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:射线束分析仪在大型放疗设备的校准中有重要作用,其自身定位精确度在0.1mm.通过搭建基于激光跟踪仪的位移测试系统,对射线束分析仪水平轴的定位精度进行测量校准.将测得的位移数据进行最小二乘拟合,使得拟合曲线上的各点位移与真实位移值之差的平方和最小,此时拟合曲线上各点位移值最接近真实位移.将拟合曲线上各点位移值与标准位移值做差,即可求得各点误差值.实验结果表明,在未使用小支架的情况下位移测量系统的基本误差为0.1636%,利用小支架使激光跟踪仪光束不穿过水箱壁时,位移测量系统的基本误差为0.0616%.实验系统可使射线束分析仪的单轴位移精确度达到0.01mm精度级.
简介:针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析(PCA)和线性判别式分析(LDA)做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器(MLP)神经网络和粒子群(POS)优化的支持向量机(SVM)对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.