基于SWLSTM的换热器在线性能预测

换热器是一种把热量从一种介质传递到另一种介质的装置。由于换热表面污垢的存在,换热器的性能随着时间的推移而恶化。为了保持换热器的高效率,有必要定期对换热器的性能进行评估,在线监测的工艺参数能够帮助对换热器换热性能进行预测。本文利用温度和流量等参数计算表征换热器性能相关的指标,并基于共享权重长短时记忆网络（SWLSTM）建立预测模型,利用历史运行数据对其进行训练。通过与验证数据比较,验证了所建立模型预测的高精度和快速性;同时与传统神经网络模型进行比较,可见本模型在预测精度的优越性。通过换热性能参数的预测,能够合理规划停机清洗时间,降低成本。     

考虑峰值数据重平衡的地铁客流预测研究

地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明：相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。     

基于LSTM的燃料电池发动机寿命预测

随着工业4.0和数据科学的发展,利用数据对氢燃料电池发动机剩余寿命进行预测,将有利于提前发现发动机性能退化问题,进而及时采取维护保养措施,对发动机安全运行以及延长发动机运行寿命至关重要。传统发动机寿命预测一般基于机理模式的经验判断或者数理统计,但在氢燃料电池发动机这个技术尚不稳定成熟的发展阶段,传统手段无法保证相对较低的误差。本文在不依赖于机理模式的情况下,利用传感器收集的数据,基于神经网络深度学习的模式,构建一种基于数据驱动的长短期记忆神经网络（LSTM）的剩余寿命预测模型,通过机器的训练与学习,分析预测氢燃料电池发动机的寿命衰减情况,为预测性维护提供数据支持。     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

复方酸枣仁油栀子油对小鼠学习记忆的影响

目的 观察酸枣仁油、栀子油组成的复方酸枣仁油栀子油促进学习记忆作用和二药的相互作用.方法 采用避暗、跳台、水迷宫实验,分别利用东莨菪碱、环己酰亚胺、亚硝酸钠、4.282mol/L乙醇造成小鼠的记忆获得、巩固、再现障碍,观察复方酸枣仁油栀子油对正常及记忆障碍小鼠的学习记忆作用.结果 对正常和记忆损伤小鼠,复方酸枣仁油栀子油、酸枣仁油、栀子油能缩短训练时入室潜伏期、减少入室错误次数;能延长训练后入室潜伏期、减少入室错误次数,减少跳台错误次数;也能缩短水迷宫实验小鼠的登台潜伏期,增加其穿越次数,复方中剂量缩短小鼠登台潜伏期较酸枣仁油、栀子油作用强.结论 复方酸枣仁油栀子油、酸枣仁油、栀子油具有促进学习记忆作用;复方中酸枣仁油、栀子油起协同作用.     

基于深度学习LSTM的智能车辆避撞模型及验证

建立了一种基于深度学习长短期记忆(LSTM)网络的智能车辆避撞模型.搭载虚拟测试驾驶(VTD)仿真软件的模拟驾驶器;针对跟车行驶、前车紧急制动这一危险工况,开展模拟驾驶实验;以相对距离、相对速度、前车减速度、碰撞时间、横向距离作为输入参数;通过未经训练的样本数据对模型迁移性进行验证,并与传统反向传播(BP)神经网络进行...     

海洋结构物时II边界积分方程的改进方法

文章基于三维时域格林函数理论,提出了一种时域边界积分方程的改进计算方法,用于预报海洋结构物在波浪中运动受到的时域波浪力.该方法通过利用物体内部构造的满足拉普拉斯方程的内部解,在时域边界积分方程中只需要计及时域格林函数记忆项本身,从而有效地避免了求解具有高震荡积分特性的时域格林函数记忆项的法向导数.对潜体和浮体作了计算,结果表明,这种方法十分有效,可以有效节省内存使用量和计算机空间.通过与相关已发表文献的结果进行比较,计算结果令人满意.     

一种特征融合的视频事故快速检测方法

交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义.目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用.针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速检测方法,以期在有限算力成本下同时获得较高的检测精度和较快的检测速度.模型将特征融合通过两个步骤实现:...     

基于衰减记忆滤波法的桥梁变形监测数据分析

指出了卡尔曼滤波基本方法在模型不准确时可能出现的发散现象,提出了利用衰减记忆滤波处理桥梁自动监测系统监测数据的方法,并通过实例进行了说明。实际算例表明,滤波值、原始值与预报值变化趋势一致,且滤波值改善了原始观测值,较好地解决了发散问题,说明这种方法适用于处理桥梁全自动监测数据。     

带阈值的广义双向细胞联想神经网络GCBAM及其稳定性质研究

在提出双向细胞联想神经网络CBAM的基础上,通过引入阈值概念,进而提出了广义双向细胞 联想神经网络GCBAM,研究了其平衡态,存在性质及其Lyapunov意义下的网络稳定性质。