融合相似性原理的涡轮叶型流场预测方法研究

计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机器学习思路的启发,将相似性原理与深度学习模型相结合,提出了一种泛化能力强的涡轮叶型流场预测新方法.以涡轮叶片表面等熵马赫数分布预测为例,提出采用相似性原理对叶型几何变量和气动参数进行归一化,进而在归一化参数空间构建训练样本集与深度学习预测模型,由此建立统一的流场预测模型,对几何尺寸、边界条件差异较大的叶型气动性能进行评估.在完成模型训练后,对归一化条件下不同工况/不同形状叶型的流场、真实环境下不同工况/不同尺寸叶型的流场以及GE-E3低压涡轮不同截面叶型的流场进行预测,结果表明预测结果的分布曲线与CFD评估结果吻合良好,平均相对误差在1.0%左右,由此验证了所提出的融合相似性原理的流场预测模型的精度与泛化能力.

基于大数据的售电业务运营监测分析探索

为了充分发挥运营监测工作的事前引导、事中纠偏作用,文章选取售电业务作为监测分析的切入点,在基于规章制度、专家经验、业务常识梳理的基础上,运用大数据分析工具,利用趋势拟合和构建分析模型等监测分析方法对售电业务的运营监测分析工作进行了探索。通过业务数据验证,可达到发现业务问题、预警业务风险、预测经济效益、推动业务规范化和提升效率、效益的目标,对其他电力相关业务的运营监测分析具有一定的借鉴意义。

一种用户画像系统的设计与实现

用户画像系统通过结合用户浏览行为日志以及爬取数据作为补充,构成用户浏览行为的完整数据集。通过以Hadoop分布式集群为基础的大数据平台结合数据分析算法对该数据集进行清洗、规范化、分析与处理,分析出用户兴趣偏好,为用户标记不同权重的标签,使得企业更了解用户以及为之后针对用户精准推荐铺平道路。此外,针对K-means算法依赖初始化中心的缺陷进行了改进,从测试结果可以看出改进后的K-means准确率得到了较大提升。

基于DEA交叉模型的汽车物流运作效率评价

严峻的汽车需求市场和全球化的贸易环境,越来越多的汽车企业为了提升自身竞争力,集中所有资源发展核心业务,纷纷转向物流业务外包策略。选择最佳汽车物流服务商是大多汽车企业运营的关键环节。汽车企业可以采用数据包络分析法评价物流服务商的运作效率,从汽车物流成本和服务质量两个方面构建投入与产出评价指标,引入交叉评价机制,构建对抗型交叉模型计算各候选物流服务商的运作效率值,以平均交叉评价值为依据选择最佳物流服务商,为物流决策提供相关的理论支持。

基于拟合业务流的数据分析模型在系统运维中的应用

信息系统运维的核心是业务应用服务的运维保障,需实时掌握各应用服务的工作状态、数据信息的传输流向等重要信息,以提供综合整体性监控能力和有效快速定位故障点功能。传统的运维手段难以达成此功能。本文从信息系统实际承载业务入手,通过对比分析业务流和数据流的关联特性构建数据流逻辑模型,据此建立拟合业务流的数据分析模型,并以业务故障排查分析为实例在试验系统环境中进行验证。

数据模型在排水系统管道模拟中的应用

排水系统模拟技术是通过计算机模拟全面反映城镇排水系统运行状态的重要手段。随着排水系统智能控制技术的持续应用,排水系统模型在智能控制系统中的在线应用也日益得到重视。在排水系统模型中,管道模拟占据核心地位,其模拟可靠性和时效性直接影响模型的总体性能。为了克服传统机理模型中管道模拟参数繁多、运行速度慢、复杂性高、难应用于控制器的优化调节等问题,从实现模型的在线高效实时应用角度出发,研究了滑动平均算法、线性拟合法、传递函数法等多种侧重于数据化模拟的方法在管道模拟中的应用可行性与可靠性,并根据实际案例比较了不同数据模型方法在多变管网条件下的模拟表现。