温度是影响危险废物贮存设施环境安全的关键指标,准确预测室内温度变化并采取相应防护措施可有效预防环境安全事故的发生。提出一种基于改进的双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)网络模型,通过互信息法和相...温度是影响危险废物贮存设施环境安全的关键指标,准确预测室内温度变化并采取相应防护措施可有效预防环境安全事故的发生。提出一种基于改进的双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)网络模型,通过互信息法和相关系数法筛选影响环境温度变化的关键特征,借助卷积神经网络(Convolutional Neural Network,CNN)提取数据中的局部特征,再利用双向长短期记忆网络捕获序列数据的前后依赖关系,并对危险废物贮存设施环境温度进行预测试验。结果表明,改进后的BiLSTM模型较为准确地预测了危险废物贮存设施未来一段时间的环境温度变化趋势,模型平均绝对误差(MAE)为0.166,平均绝对百分比误差(MAPE)为0.060,均方根误差(RMSE)为0.246,R^(2)为0.939,能够为危险废物贮存温度管控提供决策依据。展开更多
为了准确还原矿井下无轨胶轮柴油车井下实际的排放情况,提出一种基于组合聚类与马尔科夫链的瞬态工况构建方法,以解决标准行驶工况与井下复杂交通场景适配性不足的问题。首先,对控制器局域网络(controller area network,CAN)总线采集的...为了准确还原矿井下无轨胶轮柴油车井下实际的排放情况,提出一种基于组合聚类与马尔科夫链的瞬态工况构建方法,以解决标准行驶工况与井下复杂交通场景适配性不足的问题。首先,对控制器局域网络(controller area network,CAN)总线采集的数据进行数据预处理和运动学片段划分。随后,在传统K均值聚类框架中引入Silhouette系数与主成分分析法(principal component analysis,PCA),并用马尔科夫链法进行工况合成;将合成的工况与道路行驶发布工况、欧式距离合成工况进行比对。结果表明,马尔科夫链法下,踏板均值误差不到1%。马尔科夫法合成的创新性构建综合效能指数(comprehensive parameter value,CPV)比欧式距离合成工况低12.81个百分点,能更有效地体现井下行驶工况的综合程度。展开更多
