关键词： 风电预测   长短期记忆网络   区间预测   遗传算法  

摘要： 为了进一步提升区间预测的综合效果,提出一种基于竞争学习机制的LSTM风电多目标区间预测方法。提出基于LSTM的上下界估计模型来构建风电区间多目标预测模型,研究多目标系统中的估计误差与预测区间平均宽度的关系;进一步考虑预测误差,引入一种新的偏最小二乘评价指标;通过引入竞争学习机制,提出一种改进的非支配快速排序遗传算法,有效实现了多目标优化。最后通过两个实际风电数据集进行实验验证,结果表明提出方法具有较高的预测精度。

关键词： 水位预测   EMD-DELM-LSTM   经验模态分解   多时间尺度分析   人工神经网络  

摘要： 针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连接。首先使用EMD将原始信号分解为若干个具有单一特征的本征模态函数(IMFs),再将IMFs分类重组为高、中、低频信号后输入DELM-LSTM并联结构中进行预测并重构。以广州某大学重要湖泊为例验证模型的有效性,结果表明,与EMD-LSTM、EMD-DELM、LSTM、DELM和BiLSTM模型相比,本模型在不同时间尺度下的预测性能均有显著提升,其中40 min时间尺度下的预测性能提升效果最为明显,分别较对比模型提升43.08%、22.92%、45.79%、30.92%和47.31%。可见,本模型对于不同时间尺度的水位预测具有良好的可靠性和稳定性。

关键词： 选址-路径   贪婪算法   遗传算法   近邻域搜索  

摘要： 针对遗传算法求解选址-路径问题存在收敛速度慢、易早熟等缺点,提出了一种近邻域搜索算法(Nearest Neighbor Search algorithm,NNS)。首先,在构造初始解阶段利用贪婪策略产生初始种群,提高初始解的质量;其次,在交叉阶段采用复制交叉的方式,增强算法的全局搜索;最后,在突变阶段使用近邻域局部搜索过程。此外,还设计了种群管理方案,以促进遗传算法种群多样性。在2个基准集上进行了试验,结果表明,与GRASP、MAPM、LRGTS等算法相比,该算法不仅显著提高了收敛速度,而且具有较强的寻优能力。

关键词： 微波消解   封闭消解   KED   稀土元素   植物样品  

摘要： 使用微波消解法和封闭消解法对植物样品进行处理,并直接用ICP-MS法同时测定样品中的15种稀土元素。探索采用动能歧视(KED)技术下的最佳工作条件,并以Rh和Ir作内标元素校正非质谱干扰。国家一级生物标准物质测试结果表明,封闭法消解植物样品具有灵敏度高、重现性好等优点,微波消解能满足植物样品稀土元素快速测定的要求,因此两种消解方法都能为相应的研究工作提供可靠的基础数据。实际分析应用证明,KED-ICP-MS法具有干扰少、精密度好、准确度高等优点,适用于植物样品中15种稀土元素的快速测定。

关键词： 神经网络模型   遗传算法   CO在线监测   燃煤锅炉   燃烧效率   自学习寻优  

摘要： 为了使燃烧模型更准确地反演锅炉中煤粉的燃尽状态,基于遗传算法改进的神经网络模型,结合锅炉尾部烟道CO在线监测系统,构建基于自学习寻优的锅炉燃烧优化模型,建立了CO体积分数与锅炉热效率的关系。根据自学习寻优结果,对燃煤锅炉的出口氧量、配风方式和燃尽风(SOFA风)进行调整。研究发现,将出口氧量由3.0%调整至2.5%和3.5%,锅炉热效率分别提高了0.53%和0.49%;将锅炉的配风方式调整为缩腰配风和正宝塔配风方式,锅炉热效率分别提高了0.57%和0.73%;将锅炉A、B两侧SOFA风风门开度由87.4%调整为86.7%,锅炉热效率提高了0.71%,降低了热损失。

关键词： 排课问题   遗传算法   Q-学习   深度Q-网络  

摘要： 排课是教学活动中一项常规而重要的事项,传统的人工排课方式费时费力,且容易出现错误,无法满足大规模排课的需求,而经典排课遗传算法存在收敛速度过快、排课效率随约束因素的增加而下降等问题。针对已有排课遗传算法存在的问题,提出一种基于深度强化学习的自学习排课遗传算法(GA-DRL)。GA-DRL算法利用Q-learning算法,实现了交叉参数和变异参数的自适应调整,增强了遗传算法的搜索能力,通过建立马尔可夫决策过程(MDP)的参数动态调整模型,对种群适应度函数进行状态集合的分析,实现对种群的整体性能的综合评价。同时将深度Q-网络算法(DQN)引入调度问题中,以解决排课中种群状态多、Q表数据量大的问题。实验结果表明,与经典排课遗传算法和改进的遗传算法相比,GA-DRL算法在正确率和寻优能力上有所提升。所提算法还可以应用于考场安排、电影院的排座和航空航线规划等问题。

关键词： 滚动轴承   故障诊断   最大二阶循环平稳盲解卷积   动态模式分解   遗传算法   参数自适应  

摘要： 在旋转机械故障诊断中,传感器采集到的滚动轴承振动信号容易受到多个激励源的耦合影响,特别是微弱故障特征往往淹没在背景噪声中,给故障诊断带来挑战。为了抑制无关激励源并增强故障特征,本文提出一种基于最大二阶循环平稳盲解卷积(CYCBD)和参数自适应动态模式分解(DMD)的滚动轴承微弱故障诊断方法。首先根据包络谐波乘积谱(EHPS)估计CYCBD算法的关键参数循环频率α,将原始信号经CYCBD处理使故障特征得到增强;然后将CYCBD处理后的信号通过参数自适应DMD进一步消除残余噪声,其中DMD的最优截断秩参数r通过遗传算法自适应确定;最后通过包络谱分析来提取故障特征频率及倍频。仿真和试验结果证明了本方法的有效性。

关键词： 苯浓度   遗传算法   神经网络  

摘要： 提出了一种基于遗传算法优化的多头自注意力-长短期记忆(Genetic algorithm multi-head self-attention long short-term memory,GA-MSA-LSTM)神经网络的预测模型,预测空气中的苯污染物的浓度。将MSA加入LSTM神经网络中,使用遗传算法确定最优的“头”个数、时间步长和隐藏层神经元个数,以期提高苯浓度预测的精确度,优化输出结果。数据实验结果显示,GA-MSA-LSTM模型的预测值较LSTM模型和MSA-LSTM模型,能够更好地反映真实值的变化趋势,在均方根误差(Root mean square error,RMSE)、平均绝对误差(Mean absolute error,MAE)和平均绝对百分比(Mean absolute percentage error,MAPE)3个评价指标上也体现了其优越性,充分说明了该模型的有效性和可行性。研究表明,该模型具有普遍适用性,也可以应用于不同类型的时间序列数据分析。

关键词： 锻造节能   混线生产   遗传算法   多目标优化   生产调度  

摘要： 针对锻件产品多品种、小批量的需求增加和绿色生产的需要,提出一种混线自由锻协同生产的节能调度方法.将锻件温度和运输车辆最大运输质量作为调度的关键约束因素,以最大完工时间和能源消耗最小化为目标,建立虑及锻造温度的混线协同生产多目标节能优化数学模型.结合数学模型通过改编非支配排序遗传算法(NSGA-Ⅱ),得到模型优化后的生产时间、能耗及运输次数,对比可知混线协同生产节能调度比传统非协同生产调度时间减少约20%,能耗减少约40%,运输次数减少60%,验证了混线协同节能生产调度的有效性.

关键词： 网络“泛娱乐化   青少年   主流意识形态认同  

摘要： 网络“泛娱乐化”消解青少年主流意识形态认同通常以单向接收、圈群互动、群体对立3种方式体现。其内在逻辑是在转移青少年主流意识形态注意力的过程中消解主流意识形态的认知认同,在沉浸网络娱乐圈群的“狂欢”中消融主流意识形态的情感认同,并在遭遇多种思潮的“冲突”中反叛主流意识形态的行为认同。要持续巩固青少年在网络“泛娱乐化”背景下对于主流意识形态的认同,就必须以抢占青少年意识形态注意力为起点,以构建网络空间情感认同共同体为关键,以培养青少年自我实践教育能力为归宿,全方位、多层次地为青少年构筑起抵抗网络“泛娱乐化”的“思想大坝”。