引:1
硅酸盐中微量钛的测定常用的是分光光度法。国外有报道用一氧化二氮-乙炔焰原子吸收测定钛,由于此法的精密度灵敏度及一些技术问题,在国内未被广泛应用,又由于钛本身的特性,使得空气-乙炔焰直接原子吸收测定成为不可能。本法利用元素钛对铁的线性增感效应,用空气-乙炔焰间接原子吸收测定了元素钛,同时借助离子交换进行干扰分离,并将此法应用到了硅酸盐中钦的测定。此法灵敏、简便、准确。该方法TiO_2标准曲线的线性范围为0.02—0.18μg/ml,特征浓度为0.0005μg/ml/1%A,相对标准偏差为2.8%。 相似文献
7.
如果2个n阶不完全拉丁方重叠后正好产生r个不同的有序对,则称它们是,r-正交的,记作r—IMOLS(n,u),其中u为缺少的子拉丁方的阶数.进一步,如果第2个拉丁方是第1个拉丁方的转置,则称它们是,r-自正交的,记作r—ISOLS(n,u).本文给出当u∈{1,2,3,4}时,r—ISOLS(4m+u,u)的存在性. 相似文献
8.
9.
10.
利用高光谱技术对培养基上细菌(大肠杆菌、李斯特菌和金黄色葡萄球菌)菌落进行快速识别和分类。采集琼脂培养基上细菌菌落的高光谱反射图像(390~1040 nm),在对波段差图像进行大津阈值分割的基础上自动提取细菌菌落光谱,并建立细菌分类检测的全波长和简化偏最小二乘判别( PLS-DA)模型。全波长模型对预测集样本的分类准确率和置信预测分类准确率分别为100%和95.9%。此外,利用竞争性自适应重加权算法( CARS)、遗传算法( GA)和最小角回归算法( LARS-Lasso)进行波长优选并建立对应简化模型。其中,CARS简化模型在精度、稳定性及分类准确率方面均优于GA和LARS-Lasso简化模型,其对预测集样本的分类准确率和置信预测分类准确率分别达到了100%和98.0%。研究表明,高光谱是一种细菌菌落高精度、快速、无损识别检测的有效方法。简化模型中优选的波长可以为开发低成本检测仪器提供理论依据。 相似文献