-
题名基于高斯TCN的汽油终馏点软测量研究
- 1
-
-
作者
仇美玲
李奇安
-
机构
辽宁石油化工大学信息与控制工程学院
-
出处
《石油炼制与化工》
北大核心
2025年第2期131-136,共6页
-
文摘
石油是现代社会的主要能源之一,常压蒸馏作为炼油产业的龙头,对其过程进行实时监测尤为重要。汽油终馏点为原油蒸馏过程中蒸出最后一滴汽油时的温度,是衡量成品油质量的关键指标。介绍并评估了高斯误差线性单元(GELU)的性能,提出将GELU作为激活函数替代时间卷积网络(TCN)中的修正线性单元(ReLU),同时改变残差结构来搭建高斯TCN模型。对某炼油厂常压蒸馏塔塔顶汽油终馏点及其影响因素进行样本采集,使用偏最小二乘法(PLS)对高维自变量数据进行降维,完成汽油终馏点的辅助变量选取。使用搭建的高斯TCN软测量模型对常压蒸馏塔塔顶汽油终馏点进行预测,仿真验证所提出的模型拟合度和预测精度较传统TCN预测模型有明显的优势,为炼油产业的高效益发展提供了借鉴。
-
关键词
高斯误差线性单元
时间卷积网络
软测量
汽油终馏点
-
Keywords
gaussian error linear element
temporal convolutional network
soft sensing
gasoline final boiling point
-
分类号
TE626.21
[石油与天然气工程—油气加工工程]
-
-
题名基于改进U-Net的新冠肺炎图像分割方法
- 2
-
-
作者
杨梅
罗建
张晓倩
金芊芊
-
机构
西华师范大学电子信息工程学院
-
出处
《成都信息工程大学学报》
2023年第1期44-48,共5页
-
基金
四川省教育厅重点资助项目(14ZA0123)。
-
文摘
近两年,新冠肺炎在全球暴发,给人类带来了极其严重的生命安全隐患,为尽可能地提高医生的诊断效率,研究新冠肺炎图像的病灶分割方法是极具价值的。利用U-Net网络模型作为基础网络,在第一、二层拼接前,引入改进的通道注意力,强化重要信息;在第三、四层拼接前,引入空间注意力,提取空间信息,对目标区域的细节信息进行补充;最后使用混合损失函数,加快网络收敛速度,避免样本不均衡。对比基础网络,改进后的网络模型既能够分割出较大的目标区域,也能够分割出较小的目标区域,更好地避免出现梯度消失问题,捕捉特征更加充分,有效提高分割性能和网络的可靠性。
-
关键词
U-Net
高斯误差线性单元
通道注意力
空间注意力
混合损失函数
-
Keywords
U-Net
gaussian error linear element
channel attention
spatial attention
mixed loss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
