摘要：针对超声波检测的储罐缺陷的面积量化问题,提出一种改进的储罐腐蚀缺陷面积量化模型。该模型利用XGBoost的特征重要度对人工神经网络(ann)的参数进行先验初始化实现ann模型的改进。该模型可以更快的收敛,并且提高准确率。按照国家标准设计实验平台,获取实验信号,并提取信号的统计特征得到特征数据集,利用数据集训练和测试改进的模型,并与传统模型进行对比。通过实验验证得出,改进的ann模型能够更快的收敛,并且准确量化缺陷面积,相比于ann量化模型,在训练集上准确率提高了17.9%,达到了98.3%,在测试集上提高了16.6%,达到了92.2%。

摘要：为优化鱼油的脱色工艺,首先通过单因素试验确定脱色效果最佳的固体吸附剂,其次探究脱色温度、固体吸附剂添加量、脱色时间对鱼油脱色率的影响。在此基础上,采用Box-Behnken(BB)试验设计对鱼油脱色条件进行优化,并对BB试验结果进行响应面法(RSM)和人工神经网络(ann)分析。结果表明:活性白土的脱色效果最佳,随着脱色温度、固体吸附剂添加量、脱色时间的增加,脱色率呈先上升后下降的趋势;RSM和ann模型的相关系数r、决定系数R^(2)、均方根误差RMSE、均方差MSE值分别为0.9647,0.9307,1.1000,1.2100和0.9927,0.9855,0.4952,0.2452。相较于与RSM模型,ann模型拟合程度更高,实测值与预测值之间误差更小,更适合作为鱼油脱色率的预测模型。本试验选用RSM和ann模型共同优化鱼油脱色工艺。通过RSM模型选取的最佳脱色条件是:脱色温度93.79℃,固体吸附剂添加量4.80%,脱色时间9.69min。将上述条件带入ann模型,获得鱼油的最大脱色率为99.53%。说明RSM-ann模型具有较强的准确性和适用性。

摘要：模型和仿真是设计最优燃料电池系统的有利工具。本文提出了一种新型的混合燃料电池模型,该混合模型包括机理部分和黑箱部分(即神经网络部分)。其中,机理部分用来体现大家所熟知的PEMFC性能,神经网络部分用来表现大家所不知或者不能用机理模型来表现的PEMFC性能,从而使该模型能更好的再现PEMFC的各种特性。为了验证该混合模型的有效性,在Matlab/Simulink环境下进行了不同阴极压力和温度下的仿真实验,结果证明了该混合模型的正确性。该混合模型与实验数据、机理模型和ann模型的比较实验,表明混合模型具有比单独的机理模型或神经网络模型更高的精度。

摘要：本文建立了提前1-4小时的空调冷负荷预测模型。使用相关性分析选择模型输入参数,使用ARX和ann建立冷负荷预测模型,并对两种模型的预测精度做出对比。预测结果表明,当数据量大、变量维度小时,ann模型无法发挥其优势,预测效果和ARX模型基本相同。考虑到ARX模型的简单性,选取ARX对未来时刻的冷负荷进行预测。提前1-4小时的ARX预测模型的CV-RMSE分别是11.6%、15.8%、18.9%和20.7%,各时间尺度下的预测精度都能够满足工程需求。

摘要：城市管理中的违规、违法问题事件一直是困扰城管执法人员的一个痼疾,如何对这些城管问题进行有效预测预警,已成为转变城市管理模式,提高城市管理效率的重要问题。针对城管预测预警问题,本文应用时间序列与BP神经网络相结合的思路,通过指数平滑预测、主成分分析、综合评价警度、神经网络预警等设计了一种基于热线数据的城管问题预测预警理论方法和模型,并对城管问题中比较典型的六大类城管问题发生情况进行预测预警。实例分析表明,模型具有较好的预测预警效果,从而为城管问题预警研究提供了一种新的方法和思路,以期对城管问题预警提供参考。