基于改进鲸鱼算法优化LSTM的粮油温度预测

针对粮油温度预测问题,提出一种基于改进鲸鱼优化算法(IWOA)优化长短时记忆神经网络(LSTM)的粮油温度预测模型.针对传统WOA算法收敛速度慢和容易陷入局部最优等问题,提出了应用Logistic混沌映射、Levy飞行策略等方法来提升WOA算法的种群丰富度和搜索能力的方法.采用真实粮油温度值与多种模型预测值对比,IWOA-LSTM的MAE、RMSE比其他模型分别降低了13.64%~68.33%、6.06%~60.39%,R^(2)提高了1.65%~14.27%.结果表明,本文所提模型可以准确预测未来粮油温度变化趋势.

基于鲸鱼优化算法超参数优化的径向基函数响应面模型的油浸式变压器绕组挡板结构优化

热点温度过高会严重影响变压器运行稳定性,为提高变压器运行的稳定性,该文以降低变压器绕组热点温度为优化目标,采用径向基函数(RBF)响应面模型优化变压器绕组挡板尺寸,改善油流分布以实现更好的散热。为提高RBF响应面模型的拟合精度,该文采用鲸鱼优化算法(WOA)对径向基函数的超参数值进行优化,并与传统网格搜索(GS)寻优方法和定参RBF模型进行对比。对比结果表明对于超参数优化问题,在拟合精度占优的前提下,WOA优化效率是GS寻优方法的3.13倍。在此基础上,该文基于WOA-RBF响应面模型对绕组挡板结构尺寸进行优化,优化后的热点温度相较于初始结构的热点温度降低了3.81℃,相对于全场域的最大温升降低了13.42%,并有效地降低了绕组整体温升。同时将所提算法与遗传算法(GA)优化结果进行对比,在保证精度的同时,WOA-RBF响应面模型优化效率是GA的13.41倍。根据上述结果分析可知,所提算法具有很好的优化性能,同时相比于遗传算法,可以在保证优化精度的同时,显著地提高优化效率。

基于OVMD-HWOA-KELM模型的变压器油中溶解气体体积分数预测方法

针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kernel extreme learning machine,KELM)的组合预测模型。首先,运用OVMD获取最优分解参数,并将原始序列分解为一系列相对平稳的分量;其次,通过在鲸鱼种群中融入混沌映射、非线性收敛参数、自适应权重因子和改进的算术优化算法提出HWOA算法,并利用测试函数验证HWOA算法的优越性;然后,对各分量分别构建KELM预测模型,使用HWOA优化KELM的关键参数。最后,将各分量的预测结果叠加重构,得到最终预测结果。案例分析表明,所提模型对变压器正常和异常案例预测的决定系数分别可达97.7%和93.46%,相较于现存方法,该模型具有更好的准确性和适应性,可为电力变压器运维管理提供有利技术支撑。

“美国的鲸油照亮世界”:《白鲸》与自由资本主义经济书写

《白鲸》是梅尔维尔的代表作,作品再现了19世纪自由资本主义时期巅峰状态的捕鲸业,而美国之所以在该行业中成为最大的获益者,是与其在世界经济体系中所扮演的角色和其扩张属性分不开的。文章以自由资本主义视角切入,拟从生产资料的掠夺和占有、生产与资本集中以及商品输出三方面讨论小说中美国捕鲸业对美国和世界经济的影响。在自由资本主义经济阶段,美国通过远洋捕鲸完成资本原始积累,港口城市新贝德福德成为“照亮世界的城市”,从而将美国推向世界经济领导者的地位。然而,在这过程中美国作为资本主义国家妄图征服全球的野心也昭然若揭。

基于DGA与鲸鱼算法优化LogitBoost-决策树的变压器故障诊断方法

为对变压器进行准确的故障诊断,将油中溶解气体分析(dissolved gasses analysis,DGA)与人工智能技术相结合,提出了一种基于鲸鱼优化算法(whale optimization algorithm,WOA)优化LogitBoost-决策树的变压器故障诊断模型。该模型以决策树作为弱学习器,通过将LogitBoost集成算法作为集成框架使多个决策树集成为一个强学习器,并构建了一种基于鲸鱼优化算法的优化策略去优化LogitBoost-决策树模型中的决策树棵数及决策树的最大分裂次数。实验表明,所构建的WOA-LogitBoost-DT变压器诊断模型与常用的决策树、支持向量机、三比值等诊断模型相比,综合诊断精度分别提高了约4%、10%、21%。所构建的相关模型能为变压器的故障诊断提供技术支持。

WOA下的修正后石油管道泄漏模型定位研究

采用鲸鱼优化算法(WOA)求解石油管道泄漏模型,得出泄漏孔径大小和泄漏位置。考虑到管道泄漏时流体流态会发生改变,对切应力进行修正,得出更准确的石油管道泄漏模型,之后使用特征线法求解;根据泄漏定位原理建立石油管道泄漏定位模型;然后使用鲸鱼优化算法求解,并将不同泄漏工况下的求解结果与遗传算法(GA)和粒子群算法(PSO)求解结果对比。结果表明:切应力修正后的石油管道泄漏模型沿程压力最大相对误差为1.02%,流速最大相对误差为3.84%;在不同泄漏工况下,鲸鱼优化算法定位误差在1%以内,泄漏孔径误差在15%左右,比其他2种算法更准确,且适应性良好。

近红外光谱结合改进鲸鱼算法优化模型BAS-WOA-SVR检测藤椒油掺伪

鉴于藤椒油市场良莠不齐,以近红外光谱技术为基础,藤椒油为研究对象,展开对藤椒油掺伪检测研究。首先将纯藤椒油作为基底油,按比例配置掺入大豆油、玉米油、葵花籽油得到油样,采集藤椒油掺伪样品的近红外光谱数据;光谱数据经归一化处理后采用标准正态变换(SNV)、多元散射矫正(MSC)进行预处理,然后采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)进行特征数据提取,组合不同预处理算法与特征数据提取算法,通过支持向量机回归(SVR)建立藤椒油掺伪预测模型。结果表明:MSC-CARS-SVR模型校正集和预测集的决定系数(R^(2))最高,校正集R^(2)达到了0.7561,预测集R^(2)达到0.7052;均方根误差(RMSE)最小,校正集RMSE达到0.743,预测集RMSE达到0.794。为了提高模型的准确性,采用鲸鱼算法(WOA)和改进鲸鱼算法(BAS-WOA)优化SVR模型,改进的鲸鱼算法以每一次鲸鱼群的最优鲸鱼作为当前天牛须的出发位置,分别探索左右须前进,计算前进后的目标函数,如果目标函数优于当前最优鲸鱼的值,则用前进后的天牛位置替换鲸鱼位置,进而实现了天牛须算子对鲸鱼算法的改进。用WOA优化SVR模型,相比之下精度最高的为MSC-CARS-WOA-SVR模型,校正集R^(2)达到0.8591,预测集R^(2)达到0.8216;校正集RMSE降低到了0.374,预测集RMSE降低到0.495。相比于传统的SVR模型精度和性能都有较明显提升。用BAS-WOA优化SVR模型,精度最高的是MSC-CARS-BAS-WOA-SVR模型,校正集R^(2)高达0.9551,预测集R^(2)高达0.9439;校正集RMSE降低到了0.054,预测集RMSE降低到0.081。相比于WOA优化算法,BAS-WOA优化的模型精确度和性能都有了进一步提升,模型预测集R^(2)从0.8216提高到0.9439,预测集RMSE从0.495降低为0.081。鲸鱼算法优化SVR模型容易陷入局部极值和收敛速度问题,改进的鲸鱼算法通过天牛须算法的左右须探寻来改进鲸鱼算法不足,从而提升算法的全局寻优能力。研究表明近红外光谱技术结合智能优化算法能有效识别藤椒油掺伪。

基于改进鲸鱼算法的转油站运行参数优化

针对油井采出液含水率不断增加,转油站集输系统效率低、能耗高的问题,对转油站集输系统进行运行参数优化。以掺水温度和掺水量为决策变量,生产能耗费用最低为目标函数,建立转油站运行参数优化模型。采用人工设计与佳点集原理相结合的种群初始化策略和引入非线性收敛因子等机制对传统鲸鱼算法进行改进,以大庆PH2转油站为例,采用改进鲸鱼算法对运行参数进行优化,结果表明,改进后的鲸鱼算法综合性能明显提高,并且优化后转油站掺水温度降低9℃,掺水量减少450 m 3/d,日均耗气量下降14.68%,日均耗电量降低34.1%,总体运行费用降低了21.5%,优化效果良好。研究成果可供类似工程参考。

敬告读者——《光谱学与光谱分析》已全文上网

从2008年第7期开始在《光谱学与光谱分析》网站(www.gpxygpfx.com)“在线期刊”栏内发布《光谱学与光谱分析》期刊全文,读者可方便地免费下载摘要和PDF全文,欢迎浏览、检索本刊当期的全部内容;并陆续刊出自2004年以后出版的各期摘要和PDF全文内容。2009年起《光谱学与光谱分析》每期出版日期改为每月1日。

磺化加脂剂物化性能研究

利用OCAH200视频高速接触角测量仪、Zetasizer Nano S90粒度分析仪等,研究了加脂剂合成鲸蜡油和磺化羊毛脂的物化性能。结果表明,合成鲸蜡油和磺化羊毛脂的乳液稳定性良好,有较强的耐酸、耐盐的能力以及一定的耐铬能力。合成鲸蜡油表面张力小,乳液粒子的大小在10-100 nm之间,磺化羊毛脂乳液粒子的大小在20 -100 nm之间。

磺化合成鲸蜡油/磷酸酯类表面活性剂复合体系的性能研究

以降膜式SO3磺化合成鲸蜡油(SSW)为对象,考察磷酸酯类表面活性剂(PES)对SSW形成复合体系的影响,通过比较拟三元相图中油相区域比例,确定三种SSW/PES复合体系中PES的最优用量:w(A8EO5PNa)=1.5%,w(A9E05PNa)=1.0%,w(A12E03PNa)=0.5%。根据最优配方研究了复合体系的表面张力、革表面动态润湿角、乳液稳定性、临界胶束浓度(CMC)及粒度分布,结果表明:SSW/A9EO5PNa复合体系表面张力为27.39 mN/m,润湿渗透能力强、临界胶束浓度低,乳液稳定性好,乳液平均粒径为78.7 nm,更适合应用于皮革加脂剂。

磺化合成鲸蜡油/硫酸酯类表面活性剂复合体系的性能研究

以降膜式SO3磺化合成鲸蜡油(SSW)为对象,考察了磷酸酯类表面活性剂(PES)对SSW形成复合体系的影响。通过比较拟三元相图中油相区域比例,确定3种SSW/PES复合体系中PES的最优用量:w(A8EO5PNa)=1.5%,w(A9EO5PNa)=1.0%,w(A12EO3PNa)=0.5%。根据最优配方研究了复合体系的表面张力、革表面动态润湿角、乳液稳定性、临界胶束浓度(cmc)及粒度分布。结果表明:SSW/A9EO5PNa复合体系表面张力为27.39 mN/m,润湿渗透能力强,临界胶束浓度低,乳液稳定性好,乳液平均粒径为78.7 nm,更适合应用于皮革加脂剂。

考虑油膜动态过程的海上溢油应急物资调度优化

针对溢油应急响应中海上油膜所具有的动态特性,综合考虑需求点的时变物资需求、运输网络的不确定性以及物资调度决策与外部决策环境之间的相互作用关系之后,构建了效率目标与成本目标相结合的多目标海上溢油应急物资调度优化模型。根据模型的特点,提出了一种基于鲸鱼算法的求解方法。该算法利用非线性收敛因子克服了算法后期易陷入局部最优的不足,同时还引入小生境共享机制以确保解的多样性。最后,通过仿真案例对模型与算法的有效性与可行性进行了验证。结果表明,该方法可以为决策者提供高质量的决策支持。

基于特征选择的常减压装置模型及在计划优化中的应用

常减压装置将原油切割为不同中间产品,其作为炼油工艺的龙头装置,对炼油过程生产计划排产与效益提升至关重要。通过建立一种高精度且具有良好求解效率的常减压模型,用以求解模型关键指标实沸点(TBP)曲线,即综合考虑切割产品的实沸点(TBP)与原油TBP、流量、温度等变量影响,构建非线性方程组模型来表征输入输出间的关系;利用特征选择方法遴选相关变量(包括进料性质、相邻TBP及其二次项等),并采用鲸鱼优化算法优化方程组系数。仿真结果表明,该多输出相互关系模型与已有文献工作相比,在兼顾求解效率基础上,常减压装置各蒸馏切割产品TBP曲线预测上有更高的精度,将此模型应用到炼厂计划优化中,与传统的悬摆切割模型对比,优化结果优于传统悬摆切割模型。

基于数据均衡化与改进鲸鱼算法优化核极限学习机的变压器故障诊断方法

针对不平衡数据对变压器故障诊断模型辨识精度的影响,提出一种基于自适应综合过采样(ADAptive SYNthetic,ADASYN)与改进鲸鱼算法优化核极限学习机的变压器故障诊断模型。首先,利用ADASYN算法优化变压器故障数据均衡化处理,解决变压器故障数据集类间不平衡给模型带来的偏倚问题。其次,通过多策略组合改进了鲸鱼优化算法(improved whale optimization algorithm,IWOA)的搜索速度、收敛能力和局部极值的逃逸能力。最后,改进鲸鱼算法对核极限学习机(kernel based extreme learning machine,KELM)正则化系数和核函数参数寻优,构建改进鲸鱼算法优化核极限学习机(IWOA-KELM)故障诊断模型。将模型应用于变压器故障诊断领域,用该模型与粒子群算法核极限学习机模型(PSO-KELM)、灰狼算法优化核极限学习机模型(GWO-KELM)和鲸鱼算法核极限学习机模型(WOA-KELM)的诊断精度对比,分别提升14.17%、12.5%和8.34%,这证明了所提故障诊断模型具有更高的精度和泛化能力。