基于SAX-ARMA模型混合模型的企业排污用电监测

随着社会的快速发展和工业化进程的加速,环境污染问题日益凸显,加强环境监管与治理成为刻不容缓的任务。为了有效地控制企业排污,提高环境质量,利用电力数据易获取、数据量大等特点,通过多种算法研究,使得企业排污用电预测更精准,实现企业排污用电的精确监测。文章旨在利用企业排污用电数据,结合ARMA算法和SAX算法的优势,构建SAX-ARMA混合模型,对企业排污用电进行监测预警。实例分析选取特定区域的排污企业用电数据作为研究对象,将预测结果与实际数据进行对比,并与设定的阈值进行对比,展示了该方法在实际应用中的效果和可行性,实现排污企业的短期排污数据预测,从而加强对重点企业污染防治的联防联控。通过对比分析ARMA模型和SAX-ARMA混合模型的预测结果,和模型的评估指标的值,发现SAX-ARMA混合模型比ARMA模型的预测值和真实值的重合程度更高,且SAX-ARMA混合模型的RMSE和MAPE的值比ARMA模型分别低0.151和3.304,综上所述SAX-ARMA混合模型更适合文章的研究内容。

放射性土壤样品采集不确定度的全程质量控制(SAX)评定方法探讨

采样过程的不确定度是辐射环境监测结果不确定度的一个重要来源,但长期以来,由于采样过程不确定度难以量化,目前辐射环境监测结果的不确定度大都只考虑了分析过程,没有考虑采样过程。利用全程质量控制方法(SAX方法)进行辐射环境监测采样的设计,并采用稳健方差分析方法,可得到采样过程的方差,从而实现对采样过程不确定度的量化。利用该方法进行了一次实际的辐射环境监测,并对土壤样品的结果进行了方差分析,得到了采样不确定度。对监测结果及其不确定度进行了分析,认为SAX方法可以用于指导辐射环境监测,能够进一步优化辐射环境监测方案设计,提高监测质量。

基于SAX算法的CMT增材制造缺陷在线监测

针对增材制造过程中形成的缺陷会对工件造成不可逆的影响,分析了冷金属过渡(Cold metal transfer,CMT)增材制造过程的焊接电流信号和焊接电压信号,提出了一种基于时间序列算法的CMT增材制造缺陷在线监测方法。设置不同的焊接工况,收集良好组和缺陷组的原始焊接电流和焊接电压信号,使用SAX(Symbolic aggregate approximation)算法对数据进行预处理。使用随机森林模型对数值型数据再分类,达到实时监测的效果;同时为突出SAX算法的优越性,设置对比试验组,将原始的焊接电流数据直接放入随机森林模型进行分类。结果表明,原始焊接电流组的测试集准确率为80%,SAX算法数据预处理组的测试集准确率为96%。

基于SAXS的超临界CO_(2)-H_(2)O流体对煤纳米孔隙结构的影响研究

超临界CO_(2)(SCCO_(2))流体对含水煤层纳米孔隙结构的改变将显著影响目标煤层的CO_(2)封存能力;为此,基于流体地球化学反应装置,以长焰煤、气煤和无烟煤为研究对象,模拟了SCCO_(2)-H_(2)O混合流体(温度45℃、压力12 MPa)与3类煤阶煤的地球化学反应;在此基础上,采用小角X射线散射(SAXS)研究了纳米孔隙结构及其非均质性对SCCO_(2)-H_(2)O流体的响应。结果表明:SCCO_(2)-H_(2)O作用重塑了煤的纳米孔隙结构,但不同煤阶煤的纳米孔隙对混合流体的响应有所差异;SCCO_(2)-H_(2)O流体作用后,长焰煤孔隙度、比表面积和小于5 nm的孔隙含量降低,但大于5 nm的中孔含量增大;气煤微孔含量减小,但中孔含量和比表面积显著增大;无烟煤孔隙度和比表面积均提高;煤基质溶胀、SCCO_(2)流体萃取、矿物的溶解和迁移的综合作用造成煤纳米孔隙的差异演化;SCCO_(2)-H_(2)O流体增强了低中阶烟煤孔隙分布的非均质性,以气煤尤为显著,但降低了所有煤样孔隙表面的不规则性。

基于SAX及空间信息熵的谐振接地系统单相接地故障选线方法

针对含多电缆谐振接地系统健全线路零序电流相似性减弱以及单相高阻接地因故障信息微弱且易被干扰而使选线正确率下降的问题,提出一种基于符号化聚合近似(symbolic aggregate approximation,SAX)及空间信息熵的选线方法。首先通过FIR滤波器提取暂态低频零序电流并标准化,然后将所得电流序列及其差值序列在多尺度域上符号化,通过最长公共子序列校验后生成三维故障空间并定义空间信息熵,最后比较线路间熵值差异度完成选线。仿真结果表明,所述选线方法灵敏度高,硬件要求低,能够克服采样不同步、三相不平衡等困难。

基于改进SAX算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法

新型电力系统下配电网运行方式调整愈来愈频繁,配电网负荷-馈线匹配面临采样数据高维异构且价值密度低、现有匹配算法对负荷物理特征依赖度高、参数设置灵活性弱等难点,为此提出一种基于改进SAX(符号聚合近似)算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法。首先,建立面向离散符号化时间数据序列的数据价值提升模型,将高维异构的数据近似表示为低维统一的符号,修正和填充异常数据、空白数据。其次,构建改进CNN-LSTM(卷积神经网络-长短期记忆)混合神经网络,对负荷数据进行所属馈线匹配分类训练,利用多头注意力机制深入挖掘负荷数据的潜在数学关系,降低对负荷物理特征的依赖度。然后,引入贝叶斯超参数优化算法对神经网络训练参数进行逐次更新,提高馈线拓扑变化时神经网络模型的灵活性与适应性。最后,对某地区100条馈线进行负荷匹配实验验证,结果证明所提方法较传统方法具有更高的匹配精度。

TEOS-MTES基SiO_2溶胶微结构的SAXS研究

正硅酸乙酯(TEOS)为前驱体,在碱性条件下制备含有无定形SiO2颗粒的溶胶,以甲基三乙氧基硅烷(MTES)在酸性条件下获得聚甲基硅氧链,二者混合后应用同步辐射X射线进行混合溶胶的SAXS散射强度测定,计算了溶胶的平均回转半径、平均粒径、两相界面层厚度、散射体体积分数、两相间比表面积等参数,辅以光子相关光谱法(PCS)和透射电子显微镜(TEM)观测溶胶粒度,证实SiO2颗粒被MTES混合物连接成族团.实验发现所测混合溶胶样品均表现出对Porod定理的负偏离,说明溶胶中颗粒与溶剂之间存在很明显的两相间界面层.

用SAXS研究锂对7000系铝合金相变动力学的影响

为了深入了解锂对7000系铝合金的影响,以获得优良性能含锂超高强铝合金,对含锂7000系铝合金进行了研究。采用小角X射线散射(SAXS)实验方法对7000系及含锂的7000系铝合金进行相变动力学研究,得出了析出相颗粒尺寸和体积分数。根据获得的这些数据进一步确定成核、长大和相变3个阶段的激活能。结果表明:含锂合金的析出相长大和粗化进程比无锂合金更加缓慢;含锂合金的成核激活能小于无锂合金,长大激活能和相变激活能都大于无锂合金,说明含锂合金析出相成核容易,长大和整个相变过程都比无锂合金困难。

SAXS测定二氧化硅胶体粒子结构

本文考察了正硅酸乙酯(TEOS)在碱性催化条件下通过水解和缩聚而制得的二氧化硅胶体的小角X-射线散射(SAXS)特征,通过散射数据对Porod负偏离的分析和校正,测定了胶体粒子的几何结构,包括胶团尺度分布、胶核尺度分布及平均界面层厚度,这有助于认识胶体的物理化学特征。

基于SAX方法的时间序列分类问题的多阶段改进研究

分类问题是数据挖掘中的基本问题之一,时间序列的特征表示及相似性度量是时间序列数据挖掘中分类、聚类及模式发现等任务的基础。SAX方法是一种典型的时间序列符号化表示方法,在采用该方法的基础上对时间序列进行分类,不仅可以有效地降维、降噪,而且具有简单、直观等特点,但是该方法有可能造成信息损失并影响到分类结果的准确性。为了弥补信息损失对分类结果的影响,采用了集成学习中大多数投票方法来弥补BOP表示后的信息损失,从而提高整个分类器的效率。针对一些样本在BOP表示中都损失了相似的重要信息,以至于大多数投票无法进一步提高分类效率的问题,进一步提出了结合集成学习中AdaBoost算法,通过对训练样本权重的调整,从而达到以提高分类器性能来弥补信息损失的效果。实验结果表明,将BOP方法与集成学习相结合的方法框架,不仅能很好地处理SAX符号化表示中的信息损失问题,而且与已有方法相比,在分类准确度方面也有显著的提高。

OnceSAXParser:一种高效轻量的XML解析器

通过优化XML词法和语法处理以及构造轻量级体系结构,实现了支持SAX的高效XML解析器――OnceSAXParser。文中还将OnceSAXParser与目前最流行的XML解析器Xerces进行了对比分析和性能测试,结果显示OnceSAXParser的性能比Xerces平均提高了27%以上。

面向时间序列分类任务的SAX方法特性及可视化探索

针对时间序列特征SAX表示方法的信息损失及保留情况,利用信息嵌入成本(IEC)这一度量手段来分析SAX方法的内在统计特性,并通过复杂网络表示方法建立时间序列的图形化表示,达到时间序列数据分析及可视化的目的.对于时间序列数据,首先进行SAX特征表示并计算其IEC值;然后对原始时间序列及其SAX表示分别进行分类并对比分类错误率,分析IEC分值与分类错误率的关系;最后根据数据自身特点及IEC分值选取具有代表性的数据集,将SAX表示转化为马尔科夫转移矩阵,进而采用复杂网络表示方法进行可视化展示.对原始时间序列采用分位数离散化特征表示方法,与SAX方法进行可视化效果对比的实验结果表明,SAX方法能在有效降低复杂性的同时保留原始时间序列中的核心信息.文中提供了IEC分值作为SAX方法有效性判别的一个参照标准,并建立了一个有效的分析评估与可视化方法框架.

基于优化SAX和带权负荷特性指标的AP聚类用户用电行为分析

智能电表的推广和安装,使用户侧累积了海量用电数据。特征提取和聚类分析作为有效的数据处理手段,有助于挖掘用电数据中隐藏的宝贵信息,提取用户的用电行为特性。为提取有效直观的负荷特性,本文提出利用优化SAX和带权负荷指标的AP聚类算法,对负荷曲线进行聚类。针对AP聚类复杂度较高的问题,首先利用SAX算法对负荷曲线进行降维并提取特征,利用基于模拟退火粒子群算法,优化确定合理的字符数和状态数;然后结合负荷特性指标,运用改进AP聚类算法,对负荷曲线进行聚类,聚类过程中采用熵权法对负荷特性指标进行客观赋权,避免指标设置的主观性。基于聚类结果,对各类用户的用电行为以及需求响应潜力进行分析。案例分析验证了该算法的高效性和有效性,并可应用于电网公司决策,如负荷预测、异常检测和提供差异化服务等。

同步辐射SAXS技术在TATB含能材料微孔结构研究中的初步应用

TATB含能材料的微结构对该材料的感度等有明显的影响 ,因而对于材料的安全性有着特别重要的意义。小角X射线散射 (SAXS)技术是一种分析物质微观结构的重要手段 ,应用SAXS分析技术可以获取材料中几纳米到几百纳米尺度范围的亚微结构信息。利用同步辐射作为X射线源对TATB钝感炸药进行了小角散射实验测量 ,获得了SAXS测量谱。对实验谱数据进行处理 。

聚醚醚酮酮（PEEKK）和含联苯结构聚醚醚酮酮（PEBEKK）共聚物的SAXS研究

应用一维电子密度相关函数方法，对含不同联苯结构的ＰＥＥＫＫ－ＰＥＢＥＫＫ共聚物样品小角Ｘ射线散射（ＳＡＸＳ）去模糊强度分析计算表明：ＰＥＥＫＫ－ＰＥＢＥＫＫ共聚物的聚集态结构明显地依赖于共聚物中联苯含量。当联苯含量ｎｂ＝０．３５时，积分不变量Ｑ，长周期Ｌ，平均结晶片层厚ｄ，电子密度差η_ｃ－η_ａ和结晶度Ｗ_（ｃ，ｘ）值为最小，比表面积Ｏ_ｓ为最大。

FRS-XRSA与SAXS研究硬弹性聚丙烯的结晶度、取向与超结构——Ⅱ.退火温度的影响

本文是继应用WAXD与SAXS研究退火时间对HEPP结构影响后的第二部分工作,即退火温度的影响。结果指出:FRS-XRSA是研究择优取向聚合物结晶与取向的合理方法;HEPP的X_c^x与L_(kkl)随T_(an)存在着熔融-结晶-再熔融及趋于平稳的过程,当t_(an)=30min,T_(an)≥140℃是较佳结晶条件;与前人工作不同,HEPP中的片晶似呈扭曲状,且随T_(an)增加,扭曲片晶向伸展片晶转变,当T_(an)≥140℃,伸展取向渐趋稳定;SAXS结果指出,d随T_(an)线性增加,d_c在T_(an)从110°—120℃出现剧变增厚,d_0的变化与晶粒的熔融和片晶的增厚相对应,片晶层是由二层晶粒堆砌而成。T_(an)与t_(an)相比,两者对HEPP的结构都有明显的影响。

FRS-XRSA与SAXS研究硬弹性聚丙烯的结晶度、取向与超结构——Ⅰ.退火时间的影响

硬弹性材料是近二十年发展起来的一种新型的、具有开发前景的高聚物材料,但目前只利用其多孔透气性而作人工肺等。为了开发这种硬弹性,人们对其加工-结构-物性之间的关系仍在进行着不懈的研究。本文利用FRS-XRSA与SAXS研究退火条件对HEPP结晶、取向与超结构的影响。FRS-XRSA是作者为研完择优取向聚合物结晶与取向而提出的一种理论分析。结果指出:当T_(an)取130℃,则获得稳定结构的t_(an)应大于40min。与前人工作不同之点是,HEPP纤维中的片晶不是伸展的,而是扭曲或双重取向的。当退火时间增加,扭曲的片晶逐渐伸展。从SAXS得到的长周期与从WAXD得到的结晶度与晶粒度指出,片晶是由两层晶粒砌成。

用SAX解析XML文档的实现方法

讨论了解析XML文档的两种API.简要介绍了DOM和SAX在处理XML文档时的不同特点,重点分析了SAX的接口及其相关方法,并通过简单的示例展示了用SAX解析XML文档的方法.

DODMAC/n-C_(10)H_(21)OH/10% n-C_(10)H_(22)/H_2O体系溶致液晶的~2H NMR和SAXS研究

５０℃下，测定了双十八烷基二甲基氯化铵（ＤＯＤＭＡＣ）／ｎ－Ｃ１０Ｈ２１ＯＨ／１０％ｎ－Ｃ１０Ｈ２２／Ｈ２Ｏ四元体系相图，确定了液晶区域范围，用＾２Ｈ ＮＭＲ方法，并辅以偏光显微镜照片，确定了液晶为反相六角状，用ＳＡＸＳ求出了液晶晶面间距，确定了晶面间距ｄ１与含水量ｆｗ／（１－ｆｗ）之间的线性关系，并求得圆柱形聚集体的直径ｄｓ＝４．０３５ｎｍ。

基于SAX的往复压缩机气阀故障诊断

传统的时域、频域、时频域分析方法基于振动信号对整个序列时间点分析,忽略了其中一小段时间序列数据变化规律,没有考虑其波形特征,无法有效提取特征。鉴于此,提出了基于符号聚合近似算法(SAX)的故障特征提取方法。该方法对机械振动信号SAX符号化近似表示,之后通过一定长度滑动窗口确定符号串类型,统计符号串频数,作为特征值,最后排列各个特征值,归一化后得到向量,作为该数据样本的特征向量。该方法针对周期序列中一小段数据进行对比,描述其变化规律,挖掘内在信息,形成数据模态,然后对各类模态统计分析,有效提取了原始序列的变化趋势和信息特征,克服了现有方法的不足。对油田现场压缩机气阀振动数据分析处理,用SAX方法提取特征向量后输入网格优化的SVM分类器进行了训练分类,与基于信息熵的特征提取方法进行对比,两者故障分类准确率分别为81.25%和100%。分析结果表明:SAX特征提取方法可以准确有效地提取故障特征,具有更高的故障识别率,基于SAX算法的往复压缩机气阀故障诊断方法具有可行性。所得结论可为压缩机气阀故障信号的进一步分析提供参考。