自适应反归一化改进多层神经网络轴流转桨水轮机协联功率预测

轴流转桨水轮机现场协联试验受经济和时间成本限制,获取的数据量有限,难以全面指导机组协联运行参数设置。为提高协联试验效率,实现水轮机协联工况下的功率追踪,同时避免水轮机物理模型高度非线性化难以模拟实际现场问题,提出一种基于改进多层神经网络数学预测模型,采用Rule函数、L2正则化、Adam优化器并用PSO算法优化其梯度参数。针对神经网络实际预测缺乏真实值的问题,提出自适应反归一化区间端值判断策略提高实际预测准确度。通过协联与非协联仿真分析,结果表明所提出预测模型和区间策略能够在小样本情况下对轴流转桨水轮机协联工况实现有效的实际预测,具有较高精度。

基于MERIS遥感图像的太湖叶绿素浓度反演

以太湖为试验区,基于MERIS遥感图像数据以及同步实测的太湖水质参数数据,应用归一化叶绿素指数算法(NDCI),对太湖水体叶绿素a浓度进行反演,得到了太湖区域的水体叶绿素a反演结果,并对反演结果进行了验证和分析。结果表明:归一化叶绿素指数反演算法能够精确地反演太湖区域的叶绿素a浓度值,模型的决定系数(R2)为0.881 2,反演精度优于传统经验统计模型,可为今后更精确地反演内陆水体的叶绿素a浓度提供参考依据。

多端口散射参数测量的一种新方法

本文对利用双端口矢量网络分析仪(VNA)进行多端口网络散射参数测试的问题进行了研究。通过网络参数矩阵的归一化、反归一化变换以及基于不同接入阻抗下网络散射参数矩阵之间的关系,对测试参数进行校正,解决了接入阻抗反射系数的精度带来的测试误差问题,提高了这类测试方法的测试精度。

基于VMD-SE和BiLSTM在短期负荷预测应用

针对传统单一的预测方法精度不高,为进一步提高预测精度,提出VMD-SE与BiLSTM结合的形式建立预测模型,分析和利用气象参数、日期类型等辅助参数之间的相关性。首先对一段时间的用电负荷运用VMD分解,分解形成一系列子序列;然后运用样本熵对各个子序列分析其复杂度,并进行重构减少预测的规模;最后对得到的新的子序列与天气参数、日期类型通过BiLSTM模型进行预测,将得到各个子序列的预测值进行相加处理,再进行反归一化最终得到预测的结果。通过仿真验证并与其他模型进行比较,该模型的预测精度为98.63%,预测精度较高,具有较好的理论和实践意义。

调频广播发射机同轴型变阻低通滤波器工程设计

在RF系统中,变阻器和低通滤波器被广泛使用。本文以FM频段(频率范围88MHz^108MHz)广播发射机中变阻——低滤波器为例,对低通滤波器工程设计提供了一种设计思路。

基于长短期记忆网络的公共建筑短期能耗预测模型

为了提高公共建筑短期能耗预测的精度、泛化能力和鲁棒性能,提出一种基于长短期记忆网络的公共建筑短期能耗预测模型。使用长短期记忆网络作为公共建筑能耗特征提取器,在不断迭代的过程中保留有价值的能耗历史数据,通过自主学习与自组织调整不同时序的输出,并引入灰色系统,减少所需样本数据数量和缩小误差。采用最小乘二法计算输出权值,获得长短期记忆网络下的预测值,将经反归一函数处理后的结果累减计算,得到建筑能耗短期预测值。实验结果证明:本文方法能耗预测能力优秀,可以有效地用于公共建筑能耗预测。