高真空多层绝热低温容器真空丧失的实验研究

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。

基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测

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。