2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩51頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著工業(yè)信息化、數(shù)字化的發(fā)展,越來越多的工廠系統(tǒng)中積累了大量的工業(yè)數(shù)據(jù)。工業(yè)數(shù)據(jù)通常具有數(shù)據(jù)量大、時間性強、非線性、含噪聲等特點,這使得對工業(yè)數(shù)據(jù)信息的挖掘十分復雜。另一方面,工業(yè)數(shù)據(jù)被認為是未來工業(yè)在全球市場競爭中的關鍵,研究人員十分關注對工業(yè)大數(shù)據(jù)的搜集和特征分析,從而為生產(chǎn)制造過程提供戰(zhàn)略支持。例如鋼鐵企業(yè)為了更高效的利用副產(chǎn)煤氣,生產(chǎn)現(xiàn)場的調度人員大多結合基于歷史數(shù)據(jù)的煤氣流量預測結果對系統(tǒng)進行定性平衡調度,這使得預測結果直接影

2、響平衡調度水平。鑒于工業(yè)能源管理系統(tǒng)中積累的大量的歷史生產(chǎn)數(shù)據(jù),采用基于數(shù)據(jù)的時間序列預測分析方法對流程工業(yè)數(shù)據(jù)進行預測,從而制定能源平衡調整方案保證工業(yè)生產(chǎn)過程平穩(wěn)運行,是提升企業(yè)的競爭力的有效手段。
  針對工業(yè)系統(tǒng)數(shù)據(jù)的預測問題,本文提出一種基于共享儲備池模塊化的神經(jīng)網(wǎng)絡預測模型。該方法首先按照神經(jīng)網(wǎng)絡的狀態(tài)空間分割的原則,采用K均值聚類方法將樣本數(shù)據(jù)分為若干類,再對數(shù)據(jù)重構以建立預測模型。在建模過程中提出一種改進的回聲狀態(tài)

3、網(wǎng)絡,通過對神經(jīng)網(wǎng)絡進行模塊化處理能夠將問題求解空間分層,相比單一神經(jīng)網(wǎng)絡具有更好的泛化性能。在網(wǎng)絡訓練過程中,將其化簡為多個小網(wǎng)絡進行并行訓練,從而加速模型計算過程。同時,引入大規(guī)模數(shù)據(jù)集提高了模型的預測精度,并應用MapReduce并行計算框架加速問題求解過程以保證算法的實時特性。
  為驗證本文方法的有效性,分別選取Mackey-Glass標準數(shù)據(jù)集和國內某鋼鐵廠實際生產(chǎn)數(shù)據(jù)進行實驗,首先與已有的多種相關方法進行關于預測精度

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論