WS型多层前向小世界神经网络结构自适应模型

WS型多层前向小世界神经网络模型中捷径生成具有随机性,这种随机的删除且向后跨层连接产生捷径很可能使小世界体系神经网络丢失重要的信息,导致网络性能变差。针对这个问题提出了一种WS型多层前向小世界神经网络结构自适应模型,该模型借鉴了复杂动态网络研究中和谐统一的混合择优思想,通过以确定的连接权值矩阵为指导有目的性地选择权值大的边产生捷径,生成小世界体系结构。将新网络应用于函数逼近,在设定精度相同情况下对不同跨层概率下的收敛次数作比较,仿真发现该小世界网络在概率0.05附近时比同规模的网络有更好的收敛速度,与WS小世界人工神经网络在相同概率的情况下达到相同精度所需的平均迭代次数相比较,收敛速度得到提高。

基于大数据云平台的天然气运营管理系统设计

传统的天然运营系统主要基于报表生成和比对,该方式处理工作量大且仅仅满足日常的运营服务,不能对运营数据加以分析和应用,使其更好地指导生产和决策。基于大数据云平台的天然气运营管理系统将系统搭建于自身的私有云平台之上,通过大数据技术对各种数据进行分析、比对,从而保证了数据安全,提升了运营决策能力,提高了企业的运行效率,降低了企业的运行成本。

基于广义回归神经网络的风电机组性能预测模型及状态预警

提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用监控与数据采集(supervisory control and data acquisition,SCADA)系统的真实历史数据,采用广义回归神经网络(GRNN)建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。

天然气管网系统基础地理信息数据库建设及应用

基础地理信息数据是国家重要的信息资源,天然气管网系统应用离不开基础地理信息数据的支撑,然而因为数据格式、数据保密性等限制,现有的基础地理信息数据不能直接、有效应用,需要探索一种既满足国家相关标准规范,又方便天然气管网系统应用的基础地理信息数据库建设方案。介绍了一种天然气管网系统基础地理信息数据库建设方案,并以1∶10000基础地理数据进行了应用验证,天然气管理单位在管道建设初期采购管道沿线完整的基础地理信息数据,按照本方案进行数据库设计、数据入库,在以后的管道运维过程中只需要局部或针对重点要素进行数据更新,利用天然气管网系统的数据入库工具导入现状数据库中,提高了数据入库效率,减少了天然气管道管理运维成本。