检索结果-内蒙古大学图书馆

崔木煤矿位于黄陇侏罗纪煤田永陇矿区,煤炭资源丰富,但在已开采工作面内,多次出现水量较大的顶板突水事故,给煤炭安全开采造成了极大困难,也给矿工生命安全造成了极大威胁。为了顶板突水规则的学习预测,本文通过顶板突水模式的应力分析、变量数据的半变异函数规则插值、突水指标的回归分析拟合及突水规则的学习预测等方法手段,实现了基于logistic回归分析的顶板突水规则时间序列神经网络学习和预测,取得了以下研究成果:(1)离层数值模拟表明,导水裂隙带的发育高度决定了离层水的聚集和流失,而覆岩应力分布是导水裂隙带发育的诱发因素,即顶板突水研究的关键在于覆岩的应力分析。在顶板离层发育的数值模拟的基础上,确定顶板存在三种突水模式,其突水都可归结为覆岩破断的应力释放;将在顶板覆岩的梁式和板式破断理论的基础上,讨论岩体自重应力和流体自重应力作用,作为顶板覆岩突水的地质模型。(2)结合覆岩破断的地质模型与统计规律,提供一种利用结果选择指标的回归分析解决方案,并设计了以岩体荷载和流体荷载为主要组成因素,分层的岩层为计算基准的顶板突水初始指标体系。(3)在地统计泛克里金插值进行指标体系因素的加密的基础上,利用logistic回归的计算原理,基于顶板突水初始指标体系的33个初始指标,针对对顶板突水行为建立logistics回归模型,得到正确率为0.78的最佳几何参数集;对顶板突水回归模型进行分析,表明在覆岩突水过程中,岩层存在一定的同步性,且突水行为具有明显的板式破断特征,且限于四周固支;三边固支,一边简支;两边固支,两边简支,这三种边界条件。不同岩层的突水贡献存在一定的梯度差别。(4)利用时间序列神经网络,在最佳拟合的指标体系的基础上加入位置描述变量,为突水规则的学习引入了时序积累的概念,实现煤层顶板突水规则的神经网络学习,以及对二盘区突水情况的预测。

关键词：顶板突水覆岩破断泛克里金 logistic 时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

基于时间序列神经网络的极值冰厚预测研究

引用

中国海洋平台 2002年第4期17卷 7-10页

作者：许亮斌陈国明石油大学(华东) 东营市257061

将 L-M神经网络与时序分析方法相结合 ,提出一种用于年极值冰厚预测的新模型。算例中对鲅鱼圈和渤海四个区域年极值冰厚进行预测 ,表明用这种方法进行冰厚预测具有收敛速度快 ,精度高等优点。提供了一种新的冰载荷预测方法 ,为海洋平台... 详细信息

将 L-M神经网络与时序分析方法相结合 ,提出一种用于年极值冰厚预测的新模型。算例中对鲅鱼圈和渤海四个区域年极值冰厚进行预测 ,表明用这种方法进行冰厚预测具有收敛速度快 ,精度高等优点。提供了一种新的冰载荷预测方法 ,为海洋平台的设计、设防、维护、维修提供基础。

关键词：时间序列神经网络极值冰厚预测研究近海油气田开发滩海海气田开发 Levenberg-Marquardt方法时序分析

来源：评论

学校读者我要写书评

暂无评论

一种风电机组轴承健康劣化趋势预测方法

引用

动力工程学报 2018年第5期38卷 374-379,393页

作者：董兴辉张光程友星王帅华北电力大学能源动力与机械工程学院北京102206 河南理工大学电气工程与自动化学院河南焦作454000

以风电机组轴承为研究对象,利用SCADA监测有关参数,计算这些参数与轴承温度的相关系数,对其归一化后得到各参数的影响权重,然后基于温度特征量构建轴承健康劣化度模型。应用改进的集合经验模态分解(EEMD)将具有非平稳性特性的劣化趋势... 详细信息

以风电机组轴承为研究对象,利用SCADA监测有关参数,计算这些参数与轴承温度的相关系数,对其归一化后得到各参数的影响权重,然后基于温度特征量构建轴承健康劣化度模型。应用改进的集合经验模态分解(EEMD)将具有非平稳性特性的劣化趋势分解为一系列相对平稳的分量,采用时间序列神经网络模型分别预测各类分量,叠加所有预测分量得到最终预测结果。结果表明:本文方法的预测精度较高,提高了与实际劣化度曲线的吻合程度。

关键词：风电机组轴承劣化度相关系数 EEMD 时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

风电机组轴承健康劣化趋势建模与仿真

引用

系统仿真学报 2019年第1期31卷 151-157,165页

作者：董兴辉马晓双程友星王帅华北电力大学能源动力与机械工程学院北京102206 河南理工大学电气学院河南焦作454000

以风电机组轴承为研究对象,利用SCADA(Supervisory Control And Data Acquisition)监测参数,应用最小二乘曲面拟合算法,建立轴承温度健康状态劣化趋势模型。改进并应用EEMD(Ensemble Empirical Mode Decomposition)方法,分解具有非平稳... 详细信息

以风电机组轴承为研究对象,利用SCADA(Supervisory Control And Data Acquisition)监测参数,应用最小二乘曲面拟合算法,建立轴承温度健康状态劣化趋势模型。改进并应用EEMD(Ensemble Empirical Mode Decomposition)方法,分解具有非平稳性特性的轴承劣化趋势为一系列相对平稳的分量,利用时间序列神经网络分别对各分量单独预测,叠加所有分量的预测值作为最终的预测结果。经过仿真测试,该方法能够以更高的精度预测风电机组轴承健康状态劣化趋势。

关键词：风电机组轴承劣化趋势预测最小二乘法曲面 EEMD方法时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

火电厂氮氧化物排放测量研究

火电厂氮氧化物排放测量研究

引用

作者：谭传玉华北电力大学(北京)

学位级别：硕士

近几年大气污染问题越来越不容忽视,氮氧化物排放控制也得到了越来越多的关注。我国煤炭为主的能源结构决定了火电的重要地位,对于火电厂氮氧化物排放,我国也做出了严苛的限制规定,火电厂也必须响应国家要求做出相应措施来减少氮氧化物... 详细信息

近几年大气污染问题越来越不容忽视,氮氧化物排放控制也得到了越来越多的关注。我国煤炭为主的能源结构决定了火电的重要地位,对于火电厂氮氧化物排放,我国也做出了严苛的限制规定,火电厂也必须响应国家要求做出相应措施来减少氮氧化物的排放,因此火电厂氮氧化物排放问题研究显得尤为重要。目前绝大部分建模都是静态模型,但通过机理分析可知,氮氧化物的生成存在时延,静态建模不够准确。为此,本文提出了基于时间序列神经网络的动态模型,对火电厂氮氧化物的排放进行动态建模研究,并通过对比分析,验证了动态建模的优越性。文章首先通过对氮氧化物的生成机理分析,确定影响锅炉氮氧化物生成的25个运行参数为输入变量。其中炉膛温度为炉膛内部测得的3个层温数据,与传统的采用尾部烟气温度代替炉膛温度相比,提高了温度测量的精度。接下来,采用因子分析法对输入变量进行了预处理,通过对输入变量进行因子分析,得到了 4个公共因子,代替原来的25个输入变量,降低了原始输入数据之间的共线性,也减小了模型运算量。接下来,分别采用支持向量机算法和时间序列神经网络算法,对锅炉氮氧化物排放进行了静态和动态建模研究,通过对比分析,验证了时间序列神经网络建模的优越性,与静态的支持向量机模型相比,动态时间序列神经网络模型的准确度得到了进一步提高。

关键词：火电厂氮氧化物因子分析动态模型时间序列神经网络支持向量机

来源：评论

学校读者我要写书评

暂无评论

风电机组轴承健康状态评估和劣化趋势预测方法的研究

风电机组轴承健康状态评估和劣化趋势预测方法的研究

引用

作者：程友星华北电力大学(北京)

学位级别：硕士

风电机组运行环境恶劣,受气候等多种不确定因素的影响,容易出现性能与状态劣化。关键部件一旦失效,检修时间较长,增加风电场的运维成本。轴承作为风电机组中关键的部件,其运行状况对整台设备的可靠性具有重要的影响。本文基于风电机组... 详细信息

风电机组运行环境恶劣,受气候等多种不确定因素的影响,容易出现性能与状态劣化。关键部件一旦失效,检修时间较长,增加风电场的运维成本。轴承作为风电机组中关键的部件,其运行状况对整台设备的可靠性具有重要的影响。本文基于风电机组的监控与数据采集(Supervisory Control And Data Acquisition,SCADA)系统运行数据,从健康评估模型和劣化趋势预测两方面展开对轴承的状态的研究。建立轴承健康评估模型和趋势预测模型。本文以风电机组轴承温度为研究对象,考虑轴承温度受风速和功率的影响,以Bin方法进行划分工况,利用相对评价标准遴选轴承各工况的健康状态样本集;利用最小二乘拟合健康样本数据,形成轴承温度健康状态评估模型,在此基础之上,结合实际运行状态的上下阈值,引入劣化度概念。考虑到风电机组轴承劣化趋势非线性的问题,进一步应用时间序列神经网络,建立风电机组轴承的劣化趋势预测模型。以风电场实际数据为例,对模型进行验证并与其它模型进行比较。应用前面建立模型评估时,还存在风电机组轴承劣化趋势非稳定性的问题,这将会影响预测结果。于是在预测之前,应用EEMD(Ensemble Empirical Mode Decomposition)方法,将具有非平稳性特性的劣化趋势分解为一系列相对平稳的分量,利用时间序列神经网络对各分量开展预测,将所有分量的预测结果叠加得到最终的预测结果。研究结果表明,对于非线性数据,时间序列神经网络预测模型更具有一定的优势,精度得到提高,通常能满足风电机组轴承对监测参数的需求,对发现早期机组潜在的故障具有很好的实用性。对于具有较强非线性和非稳定的时间序列,本文的组合预测模型能更有效地跟踪风机轴承健康状态劣化趋势,且能明显提高预测的精度。

关键词：风电机组劣化趋势预测健康评估 EEMD 时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多信息融合的锅炉燃烧稳定性建模研究

基于多信息融合的锅炉燃烧稳定性建模研究

引用

作者：张思齐华北电力大学(北京)

学位级别：硕士

锅炉燃烧稳定性在对燃煤电厂锅炉运行的安全与经济性有影响的因素中占据主要的地位。实时监控炉内燃烧状态是十分必要且重要的。目前,在运行人员依据经验对锅炉燃烧状态进行判断的基础上,可依据锅炉实时参数或火焰图像提取特征量对其燃... 详细信息

锅炉燃烧稳定性在对燃煤电厂锅炉运行的安全与经济性有影响的因素中占据主要的地位。实时监控炉内燃烧状态是十分必要且重要的。目前,在运行人员依据经验对锅炉燃烧状态进行判断的基础上,可依据锅炉实时参数或火焰图像提取特征量对其燃烧状态进行建模,达到实时监控锅炉燃烧状态的目的。本文提出一种基于多数据融合的神经网络建模方法,利用所述方法搭建了锅炉燃烧稳定性模型,实现了对锅炉燃烧稳定性进行判断的功能。首先通过机理分析以及相关性分析,得到一组对锅炉燃烧稳定性有明显影响的检测参量和火焰图像特征量,图像特征量包括黑龙长度与混合强度,并将其分为对锅炉燃烧状态有影响的影响因素和能反映锅炉燃烧状态的反映因素。并采用自组织神经网络搭建锅炉燃烧初步稳定性判断模型,提取反映因素的特征量,将其作为自组织神经网络的输入,利用自组织网络得到初步判稳结果,通过将结果与运行人员经验结果相比较,判断其有效性。然后利用时间序列神经网络搭建进一步燃烧稳定性判断模型,将影响因素作为输入,初步稳定性判断模型中的欧氏距离作为输出,用上述样本数据训练神经网络,并验证模型的有效性。经过测试,发现该模型的迭代次数以及误差都在规定范围以内,具有优良的判稳效果。最后,为本文的研究结果作出总结与展望。

关键词：多信息融合黑龙长度混合强度燃烧稳定性自组织神经网络时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

固定式农业小气候智能监测系统的设计与实现

固定式农业小气候智能监测系统的设计与实现

引用

作者：张宇贵州大学

学位级别：硕士

随着农业信息化和数字化的不断发展与研究,采用大数据、物联网、人工智能等技术的农业生产方式已成为当前农业的发展趋势。针对当前农业的发展趋势与农业小气候数据监测领域的研究和应用,结合物联网、嵌入式等技术,设计和实现了一种固... 详细信息

随着农业信息化和数字化的不断发展与研究,采用大数据、物联网、人工智能等技术的农业生产方式已成为当前农业的发展趋势。针对当前农业的发展趋势与农业小气候数据监测领域的研究和应用,结合物联网、嵌入式等技术,设计和实现了一种固定式农业小气候智能监测系统。系统由数据采集仪和后台智能化软件两大部分构成。其中数据采集仪通过太阳能电源系统供电,嵌入μC/OS-II实时操作系统,实现对空气温湿度、光照强度、风速和风向等农业小气候数据的采集,并采用文件配置表文件系统对数据进行本地存储。通过通用分组无线服务的方式与后台智能化软件交互,实现农业小气候数据的上传;后台智能化软件将接收各个数据采集仪发送的数据,并存入SQLite数据库中,实现对数据的查询、显示、分析和导出等功能。此外,采用时间序列神经网络算法对农业小气候数据进行智能化预测,旨在保证数据的正确性,使数据库中存储的农业小气候数据可靠。

关键词：农业小气候智能监测 μC/OS-II 通用分组无线服务时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多通道语音分离方法研究

基于深度学习的多通道语音分离方法研究

引用

作者：许越东南大学

学位级别：硕士

传统语音分离算法在高混响、低信噪比的环境下性能下降严重。本文针对在噪声、混响干扰下的,面向语音通话质量的多通道语音的说话人无关语音分离问题,在波束形成器的基本框架下,结合麦克风阵列信号的时频域及空间信息,提出了两种语音分... 详细信息

传统语音分离算法在高混响、低信噪比的环境下性能下降严重。本文针对在噪声、混响干扰下的,面向语音通话质量的多通道语音的说话人无关语音分离问题,在波束形成器的基本框架下,结合麦克风阵列信号的时频域及空间信息,提出了两种语音分离算法:基于复空间角中心高斯混合模型(complex Angular Central Gaussian Mixture Model,cACGMM)和双向长短时记忆网络(Bi-Directional Long Short-Time Memory,BLSTM)的广义特征值分解(Generalized Eigenvalue Decomposition,GEV)波束形成器用于语音分离;基于滤波求和网络(Filter-andSum Network,FaSNet)的端到端语音分离,其中使用了本文提出的简单注意力编解码(Simple Attention Between Encoder-Decoder,SABED)结构。 (1)基于cACGMM和BLSTM的GEV波束形成器。算法使用cACGMM来建模多通道语音,在训练集中使用期望最大化(Expectation Maximum,EM)算法来估计cACGMM的模型参数并获得各声源的时频域掩蔽(Time-Frequency mask,T-F mask),并用BLSTM学习生成这种T-F mask,在测试集中使用训练好的BLSTM从输入中估计T-F mask,并使用它来计算GEV的参数,从而使用GEV进行语音分离。实验结果表明,这种算法相对于用于对比的其他算法,在使用的网络参数规模相近的情况下,具有更高的分离性能,且在低信噪比强混响的环境中依然能保持可观的分离性能。 (2)基于FaSNet的端到端语音分离,采用了本文提出的SABED结构。算法使用FaSNet网络架构来进行语音分离,首先指定一个通道的信号为参考信号,结合其他通道的信号,使用神经网络得到滤波器参数进行波束形成,从而对参考信号去干扰,然后结合这个去干扰信号使用神经网络得到对应滤波器参数对其他通道的信号去干扰,最后综合每个通道的分离结果来获得最后的分离语音。针对FaSNet中的网络结构,本文提出了基于注意力机制和编解码器结构的网络结构,用于更好地提取其中的时序信息。测试结果表明,在FaSNet框架中,本文提出的SABED网络结构在较高的信噪比和较低的混响环境中,与主流的基于时间卷积网络(temporal convolutional network,TCN)、双路循环神经网络(dual-path recurrent neural network,DPRNN)的算法的性能十分接近,而在低信噪比强混响的环境中,本文基于SABED的FaSNet语音分离算法优于现有主流算法。

关键词：语音分离波束形成高斯混合模型时间序列神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：