网络通信技术下弱电智能化建筑系统的分析

随着我国经济的不断发展,人民生活水平和质量也在日益提高,人们对于居住环境的要求越来越高,而智能建筑作为建筑中最重要的组成部分之一更是对整个社会都有很大影响。但是由于目前我国的智能化技术还处于比较低端的阶段,所以我们必须要充分利用先进科技来为自己提供更加完善、高效可靠地服务,同时还要降低网络通信系统自身存在的安全隐患等问题,只有这样才能使信息能够安全保密的传输,并且其共享性也能有效的满足人们对于信息的需求。本文主要对智能化建筑系统的弱电智能化设计进行了分析,并对弱电智能化建筑的设计与实现进行了研究,通过分析,提出了一种基于网络通信技术,可扩展性强、具有很强集成度和灵活控制等特点的新型弱电智能系统。

基于XGBoost-神经网络的建筑负荷预测模型构建

针对建筑负荷预测模型特征选择工作量大、泛化能力提升难的问题,提出一种基于极限梯度提升(extreme gradient boosting,XGBoost)-神经网络的建筑负荷特征筛选及预测方法,利用XGBoost算法训练滤波处理后的数据,基于平均绝对误差百分比(mean absolute percentage error,MAPE)确定最优特征子集,以改善模型精度和泛化能力;采用贝叶斯正则化算法训练前馈神经网络,以便能够在训练优化过程中降低网络结构复杂性,从而避免网络过拟合,进一步提升其泛化能力。针对某商业建筑的负荷预测实验结果表明,特征筛选后较筛选前模型均方误差(mean squared error,MSE)降低43.29%,有效提高了模型预测精度;分别以贝叶斯正则化和Levenberg-Marquardt(L-M)算法对神经网络进行训练,前者5次试验均方根误差(root mean squared error,RMSE)和MAPE平均值较后者分别降低87.08%、85.33%,预测模型泛化能力得到有效提升。

基于Stacking模型的数据中心能效指标预测

提出一种基于Stacking集成学习的数据中心制冷系统能效指标预测模型。分别以XGboost、RF、SVR算法建立能效指标基模型,并采用线性回归法构建元模型;分别组合不同堆叠结构,使用K折交叉验证和基于网格搜索法的超参数优化增强模型性能;并引入期望误差百分比(EEP)、平均偏移误差(MBE)及决定系数(R2)三项评价指标检验模型性能。针对北京市某数据中心制冷系统的建模实验表明,所提出的XGboost+RF结构堆叠模型与单一模型相比,各项性能指标提升约5%~19%。

柔性化45 m/s高速棒材关键技术与装备的开发及应用

编号:2020257获奖等级:壹等项目简介:近年来随着螺纹钢新的国家标准执行及市场高速发展的需求,对螺纹钢产量及品质要求越来越高,高速棒材生产工艺被广泛采用。但现有高速棒材生产线仍存在轧线灵活性不足、轧制速度低、产品精度低,上钢系统高速运行稳定性差、导致成材率及生产效率低,生产过程合金资源消耗高,轧线智能化水平低等问题,亟待开发生产灵活度高、轧制速度快、资源消耗低、智能化水平高的新型高速棒材技术。

做好企业内部成本控制工作的途径分析

企业的内部成本控制是一个多方面、多层次、复杂的资金管理活动,这项工作不仅与财务部门、管理部门相关,更涉及到采购部门、人事部门以及营销部门的工作活动,做好内部成本控制工作对企业的发展具有重要意义。