期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高真空多层绝热低温容器真空丧失的实验研究
被引量:
4
1
作者
刘根仓
汪荣顺
谢高锋
《低温与超导》
CAS
CSCD
北大核心
2010年第7期29-32,共4页
突然的、完全的真空丧失是一种可能发生在高真空多层绝热容器上的严重事故。为了保证高真空多层绝热容器的安全使用,真空丧失后的漏热量是进行高真空多层容器设计的一个重要参数。利用一个工业化高真空多层绝热低温量热器,以液氮为介质...
突然的、完全的真空丧失是一种可能发生在高真空多层绝热容器上的严重事故。为了保证高真空多层绝热容器的安全使用,真空丧失后的漏热量是进行高真空多层容器设计的一个重要参数。利用一个工业化高真空多层绝热低温量热器,以液氮为介质研究了其真空丧失前以及内筒壁及外筒壁泄露后的传热。结果表明,真空丧失后排放率及漏热量都会急剧增加,但是多层绝热材料仍然起到了一定的保温作用。由于空气中的部分气体在绝热层内部的凝结,导致低温容器外壁泄露后的漏热量远高于内壁泄露后的漏热量。
展开更多
关键词
高真空多层绝热低温容器
真空丧失
传热
下载PDF
职称材料
基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测
被引量:
10
2
作者
梁涛
谢高锋
+1 位作者
米大斌
姜文
《环境工程》
CAS
CSCD
北大核心
2020年第2期107-113,共7页
针对PM10浓度时间序列具有明显的非线性和波动性特征,提出一种基于自适应噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-样本熵(sample entropy,SE)和长短期记忆神经网络(l...
针对PM10浓度时间序列具有明显的非线性和波动性特征,提出一种基于自适应噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-样本熵(sample entropy,SE)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型。首先利用CEEMDAN-SE将原始PM10浓度时间序列分解为若干个复杂度差异明显的子序列;然后针对各子序列的内在特性结合气象因素分别建立适当参数空间的LSTM预测模型;最后将预测结果进行叠加得到最终预测结果。以唐山市4个空气质量监测站的实测PM10浓度数据进行模型验证分析,结果表明:所提预测模型对比其他几种预测模型显示出较高的预测精度,以及良好的普适性。
展开更多
关键词
PM10
浓度预测
集成经验模态分解
样本熵
时间序列
原文传递
题名
高真空多层绝热低温容器真空丧失的实验研究
被引量:
4
1
作者
刘根仓
汪荣顺
谢高锋
机构
张家港中集圣达因低温装备有限公司
上海交通大学制冷与低温工程研究所
出处
《低温与超导》
CAS
CSCD
北大核心
2010年第7期29-32,共4页
文摘
突然的、完全的真空丧失是一种可能发生在高真空多层绝热容器上的严重事故。为了保证高真空多层绝热容器的安全使用,真空丧失后的漏热量是进行高真空多层容器设计的一个重要参数。利用一个工业化高真空多层绝热低温量热器,以液氮为介质研究了其真空丧失前以及内筒壁及外筒壁泄露后的传热。结果表明,真空丧失后排放率及漏热量都会急剧增加,但是多层绝热材料仍然起到了一定的保温作用。由于空气中的部分气体在绝热层内部的凝结,导致低温容器外壁泄露后的漏热量远高于内壁泄露后的漏热量。
关键词
高真空多层绝热低温容器
真空丧失
传热
Keywords
High vacuum multi-layers insulating cryogenic vessel
Vacuum loss
Heat transfer
分类号
TU228 [建筑科学—建筑设计及理论]
下载PDF
职称材料
题名
基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测
被引量:
10
2
作者
梁涛
谢高锋
米大斌
姜文
机构
河北工业大学人工智能与数据科学学院
河北建投能源投资股份有限公司
出处
《环境工程》
CAS
CSCD
北大核心
2020年第2期107-113,共7页
基金
河北省科技计划项目(16214510D,17214304D,19210108D)
石家庄科技局重点研发项目(181060481A)。
文摘
针对PM10浓度时间序列具有明显的非线性和波动性特征,提出一种基于自适应噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-样本熵(sample entropy,SE)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型。首先利用CEEMDAN-SE将原始PM10浓度时间序列分解为若干个复杂度差异明显的子序列;然后针对各子序列的内在特性结合气象因素分别建立适当参数空间的LSTM预测模型;最后将预测结果进行叠加得到最终预测结果。以唐山市4个空气质量监测站的实测PM10浓度数据进行模型验证分析,结果表明:所提预测模型对比其他几种预测模型显示出较高的预测精度,以及良好的普适性。
关键词
PM10
浓度预测
集成经验模态分解
样本熵
时间序列
Keywords
PM10
concentration prediction
ensemble empirical mode decomposition
sample entropy
time series
分类号
X513 [环境科学与工程—环境工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
高真空多层绝热低温容器真空丧失的实验研究
刘根仓
汪荣顺
谢高锋
《低温与超导》
CAS
CSCD
北大核心
2010
4
下载PDF
职称材料
2
基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测
梁涛
谢高锋
米大斌
姜文
《环境工程》
CAS
CSCD
北大核心
2020
10
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部