共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
《水电能源科学》2021,(9)
糙率是明渠水力计算的各项影响因素中最重要的参数。运用BP神经网络的方法,结合其在结构上的稳定性及在处理非线性数据上的优势,以矩形人工加糙明渠为研究对象,建立预测模型研究其各水力要素与糙率间的复杂非线性关系。根据前期的试验研究成果,选择绝对粗糙度Δ、底坡i、弗劳德数Fr、流量Q作为主要影响因素对糙率进行神经网络建模及预测,并将预测结果与径向基(RBF)神经网络及偏最小二乘及最小二乘支持向量机(PLS-LSSVM)进行对比。研究结果表明,基于L-M算法的BP神经网络糙率预测模型的平均绝对百分比误差为0.51%,均方根误差为8.15×10-5,精度优于其他预测模型,说明BP神经网络可有效预测矩形人工加糙明渠的糙率。 相似文献
3.
为提高压气机模型的精度,提出了一种基于Kriging算法的压气机特性建模方法,以船舶柴油机用压气机为例,基于Kriging方法构造压气机流量特性预测模型,讨论了该方法中相关参数初值和相关模型对预测误差的影响.在此基础上,以压气机流量特性预测为例,对比分析了Kriging模型、BP神经网络和曲线拟合3种方法的预测精度.结果表明:Kriging模型具有较高的预测精度,BP神经网络次之,曲线拟合方法的预测能力明显不足.最后,通过对压气机流量和效率特性的预测,验证了Kriging方法用于预测不同型号压气机特性参数的适用性和精确性. 相似文献
4.
《可再生能源》2019,(11):1595-1602
由于太阳辐照度及其他气象会随时发生变化,导致光伏电站输出功率具有可变性和不确定性,这将会对电网的安全运行造成重大影响。文章研究了影响光伏电站输出功率的几种气象因素,提出了一种基于小波包与最小二乘支持向量机(LSSVM)的短期光伏电站输出功率预测方法。首先,利用小波包将原始光伏电站输出功率,以及太阳辐照度、环境温度、环境湿度等气象因素进行分解,得到基频信号和多层高频信号;然后,利用最小二乘支持向量机所具有的处理小样本数据和解决非线性函数的能力,将得到的基频信号和多层高频信号作为最小二乘支持向量机的输入变量;最后,将不同尺度的输出结果进行叠加、合成,得到原始光伏电站输出功率的预测值。仿真结果表明,与传统的最小二乘支持向量机预测法、BP神经网络预测法,以及EMD与LSSVM相结合的预测方法相比,文章预测方法的预测精度较高,可以有效地预测光伏电站输出功率。 相似文献
5.
6.
7.
具有良好灵活性的高精度叶型参数化建模方法对于压气机叶型设计和优化具有重要影响。本文研究了一种基于非有理B样条曲线理论(NURBS)曲线组和遗传算法的轴流压气机叶片参数化建模方法。该方法基于中弧线厚度叠加法,采用两条三次七点NURBS曲线分别构造中弧线形状和厚度分布,前尾缘采用双二次NURBS曲线,通过多段曲线光滑拼接实现叶片造型。以压气机型线方差值最小作为目标函数,利用遗传算法实现了叶型的参数化建模。通过数值模拟实验证明,本文提出的参数化造型方法适用于高亚音速压气机叶型的参数化建模。 相似文献
8.
9.
10.
《可再生能源》2017,(4)
利用BP神经网络法和最小二乘法,对不同地形条件下的4个测站的10 s量级和15 min量级平均风速进行短临预报实验。研究发现,最小二乘法预报误差小,满足预报误差小于35%的日数比较大。无论是10 s量级预报,还是15 min量级预报,对于风速较大的01号站和04号站,最小二乘法优于BP神经网络法;对于风速较小的02号站和03号站,两种预报方法的预报效果相近;在10 s量级和15 min量级的风速短临预报方面,算法复杂的BP神经网络法并无明显优势。因此,在选取预报方法前,应结合预报方法本身的特征,充分考虑预报方法对地形、地貌和气候特征以及预报时效的适应性,最好对几个备选方法进行预报效果比对。 相似文献
11.
12.
13.
14.
15.
16.
带中间冷却和回热的燃气轮机动态性能的研究 总被引:2,自引:0,他引:2
对某舰用燃气轮机进行了中间冷却和回热(ICR)的改造设计,采用按比例缩小压气机的方法,使改造设计后的燃气轮机各部件性能达到了良好的匹配.依照模块化建模的原理,建立了换热器等部件模块,在此基础上,在EASY 5仿真平台上搭建了ICR燃气轮机的系统模型,并对其进行了稳态和动态的仿真试验计算.结论认为,舰用燃气轮机改造为ICR燃气轮机,需要重新设计压气机以平衡由于中间冷却器造成的高压压气机入口折合流量降低的影响;ICR燃气轮机具有较高的效率和良好的变工况性能.图5表1参5 相似文献
17.
反向建模方法在火电厂关键参数建模中的应用 总被引:2,自引:0,他引:2
提出在火电厂关键参数建模中采用反向建模方法,以规避传统建模方法在实际应用中的建模难题.以超临界直流锅炉中间点温度为例,利用桌600MW超临界机组的实际运行数据,采用反向建模方法建立了该参数的数学模型.建模算法选用最小二乘支持向量机(LS-SVM),应用粒子群算法(PSO)解决了 LS-SVM 参数寻优问题,并将 PSO-LS-SVM 所得模型与 LS-SVM、偏最小二乘(PLS)以及BP神经网络所得模型进行了对比,结果表明:基于PSO-LS-SVM 的中间点温度数学模型计算速度快、精度高,验证了反向建模思想的有效性和可行性. 相似文献
18.
为了实现对轴流压气机气动性能的准确预测,基于平均流线法建立了多级轴流压气机一维气动性能预测方法,编制了相应的Matlab程序,该方法允许针对不同类型压气机选择适用的经验模型。通过计算得到了某四级亚音速轴流压气机和某八级高速轴流压气机的气动性能,对比分析发现,一维性能预测结果与实验/三维CFD模拟结果吻合较好,效率与压比计算偏差均保持在较小范围内,预测结果精度较高。为进一步提高压气机气动性能预测的准确性,发展了一种经验模型自动校准方法,采用该方法对选取的四级亚音速轴流压气机和八级高速轴流压气机模型进行校准,校准后对各转速下气动性能的预测精度均有所提高。研究工作表明,所建立的多级轴流压气机一维气动性能预测方法以及模型自动校准方法具有一定的准确性和可靠性。 相似文献
19.
为克服传统方法对压气机特性线内插与外推预测性能模拟精度不高的问题及准确实现压气机在变工况条件下基于部件特性线行为的燃气轮机的热力学仿真计算,一种基于蜜蜂采蜜行为的人工蜂群(Artificial Bee Colony, ABC)优化支持向量机 (Support Vector Machine, SVM)参数的方法被提出并用于压气机特性线的表达。从泛化精度及计算耗时的角度,与常用的BP算法、粒子群算法和网格寻优法的SVM模型相比较。同时,为验证训练样本容量对实验结果的影响,减少样本集数量,对比同一转速下不同算法的预测性能曲线及柱状残差图。应用分析表明,不同转速下基于ABC算法优化的SVM模型在压气机特性线的表达上具有更佳的预测精度和计算实时性,并且,该方法不随样本容量波动而精度失准,具有良好的鲁棒性。 相似文献