期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于小波KPCA-SSA-ELM的盐穴储气库注采管柱内腐蚀速率预测 被引量:4
1
作者 骆正山 欧阳长风 +1 位作者 王小完 张新生 《安全与环境学报》 CAS CSCD 北大核心 2023年第7期2238-2245,共8页
为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率... 为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率预测模型。首先通过小波KPCA提取影响注采管柱内腐蚀的主要特征,应用ELM建立盐穴储气库注采管柱内腐蚀速率预测模型,并采用SSA对模型参数进行迭代寻优,避免原参数选取的强随机性对模型泛化能力和预测性能的影响。结果表明,经小波KPCA特征提取后得到包含98.73%原信息的3项主成分,SSA-ELM模型的预测结果与实际值基本吻合,其均方根误差(E_(RMS))为0.009 3,平均绝对百分比误差(E_(MAP))为0.336 0%,决定系数(R~2)高达0.991 2,较其他3种对比模型性能更优。研究表明,所建模型具有强泛化性能和高预测精度,能够有效预测盐穴储气库注采管柱的内腐蚀速率,为盐穴储气库注采系统的完整性评价和风险预警提供参考。 展开更多
关键词 安全工程 盐穴储气库 注采管柱 内腐蚀速率 核主成分分析法(KPCA) 樽海鞘群算法(SSA) 极限学习机(ELM)
下载PDF
盐穴储气库注采管柱内腐蚀速率预测模型研究 被引量:6
2
作者 骆正山 欧阳长风 +1 位作者 王小完 张新生 《表面技术》 EI CAS CSCD 北大核心 2022年第6期283-290,共8页
目的 提升盐穴储气库注采管柱的内腐蚀速率预测精度,以保障盐穴储气库的设施健康和运行安全。方法 建立基于小波核主成分分析(KPCA)和改进灰狼算法(IGWO)优化的极限学习机(ELM)腐蚀速率预测模型。以某盐穴储气库注采管柱为例。首先选取1... 目的 提升盐穴储气库注采管柱的内腐蚀速率预测精度,以保障盐穴储气库的设施健康和运行安全。方法 建立基于小波核主成分分析(KPCA)和改进灰狼算法(IGWO)优化的极限学习机(ELM)腐蚀速率预测模型。以某盐穴储气库注采管柱为例。首先选取10种腐蚀影响因素,建立盐穴储气库注采管柱的内腐蚀指标体系;其次通过小波KPCA提取影响注采管柱内腐蚀的关键特征,后利用IGWO对ELM模型参数ωj和bj进行迭代寻优,进而建立IGWO–ELM盐穴储气库注采管柱内腐蚀速率预测模型;最后在MATLAB中进行仿真计算,将IGWO–ELM模型与ELM、PSO–ELM、SSA–ELM模型进行预测误差对比。结果 经小波KPCA特征提取后得到包含98.61%原信息的3项主成分,IGWO–ELM模型的预测结果与实际值吻合度高,其均方根误差为0.008 8,平均绝对百分比误差为0.260 9%,决定系数(R^(2))高达0.992 5,比其他3个对比模型的性能更优。结论 小波KPCA特征提取能力优良,IGWO–ELM模型能够有效预测盐穴储气库注采管柱的内腐蚀速率,为盐穴储气库注采管柱的腐蚀研究提供了新的思路与方法。 展开更多
关键词 盐穴储气库 注采管柱 腐蚀速率预测 主成分分析法(KPCA) 改进灰狼优化(IGWO) 极限学习机(ELM)
下载PDF
K30定型机链传动同步原理分析
3
作者 欧阳长风 《纺织报告》 2015年第8期76-80,共5页
K30定型机是印染行业应用较广的一款工艺设备,其自动化系统集成采用西门子TIA技术。K30链传动同步原理是基于西门子T100工艺板和变频器的技术,是基于T100特殊的串行通讯端口的特性构成的PPBUS总线。本文简明介绍了K30链传动系统的组成... K30定型机是印染行业应用较广的一款工艺设备,其自动化系统集成采用西门子TIA技术。K30链传动同步原理是基于西门子T100工艺板和变频器的技术,是基于T100特殊的串行通讯端口的特性构成的PPBUS总线。本文简明介绍了K30链传动系统的组成、网络结构和内部传输过程,由此对K30链传动同步系统进行了分析,在此分析基础上,给出了一个实际维修的案例。 展开更多
关键词 链传动同步系统 TIA PP-BUS
下载PDF
资源环境数智协同管理的研究框架与未来展望
4
作者 陈晓红 欧阳长风 +1 位作者 张乘 汪阳洁 《资源科学》 CSCD 北大核心 2024年第4期657-670,共14页
【目的】旨在探讨资源环境数字化与智能化协同管理的内在机理,为推动资源环境协同管理理论与数字技术深入融合、促进中国情境下的可持续发展研究提供有益启示。【方法】从资源环境协同管理的相关文献梳理出发,归纳总结出资源环境数智协... 【目的】旨在探讨资源环境数字化与智能化协同管理的内在机理,为推动资源环境协同管理理论与数字技术深入融合、促进中国情境下的可持续发展研究提供有益启示。【方法】从资源环境协同管理的相关文献梳理出发,归纳总结出资源环境数智协同管理的整合性研究框架,阐释资源环境数智协同管理的概念内涵、关键问题、方法体系和实现路径,展望未来研究方向以及明确中国情景下需要进一步强化研究的议题。【结果】资源环境数智协同管理的整合性研究框架包括资源环境数智协同管理的核心内涵,机制标准、理论方法、产业模式相关的3个关键问题,3类交叉研究方法,以及通过数字技术、平台和模式创新实现资源环境协同发展的3个路径。未来研究的主要方向包括资源环境数智协同管理的驱动因素、过程机制和结果评估。【结论】需要突出资源环境数智化协同管理在中国情境中的本土特色,并重点关注环境规制如何促进资源环境协同发展、智慧生态环境治理体系的架构与机制研究、数智化导致的潜在区域发展不平等等研究问题,为全球数字技术赋能可持续发展目标实现提供中国经验和启示。 展开更多
关键词 数智化 资源环境 协同管理 研究框架 研究展望
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部