简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.
简介:基于傅里叶变换中红外光谱技术(FTIR),结合改进型偏最小二乘回归法(MPLS),建立豆奶中的快速预测方法。结果表明选取有效波段,不使用散射校正,使用导数和平滑校正光谱基线漂移后定标效果最好,各指标的预测值与实测值相关性良好,脂肪(Fat)、蛋白质(Protein)、蔗糖(Sucrose)和总糖(TotalSugar)预测标准偏差(SEP)分别为0.061、0.039、0.039、0.047;预测相关系数(RSQ)分别为:0.98、0.99、0.99、0.99。该方法可应用于豆奶中脂肪(Fat)、蛋白(Protein)、蔗糖(Sucrose)和总糖(TotalSugar)含量的快速分析检测。
简介:水果中三唑酮残留用丙酮提取,经液—液分配净化,用气相色谱—电子捕获检测器(GC—ECD)测定,并用气相色谱—质谱(离子选择监测)[Gc/MS(SIM))进行确证。以HP-5大口径毛细管柱和HP-5MS毛细管柱为分离柱,选择出合适的色谱条件,三唑酮的分离效果良好。本方法对苹果样品的测定低限为0.05mg/kg,添加浓度为0.05~1.0mg/kg的三唑酮,回收率为96%以上,变异系数小于4.0%。
简介:本文提出了一种以十六烷基三甲基溴化铵(CTMAB)为增敏剂的测定痕量抗坏血酸的光度分析方法。吸收波长为664nm,抗坏血酸用量在0—10μg/mL范围内符合朗伯一比尔定律,线性方程为△A=2.006C+0.0082,检出限量为4.2×10^-9g/25mL。本法有灵敏度高,抗干扰能力强,操作简便等优点,用于Vc药片中抗坏血酸测定,获得满意结果。
简介:为了测定抗菌纺织品中三氯生的含量,本文以二氯甲烷为萃取溶剂,采用微波萃取技术萃取抗菌纺织品中的抗菌剂三氯生。萃取液蒸发至干后,用甲醇定容,然后以甲醇为参比溶液,在282nm波长下测定其吸光度,从而建立了一种测定抗菌纺织品中的抗菌剂三氯生的分光光度方法,并对萃取条件、方法的线性关系、精密度、回收率、检出限等进行了研究。三氯生在0.2—80mg/L范围内呈现良好的线性关系,线性相关系数为0.9998,回收率为91.98%-104.94%,相对标准偏差均小于6%,检出限为0.1mg/kg(S/N=3)。采用该方法对市售抗菌纺织品进行检测,发现部分抗菌纺织品中使用高含量的三氯生。