常用的地铁站冷水机组能效模型存在非线性因素干扰,导致模型预测精度、可靠性较低。针对此问题,本文提出一种基于误差修正的冷水机组能效预测模型。该模型从误差入手,通过支持向量回归机对预测误差的历史数据进行训练得到误差预测模型,然后对传统模型的预测结果进行修正得到最终能效预测值。通过北京某地铁实训平台空调机组运行数据对本文模型进行验证,结果表明在冷水机组能效比(Coefficient of Performance,COP)较高的情况下,本文模型较传统模型精度有明显提高。
在污水处理过程中,出水总磷(Total Phosphorus,TP)是衡量污水处理效果的关键参数之一。本文针对目前出水TP难以实时测量的问题,提出了一种基于模糊神经网络(FNN)的出水TP软测量方法。该软测量方法通过实际运行数据,利用偏最小二乘法(Partial Least Squares,PLS)筛选出与出水TP相关性强的过程变量;同时,利用FNN建立了出水TP与相关性变量之间的软测量模型,并将该方法嵌入到污水处理运行系统。实验结果显示该软测量方法能够实现出水TP的实时预测,并且具有较好的预测精度。
暂无评论