自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84 %、13.95 %和3.24 %,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明：AWLS-SVM预测的累积负荷误差为4.56 MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。     

基于介电特性小粒咖啡含水率的检测研究

为了研究带壳咖啡豆介电特性与含水率之间的关系,利用LCR测试仪研究频率信号(1~1 000 k Hz)、温度(20~45℃)和含水率(11.18%~43.69%)对带壳咖啡豆介电特性的影响。结果表明,在1~1 000 k Hz频段内,相对介电常数(ε')随着频率的增大单调减小,却随着含水率的升高而增大;温度对相对介电常数(ε')基本没有影响,介质损耗因数(ε')随频率增大先递减后增大;当温度和含水率升高,介质损耗因数(ε')呈增大趋势。在500 k Hz下建立相对介电常数(ε')预测带壳咖啡豆含水率(W,%)的模型,该模型R2=0.987 5;制作了20个样本,将测量值与模型计算值进行比较,发现其绝对误差范围为-3.07%~2.47%,说明所建立的模型可行。此项研究对了解带壳咖啡豆的介电特性,以及开发带壳咖啡豆含水率检测仪有一定的指导意义。     

不同干燥工艺对稻谷导热系数影响的研究

采用自然干燥(15℃)、热风干燥(45℃、55℃、65℃)、流化床干燥(45℃、55℃、65℃)对初始湿基含水率21.2%的稻谷进行降水处理,选取适当水分间隔测量稻谷导热系数和爆腰率,得到不同干燥工艺条件下的导热系数与含水率的拟合曲线、导热系数与爆腰率的拟合曲线,并对降水速率与爆腰增率、导热系数与爆腰率做相关分析。结果表明,降水速率与爆腰增率,导热系数与爆腰率都存在极显著相关性。干燥工艺影响稻谷降水速率,产生不同爆腰率,改变内部结构进而影响导热系数测量值。随爆腰率增大,导热系数呈非线性递增。流化床干燥对稻谷导热系数测量造成的影响大于薄层热风干燥。低温薄层热风干燥稻谷的导热系数最接近自然干燥处理值。     

茶叶干燥过程水分含量的近红外光谱检测方法研究

水分含量是衡量茶叶干燥过程中品质的最重要因素之一,采用近红外光谱分析技术分析茶叶干燥过程水分含量。首先,采用便携式近红外光谱检测系统采集茶叶干燥过程样本的光谱,采用标准正态变量变换(SNV)预处理光谱;然后,比较应用全光谱偏最小二乘模型(PLS)、遗传偏最小二乘模型(GA-PLS)、竞争性自适应加权抽样偏最小二乘模型(CARS-PLS)建立模型,采用交互验证优化模型。结果显示,CARS-PLS模型预测性能最佳,结果优于PLS和GA-PLS模型;CARS-PLS模型优选的变量数为11,变量数仅为全光谱变量数的2.1%,预测集的Rp=0.990 7,RMSEP=0.574。结果表明,采用近红外光谱技术结合合适的化学计量学方法评价茶叶干燥过程的水分含量具有可行性,为茶叶干燥过程品质的数字化、智能化监控提供方法。     

烟片含水率对丙二醇近红外预测值及加料均匀性系数的影响

为探究烟片含水率对丙二醇近红外模型预测效果及加料均匀性系数的影响,制备不同丙二醇含量且每一含量均包含不同含水率的烟片样品,并预测其丙二醇含量,分析不同含水率以及不同丙二醇含量对预测结果的影响,且建立基于含水率的丙二醇预测结果的校正模型,并利用该模型分析样品校正前后的加料均匀性系数变化规律。结果表明:(1)待检样品与建模样品的含水率差异越大,预测值的绝对偏差也越大。当待检样品含水率大于建模样品含水率时,预测值偏高;反之,预测值偏低。(2)含水率与预测值的绝对偏差间呈极显著线性关系(R~2=0.938),因此,可以根据含水率校正预测值。(3)对某牌号、批次卷烟的加料均匀性评价结果表明,待检样品含水率与建模样品相比平均偏高约1.70%,校正前、后的加料均匀性系数相差2.0%。综上所述,控制含水率对丙二醇含量近红外预测值的影响,有利于提高加料均匀性评价结果的准确度。     

基于智能算法的储粮通风过程中温度场预测

粮食的储备对于一个国家来说十分重要,是关乎民生的重要战略资源。储粮对于温度要求十分严格,机械通风是保持粮仓环境温度的重要方法。针对传统机械通风不能准确识别通风时机而导致的风机损耗和粮食损害问题,选用RBF神经网络建立温度预测模型,利用粒子群算法（Particle Swarm Optimization,PSO）及列文伯格-马夸尔特算法（Levenberg-Marquard,LM）优化网络的参数。仿真结果可以看出,用PSO算法和LM算法优化后的神经网络模型预测精度更加准确,与用PSO优化后的RBF神经网络进行比较后可知,PSO-LM-RBF算法预测误差小,模型更加稳定。     

基于智能算法优化SVM的横向通风过程中温度场预测方法探究

将改进的智能预测技术应用于储粮横向通风过程中的粮堆温度预测,为粮食通风智能预测与决策提供了一种新思路。选取河北清苑国家粮食储备库冬季横向通风的实时监测数据,在分析主要影响因素的基础上,应用三种智能优化算法——网格寻优算法、GA遗传算法寻优、PSO粒子群算法,结合回归支持向量机理论,对粮堆的通风过程进行建模。结果表明,优化过的回归预测模型能较好地拟合粮食温度与其他变量之间的非线性关系,尤其是当样本数量较为有限时,该方法具有更高的拟合精度,更适合对储粮通风这一强非线性过程的预测研究,对于人工干预操作具有一定的现实指导意义。     

茶叶真空微波干燥特性及动力学模型

通过对茶叶微波真空干燥特性的研究,得到了茶叶干燥过程中微波功率、真空度对茶叶水分影响情况。根据茶叶水分变化规律,探讨了不同微波功率、真空度下时间和茶叶湿基含水率之间的关系,分析了并建立了茶叶干燥的3种干燥模型（单项扩散模型、Page模型和指数模型）,试验结果表明,茶叶微波真空干燥的动力学模型满足Page方程,为绿茶加工生产提供理论依据和科学指导。     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

人工神经网络在作物基因组选择中的应用

目前, 基因组选择育种主要采用线性模型估计遗传育种值指导作物遗传育种的筛选过程, 但是生物体内的基因以及遗传位点的关系主要是复杂的非线性调控。本研究将人工神经网络技术应用到作物基因组选择育种中, 对现有的作物基因组选择育种模型进行优化, 建立了高效的作物基因组选择预测系统, 并与其他线性回归预测模型进行比较。通过分析小麦的育种数据发现, 基于人工神经网络的遗传育种估计效果优于其他线性回归预测模型, 预测育种值与实际育种值间的相关系数平均值达到0.6636, 相应的岭回归BLUP、贝叶斯线性回归模型和基于系谱信息的贝叶斯回归模型的预测能力分别为0.6422、0.6294和0.6573; 最优的预测效果达到0.8379, 远高于其他2种模型的最优结果。同时, 基于人工神经网络的基因组选择模型的预测效果稳定, 与传统的统计模型相近, 因此, 利用人工神经网络技术建立基因组选择是可行的。     

Composite gaussian process regression model and its application to prediction of silicon content in hot metal

In order to increase the predictive precision of gaussian process regression based soft sensor, a composite gaussian process regression model is proposed. This model combines the outputs of several gaussian process models as the output according to the variances and the distribution of the outputs, which results in higher prediction accuracy and higher robustness than the single gaussian process model. The proposed composite gaussian process regression model is successfully applied to the prediction of silicon content in hot metal.     

Experimental Investigation on Fluidized Drying of Zymotic Orange Peels

A fluidized drying method was used to research the drying characteristic of zymotic orange peels, and a experimental equipment of fluidized drying bed was built, the influence to the drying characteristic of drying parameters such as air temperature,air velocity, particle diameters, the height of bed layer and the initial moisture content etc, are analyzed. The results indicate that the fluidized drying method is suited to the sample with high moisture content after preprocess, and among the drying parameters, the initial moisture content, air temperature and particle diameter influenced the drying characteristic remarkably. Based on the experiential data, an experiential mathematical model is buildt up, which can provide the direction for real production in the fluidized bed.     

MIMYCS.Moisture,a process-based model of moisture content in developing maize kernels

Moisture content influences harvest timing and the consequent drying process and drying costs, and the development of spoilage fungi during pre- and post-harvest phases. Maize kernel development in the field can be partitioned into three phases: i) lag phase, ii) grain filling and maturation drying, and iii) post-maturity dry-down. A model simulating maize kernel moisture content during maturation can help either monitoring or foreseen maize kernel humidity during the harvest period. Also, it would be useful in simulation studies via crop models to estimate the infield feasibility of harvest but also the interaction with diseases responsible for mycotoxin production, against weather scenarios.A process-based model was developed, called MIMYCS.Moisture. When the hybrids were analyzed all together, MIMYCS.Moisture showed a good general predictive capability with an average error in moisture estimation of ±3.28% moisture (considering the root mean square error – RMSE). The model efficiency (EF) was positive (0.85) and the model was able to explain the 89.7% of variation. When the two sub-models were analyzed separately, the RMSE remained approximately at the same level of the general model, while the other indicators changed revealing the different characteristics of the two models. The developmental moisture sub-model has a slight tendency to overestimate, while the dry-down sub-model tended to underestimate final moisture content.However, when the model was analyzed separately for each hybrid, both calibration and validation results suggested that more data are needed to improve the model likely with respect to kernel characteristics of hybrids. Finally, the equilibrium moisture content equation used, taken from industrial drying models, might not be adequate for simulating the field conditions where temperature is well below the one in dryers and environmental air humidity may vary considerably across sites and harvest periods.     

不同玉米品种籽粒脱水速率相关分析及快速测定

为了探究玉米籽粒含水量和脱水速率在各个生长时期变化趋势及其相关性,本研究以‘浚单1538’、‘高玉1668’、‘浚单18’共3个不同玉米单交种为材料,利用相关分析和回归分析模型对主要农艺性状进行了分析。结果表明不同类型品种籽粒含水量和脱水速率差异较明显,变化趋势不尽相同。籽粒含水量、整穗含水量和穗部叶片含水量呈显著正相关,与穗上节和苞叶含水量有较强的正相关,与地上第三节和穗上节穿刺力有较强的负相关性,但均未达到显著水平。籽粒脱水速率与整穗脱水速率呈显著正相关,与地上第三节和穗部叶片脱水速率负相关性较强,但未达到显著水平。利用探针式水分测定仪测量玉米整穗含水量与烘干法水分数据呈显著正相关,建立了计算玉米籽粒真实水分读数的数学模型：y=1.565x-91.455 (R ²=0.63),优化了利用探针式水分测定仪进行籽粒含水量测定的方法,利用籽粒水分校正值分析籽粒脱水速率相关性状与烘干法结果基本一致。利用探针式水分测定仪测定茎秆含水量和叶片含水量与烘干法相关性较小。     

基于FDR原理的土壤氮含量检测方法的研究

设计一款基于土壤介电理论中的频域反射法(Frequency Domain Reflectometry)的土壤氮含量传感器,提供了一种用于土壤中氮含量的快速测定的新方法。试验装置以2个金属平行板为敏感元件、含氮土壤为电介质,设计试验在不同土壤含水率梯度下,探索土壤含氮量对土壤介电特性的影响,用平行板电极借助磁场来检测土壤中氮含量,建立传感器的输出频率和土壤质量含水率和氮含量的数学模型。试验结果表明,在土壤含水量一致的情况下,传感器的输出频率随着氮素含量的增加呈递减趋势。模型调整R2达到0.97,验证了模型的有效性。在前人研究的基础上,基于已经成熟的驻波比法(Standing Wave Ratio,SWR)土壤水分传感器间接测量含氮土壤的介电常数,使用烘干法得到土壤的容重,即可得到含氮土壤较为精确的含水量,通过建立的模型根据传感器输出频率与含水量得到土壤的氮含量。     

巨尾桉干燥特性研究

研究巨尾桉木材的干燥特性并制定干燥基准,为实际生产中制定合理的干燥工艺提供理论依据。采用百度试验法,在(100±2)℃恒温干燥条件下对巨尾桉试件进行干燥试验,根据干燥过程中巨尾桉试件的初期开裂、内裂、截面收缩等干燥缺陷制定出巨尾桉木材的干燥基准。巨尾桉试件的初期开裂、内部裂纹、截面变形、扭曲变形和干燥速度分别为1级、2级、3级、2级和2级;体积干缩率为19.04%,弦向干缩率为9.60%,径向干缩率为6.65%,纵向干缩率为0.33%。巨尾桉的干燥初期温度为60℃,干燥初期干湿球温度差为3~5℃,干燥终期温度为75℃。厚度为25 mm的巨尾桉板材在强制循环干燥窑内干燥至10%所需的时间为10（8）天（括号内为硬基准条件下的干燥时间）。巨尾桉试件主要缺陷是内裂和截面变形,在实际生产过程中要尽量使用软基准,干燥中、后期适时进行调湿处理。     

基于LS-SVM逆系统的焦炉集气管压力系统内模控制

焦炉集气管压力是炼焦生产过程中重要的工艺参数,其值是否稳定,直接影响到煤气质量、焦炉寿命、焦炭质量和生产环境。针对焦炉集气管压力系统是一个强干扰、非线性和多变量耦合的复杂系统,采用LS-SVM辨识出焦炉集气管压力系统的逆系统模型,并将其串联在原系统之前,运用逆系统的方法将集气管压力系统解耦成2个相互独立的单输入单输出伪线性子系统。同时,对解耦后的系统采用非线性内模控制策略以保证系统的鲁棒性和稳定性。仿真和应用结果表明该控制策略的解耦控制效果较好,提高了系统的快速调节能力和跟踪精度,而且增强了系统的鲁棒性,可以保证焦炉集气管压力稳定在现场工艺要求的范围内。     

Fault diagnosis based on least square support vector machine optimized by genetic algorithm

A new fault diagnosis model is proposed based on Multi-Class Least Square Support Vector Machine optimized hierarchically by Genetic Algorithm(GA). Original vibration signals are decomposed into several stationary IMFs. Then the instantaneous amplitude energy of the IMFs with fault modulation characteristics is computed and regarded as the input characteristic measure of the Poly-kernel Multi-Class LS-SVM for fault classification. EMD decomposition adaptively isolates the fault modulation signals from original signals. The differences among instantaneous amplitude energy vectors reflect the separability of different fault types. Adopting GA to optimize punish parameter and Poly-kernel parameters hierarchically can not only enhance fault prediction accuracy of Multi-Class LS-SVM with Poly-kernel, but also improve adaptive diagnosis capacity of LS-SVM. The GA-based hierarchical optimization is also applicable to Multi-Class LS-SVM with Lin-kernel, RBF-kernel or Sigmoid-kernel. The deep groove ball bearings fault diagnosis experiment shows the effectivity of this new model.