基于Boosting的多联机制冷剂充注量故障诊断集成模型

多联机空调系统被广泛用于各种公共建筑物,一旦发生故障会导致舒适性降低,能耗增加。制冷剂充注水平是影响空调系统高效运行的重要参数。本文提出一种基于Boosting集成算法的故障诊断模型,以制冷剂充注量故障为研究对象,将逻辑回归、决策树、随机森林、支持向量机和BP神经网络等5个基分类器集成,使用卡方检验进行特征选择,并使用制冷、制热模式的实验数据建立诊断模型。结果表明:基于Boosting的集成模型能高效检测多联机制冷剂充注量的故障,准确率高达96.8%,相比于传统故障检测方法,大幅提高了诊断模型的响应速度、准确度和实用性。

内蒙古地区不同地理种群布氏田鼠遗传分化研究

[目的]探讨布氏田鼠地理种群的遗传分化。[方法]以MHCⅡ类基因第二外显子为分子标记进行序列分析和基因分型。结果:获得了内蒙古8个布氏田鼠地理种群460个样品的MHCⅡ类基因第二外显子基因的261 bp核苷酸序列,经单倍型分选后,共定义了21个单倍型,其中有3个单倍型为不同区域种群所共享,其余19个单倍型均为各区域种群所特有。单倍型网络进化关系分析显示,8个布氏田鼠地理种群形成3个稳定的进化支,分别与采集的地理种群相吻合:同一地理种群内单倍型之间遗传差异小,而不同地理来源的单倍型之间存在较大区别。AMOVA分析显示,遗传变异主要发生在区域类群间。对基因流和遗传分化系数、种群遗传距离和遗传相似度分析表明,布氏田鼠种群出现了一定的遗传分化,正镶白旗种群因浑善达克沙漠的阻碍而分化最明显。Mentel检测揭示布氏田鼠的遗传分化与地理距离无显著相关性。[结论]栖息地的复杂地形和气候变化可能是影响布氏田鼠群体间遗传分化的主要因素,而种群间距离隔离对于布氏田鼠的遗传分化作用不明显。

基于长短期记忆神经网络的暖通空调系统能耗预测

建筑系统的能源消耗中,暖通空调系统能耗占大部分。降低暖通空调系统(HVAC)的能耗量对实现建筑节能具有重大意义。通过对暖通空调未来短期能耗进行预测,调整系统运行模式,可以实现有效的能耗降低。本研究使用了一种基于长短期记忆神经网络(Long Short-term Memory,LSTM)的暖通空调系统能耗预测方法,对某地供暖系统的能耗进行预测,将预测结果与真实值进行对比。最终结果表明,LSTM预测模型相比传统的预测方法效果更好。

基于递归特征消除-加权k近邻算法的多联机系统制冷剂充注量故障诊断策略

本文提出了一种基于递归特征消除-加权k近邻算法的多联机系统制冷剂充注量故障诊断策略。首先,基于专家先验知识筛选18个多联机运行特征,经数据预处理步骤后,采用递归特征消除(RFE)算法进行特征选择,筛选出最优特征子集;然后基于加权k近邻(wkNN)算法对训练集建立诊断模型,并采用网格搜索算法得到最优参数组合,对制冷剂充注量故障进行诊断。结果表明:该诊断策略弥补了现有方法中“只适用于单一工况、充注量等级分类少”等不足,选择重要性排列前7的特征集作为最优特征子集,在全工况和9个充注量等级的情况下,整体准确率为98.30%,受试者工作特征曲线下的面积(AUC)为0.9883,为设备维护人员提供了详细、关键的信息。