摘要：为保障盾构施工安全并提升掘进效率,提出基于长短时记忆神经网络(lstm)算法的大直径泥水平衡盾构掘进姿态预测方法。选取泥水平衡盾构掘进过程中的参数,并采用Pearson相关系数对盾构姿态的关联因素进行分析,获取影响盾构姿态的主要因素,以此构建盾构姿态预测数据集;采用长短时记忆神经网络建立盾构姿态预测模型,并利用自适应估计(Adam)算法对其进行优化以获取最优的盾构姿态预测结果。盾构姿态的预测参数主要包括:盾头水平偏差(HDSH)、盾头垂直偏差(VDSH)、盾尾水平偏差(HDST)、盾尾垂直偏差(VDST)、俯仰角(R)、滚动角(P)。影响盾构姿态预测结果的主要因素为盾构参数和地层参数,其中,盾构分组油缸压力和地层平均抗压/抗剪强度对盾构姿态的影响最大。经过优化的Adam-lstm神经网络模型对盾构角度的预测效果最优,均方差在0.1以下;对盾构姿态各项参数预测的平均误差小于5%的占比超过80%。

摘要：传统的网络新闻信息传播流行度预测系统存在预测准确率低、预测响应时间较长等问题,为此提出了基于lstm算法的网络新闻信息传播流行度预测系统。分析信息传播对网络拓扑结构产生的影响,加入用户对新闻信息的兴趣程度和信息价值等相关因素,获取用户节点状态转换函数。将粒子群算法中的适应度函数设定为求解依据,修改lstm算法中的阈值和权值,建立网络新闻信息传播流行度预测模型。在此基础上,进行系统设计,系统主要是由网络新闻抓取和存储模块、网络新闻展示等模块组成,分别对各个模块的功能进行了详细地分析和介绍。仿真实验结果表明,所设计系统不仅能够有效提升网络新闻信息传播流行度预测准确率,同时还能够降低预测响应时间以及预测费用。

摘要：由于火电厂SCR烟气脱硝过程中烟气的初始状态参数具有不稳定性,导致排除烟气NO_(x)浓度控制难度较大。为了准确控制烟气脱硝,有效降低烟气NO_(x)浓度,提出基于长短期记忆网络(lstm)算法的火电厂选择性催化还原(SCR)烟气脱硝控制方法。以蜂窝状催化剂为基础,结合在SCR烟气脱硝过程中的作用模式,分别从孔道和内壁两个角度构建了火电厂SCR烟气脱硝模型;引入lstm算法,以烟气中NO_(x)浓度控制要求为目标,将催化剂的投入速率作为控制参量,结合烟气的初始状态参数,实现SCR烟气脱硝过程的控制。在测试结果中,设计控制方法下脱硝反应器出口烟气NO_(x)浓度并未受到烟气流量的显著影响,始终稳定在125.0 mg/m^(3)以内,远低于临界值(150.0 mg/m^(3)),与对照组相比,具有更加可靠的脱硝效果。

摘要：碳排放权交易作为应对气候变化问题的有效经济工具,引起了社会各界的广泛关注。本文基于全国碳排放交易所碳排放权交易价格数据,采用GA-BP-MIV模型,研究了国外碳价、国内外能源价格、宏观经济指标、汇率四大类共9个因素对碳排放权交易价格的影响。结果表明:影响碳排放权交易价格的关键因素为WTI原油价格、碳排放权期货(ICE)和沪深300指数。此外,还采用了ARMA模型、lstm单因素和MIV-lstm多因素模型分别对全国碳价进行预测,结果表明,MIV-lstm多因素模型精度最高,预测效果最好。基于此,应加强顶层设计,推动区域协调发展;建立并开发碳价预测系统及其相应工具;充分发挥能源价格调节作用,加快能源转型。

摘要：针对现有机械手移动偏差控制技术存在的轨迹控制不连续、复杂度高、综合效率低等问题,以机器学习和深度学习为基础提出一种混合神经网络控制算法。分析机械手各关节、连杆的空间坐标转换关系,以RBF为基础构建混合神经网络模型,选用逆多二次函数作为模型的激活函数,分别确定中间隐层和输出层的权值;引入lstm长短记忆算法,利用lstm算法的输入门、遗忘门和输出门结构设计,抑制坐标数据训练时出现的梯度膨胀问题,并给出精确的轨迹修正指令。仿真结果表明:提出的混合神经网络算法采样点轨迹偏差均值为0.02 mm, VARP值趋近于0,具有更好的自动控制稳定性和更高的控制效率。

摘要：针对当前95598客服服务系统智能化的需求,以及提高电力市场服务水平的要求,基于现有的95598平台,提出一种基于L S T M的95598话务工单预测算法,以此为95598客服提供技术支撑。为实现对95598人工智能客服的支持,在分析L S T M原理及结构的基础上,对L S T M的结构进行设计,包含整体预测的流程和L S T M神经网络的结构、激活函数等进行设计。最后,以浙江国网某供电局的话务工单数据为基础,对提出一种大数据的95598人工智能客服支持平台。为实现该平台,结合大数据技术思想,以营销系统、95598等话务工单系统数据作为来源,采用大数据中丰富的计算优势和算法对数据进行分析,最后挖掘的数据进行展示。而在算法实现部分,引入来电号码识别算法,以及结合95598数据对工单量进行预测,并给出测试结果。实验表明,结合浙江国网某供电局的数据,在3186条来电中,能准确识别3074条,准确率高达80.6%。同时借助L S T M算法,能准确预测话务需求。

摘要：我国电力发展较快,电缆使用时间较长,导致故障率和用电隐患较多,所以设计了一个基于北斗定位的便携式电缆局部放电检测系统。本系统使用长短期记忆网络算法(Long Short-term Memory,lstm)来检测电缆的局部放电,平均功率越大,表示紫外光越强,就可推出局部放电的强度大小。在此基础上进一步加入算法反向向量,对算法进行改进,改进后的Bilstm网络的隐含层更具特殊性。另外本系统首次引入北斗定位系统,实现对电缆非法放电区域进行精确定位的目标。采取OPC-UA技术实现对数据的统一传输和反馈,该研究缓解了系统主机的计算压力。通过实验,该系统技术核算的数据,误差率在可接受范围内,该研究为其他技术研究奠定基础。

摘要：随着电力系统的不断发展,电力线路架设作为基础设施之一,由于其外部环境、设备老化等原因,常常面临潜在故障的威胁,需要及时诊断和修复。本文基于人工智能技术,特别是lstm算法,针对电力线路架设的故障诊断与智能修复展开深入研究,设计整合传感器网络、监控设备和智能修复机器人的系统,实现对关键参数的实时监测、对异常情况检测和自动修复。实验结果表明,该系统能够在实际运行中准确诊断潜在故障,并通过智能机器人实施高效的修复,为电力系统的稳定性和可靠性提供创新性的解决方案。

摘要：在光伏产业快速发展的背景下,为了确保电力系统的安全调度和稳定运行,提高光伏企业的经济运行水平和生产管理水平,本文提出了一种基于长短期记忆(long short-term memory,lstm)神经网络的光伏系统功率预测方法。该方法分析SCADA系统记录的大量监测参数,根据光伏系统出力的工作原理,选择当前时刻辐照度、温度、风速和功率作为模型输入参数,选择下一时刻功率作为模型输出参数,通过局部异常因子算法(local Outlier Factor,LOF)、降采样、时间对齐和归一化方法对以上数据进行异常数据剔除和数据轴统一,进而建立基于长短期记忆神经网络的光伏系统模型,同时通过优模型权重和阈值提高模型预测精度。测试阶段,选取6399组数据集训练并测试该模型对新能源院光伏系统发电功率的预测性能。结果表明,lstm网络下的预测模型与普通BP网络预测模型相比,前者的发电功率平均绝对误差和均方根误差分别为45.5 kW和92.3 kW,明显小于后者的52.3 kW和95.6 kW,lstm网络下的预测模型能够更加准确的预测光伏系统功率。因此,所设计模型可有效预测光伏发电功率,可为实际应用提供指导。

摘要：市场经济下,消费者作为关键性的“最后一公里”,在卷烟生产和流通中的重要性日益凸显。本文建立以消费信息采集、消费记录管理、消费会员管理、消费数据综合分析的卷烟消费跟踪体系,利用统计学中的K-means聚类算法划分不同的消费群体,从多个维度构建消费者画像,通过lstm算法预测卷烟消费变化趋势,有针对性地为不同群体设计不同的营销活动,并根据消费者需求反向指导货源投放和品牌培育,基于行业特殊性,将消费者的聚集特征投射到零售户层面,分析研究卷烟消费群体及市场变化趋势,提升宏观运行调控、货源投放、品牌培育、客户指导的精准性。