摘要：应用数据驱动模型建立海域潮汐模型开边界条件反演的新方法:分析选择主要分潮作为控制变量并设计计算工况,将海域潮汐模型计算工况结果和控制变量带入数据驱动模型,建立内部观测点潮汐(或潮流)同开边界潮汐之间的关系,利用海域内部的潮汐和潮流观测资料反演开边界条件。以辽东湾海域潮汐模型非耦合与耦合开边界反演验证该方法,通过对反演开边界结果的校验表明耦合开边界反演是有效的,而非耦合开边界反演不具备工程实用性。

摘要：将基于人工神经网络的数据驱动模型同水质模型有机结合,考虑模型参数的时域和地域差异性,建立海域组合单元水质模型参数时空反演的新方法:将研究海域划分为若干单元,模拟总时间划分为若干时段,敏感参数在各单元和各时段内独立赋值;通过水质模型计算多参数匹配设计的工况,构建海域内部观测点的解集;以数据驱动模型建立时空、空间、时间和非时空四种反演方式,并分别确立状态变量(污染物浓度)同多个控制变量(模型参数)之间的非线性关系;将实测资料带入关系中,进行模型参数随时域和地域动态变化的组合单元优化反演研究。以渤海海域水质模型多参数匹配反演为例,采用"孪生"实验验证参数组合单元时空反演新方法的可行性,结果表明该方法是有效的。

摘要：参数反演是海域水质模型验证工作的主要难点之一,同时模型模拟海域内参数的统一赋值又降低了其实际的物理意义.本文建立海域组合单元水质模型参数反演的新方法:将研究海域划分为若干单元,敏感参数在各单元中独立赋值.将基于人工神经网络的数据驱动模型同水质模型有机结合,通过水质模型计算多参数匹配设计的工况,构建海域内部观测点的解集;以数据驱动模型归纳建立状态变量(污染物浓度)同多个控制变量(模型参数)之间的非线性关系.将实测资料带入关系中,进行模型参数随地域变化的组合单元优化反演研究.以渤海海域水质模型多参数反演为例,采用"孪生"试验验证参数组合单元反演新方法的可行性,结果表明该方法是有效的.

摘要：挤压油膜阻尼器(Squeeze Film Dampers,SFDs)是旋转机械中常用的一类支承阻尼结构装置,能够改善转子系统的动力特性.当前工程实际中已经大量使用的两类不同结构形式的挤压油膜阻尼器,仍然存在着减振效果不稳定甚至会导致转子失稳,以及阻尼器动力学机制不清楚、建模和分析精度差、设计方法欠缺等理论技术难题.本文首先介绍两类典型SFD的结构形式和主要失效模式,然后详细叙述SFD动力学分析与优化设计方法在发展过程中的代表性研究成果,涉及SFD动力学特性、转子-SFD系统动力学特性研究、SFD动力学设计与优化等几个方面的研究,并对SFD的试验测试技术方面的成果进行评述.在此基础上,探讨目前先进航空发动机用大型挤压油膜阻尼器亟须开展的基础研究任务,特别强调了数据驱动与动力学解析模型融合的SFD动力学建模、分析与设计优化的发展方向.

摘要：在车联网的应用实践中,人们将分析车辆数据的任务运行在流式计算系统中。在运行分析中发现,这些任务具有运行周期长,处理延迟低,任务有状态等需求和特点,并且计算过程中需要在内存中保存大量计算参数和中间状态等数据对象,其中大量的数据对象并不活跃,任由其占用内存造成了系统资源的浪费。针对该问题开展研究,给出了流式任务的数据对象管理方法,优化了内存的使用。为流式数据对象建立生命周期模型,采用应用驱动、数据驱动的模型参数确定方法为流式数据对象设置合适的过期参数,设计车联网测试用例,验证该生命周期管理方法的有效性。实验结果表明,该方法在用户可接受的处理延迟范围内,能够有效地减少流式系统中不活跃对象的数目,达到了优化内存,降低资源开销的目的。

摘要：针对电站锅炉效率难以准确测定问题,依据机器学习理论,采用数据驱动建模方法建立锅炉效率预测模型。分类回归树(CART)算法通过数据分析选取对锅炉效率影响显著的相关变量。然后,K最近邻(KNN)分类器对相关变量的样本进行分类,区分不同工况生产数据。根据不同工况数据,设计了一种基于差分进化算法(DE)的最小二乘支持向量机(LSSVM)建立数据驱动模型(DDMMF),DE动态优化LSSVM的参数以提高模型精度。最后,对预测模型进行动态修正进一步提高预测精度。基于实际生产数据的实验结果表明,该模型能够准确预测锅炉燃烧效率,满足锅炉燃烧过程控制和优化的需求。

摘要：智慧水务背景下,如何基于人工智能理论与技术深化城市降雨径流模型研究,是一项值得探索的课题。由于城市降雨径流时间分辨率高且样本特征分布不具有规律性,直接采用长短期记忆(LSTM)模型进行预测面临着挑战。基于此,提出用数据挖掘(DM)算法及规则对城市降雨径流时序数据集进行聚类和重构,并基于深度学习算法对LSTM模型的结构和参数进行优化,构建了DM-LSTM耦合模型,并用于研究区域的降雨径流模拟。结果表明,对于各类降雨事件,与LSTM模型相比,DM-LSTM耦合模型的均方根误差(RMSE)降低了2.1%~41.9%,纳什效率系数(NSE)提高了0.4%~56.4%,决定系数(R^(2))提高了0.3%~65.6%。DM-LSTM耦合模型不仅对各类降雨事件均表现出更好的预测性,而且模型运行时间仅为2.044 s,能够很好地满足城市降雨径流预测对实时性、准确性和稳定性的需求。

摘要：建立了海域水质生态模型参数估计新方法,将数据驱动模型理论同海域生态模型结合在一起,通过海域水质生态模型设计工况的计算构建海域内部观测点的解集,应用基于人工神经网络的数据驱动模型归纳建立状态变量(污染物浓度)同控制变量(模型参数)之间的关系,最后将实测资料带入上述关系反演模型参数最优解。以渤海海域水质生态模型叶绿素参数估计为例,采用"孪生"试验验证参数估计新方法的可行性,模型参数的校验结果表明该方法是有效的。

摘要：海域水质模型长周期数值模拟中,模型参数全时段统一赋值的方法忽略了参数随时间动态变化的物理特性,降低了模型的可靠性,增加了海域水质模型验证工作的难度。本文建立了将数据驱动模型和水质模型有机结合的参数动态反演的新方法：以水质模型多参数设计工况的数值模拟,构建海域内部观测点污染物浓度响应解集,并将解集划分为若干时段;应用基于人工神经网络的数据驱动模型归纳建立观测点每一时段内污染物浓度同多个模型参数之间的非线性关系;将实测资料带入关系中,进行模型参数随时间变化的动态反演。以渤海海域水质模型为例,采用＂孪生＂实验验证参数动态反演新方法的可行性,结果表明该方法是有效的,能够保证模拟周期内较高的数值精度,提高了模型的准确性。

摘要：【目的】高精度的长期径流预报是水利工程运行的重要基础支撑,然而影响径流预报精度的预报因子选择、模型构建、径流分解中决定性因素不明,阻碍了预报精度的提升。【方法】基于信息熵筛选天文、全球和流域尺度预报因子,分别构建多元线性回归、神经网络、随机森林模型,结合STL算法分解径流,形成多种预报方案,量化预报因子、模型及径流分解三个因素对长期径流预报的贡献。【结果】在英那河、碧流河及桓仁水库的实例研究中,以气候因子、天文因子与流域因子组合(C+A+W)为输入,在对年径流进行分解的前提下利用随机森林模型进行预报,测试集的纳什效率系数分别为0.92、0.84、0.84。在影响因素分析中,预报因子对英那河、碧流河及桓仁水库年径流预报的精度贡献占比分别为0.30、0.30、0.27。【结论】对于三个水库,均是包含三个尺度的预报因子预报精度最高,随机森林模型表现最优,径流分解能一定程度提升预报精度。预报因子的选择是精度的主要影响因素;另外,与预报因子有关的因素之间的相互作用也不容忽视。本文可为长期预报方案的制订和精度提升提供新思路。