最新設(shè)計(jì)資源

基于數(shù)據(jù)中臺(tái)的園區(qū)經(jīng)營(yíng)監(jiān)管平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

針對(duì)園區(qū)經(jīng)營(yíng)、管理和服務(wù)水平提升的需要，為解決園區(qū)經(jīng)營(yíng)相關(guān)系統(tǒng)集成性、一體化和智能化不高的問(wèn)題，提出一種基于數(shù)據(jù)中臺(tái)和地理信息系統(tǒng)的園區(qū)經(jīng)營(yíng)綜合監(jiān)管平臺(tái)，實(shí)現(xiàn)以園區(qū)房產(chǎn)為視角的園區(qū)經(jīng)營(yíng)全方位監(jiān)控。平臺(tái)通過(guò)數(shù)據(jù)同步程序獲取業(yè)務(wù)數(shù)據(jù)，用數(shù)據(jù)采集程序采集外部系統(tǒng)數(shù)據(jù)，經(jīng)數(shù)據(jù)清洗程序到達(dá)主題庫(kù)服務(wù)器，創(chuàng)建房產(chǎn)、客戶等主題庫(kù)，由數(shù)據(jù)呈現(xiàn)程序呈現(xiàn)至平臺(tái)服務(wù)器群組，實(shí)現(xiàn)一體化園區(qū)經(jīng)營(yíng)監(jiān)控。通過(guò)在上海自貿(mào)區(qū)的應(yīng)用，實(shí)現(xiàn)了園區(qū)房產(chǎn)資源多維度和多層級(jí)的圖層化呈現(xiàn)，對(duì)園區(qū)客戶進(jìn)行精準(zhǔn)畫(huà)像，通過(guò)房產(chǎn)租售、收入、成本等監(jiān)管指標(biāo)以及客戶欠租、合同到期等預(yù)警模塊，提升了園區(qū)經(jīng)營(yíng)管理和客戶服務(wù)水平。

發(fā)表于：4/25/2023

基于特征優(yōu)化和ISSA-LSTM的脫硝系統(tǒng)入口NOx濃度預(yù)測(cè)模型[其他][其他]

針對(duì)電廠脫硝系統(tǒng)入口NOx濃度受較多因素的影響波動(dòng)較大，且CEMS檢測(cè)儀表有很大遲延難以精準(zhǔn)測(cè)量的問(wèn)題，提出了一種基于隨機(jī)森林算法（RF）和改進(jìn)麻雀搜索算法(ISSA) 優(yōu)化長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的脫硝系統(tǒng)入口NOx濃度預(yù)測(cè)模型。首先，通過(guò)機(jī)理和相關(guān)性分析確定與SCR入口NOx質(zhì)量濃度相關(guān)的初始輔助變量，并利用RF算法對(duì)輔助變量進(jìn)行特征優(yōu)化選擇，然后通過(guò)互信息（MI）對(duì)各輔助變量與輸出變量之間進(jìn)行遲延估計(jì)并提取時(shí)序特征，并通過(guò)小波濾波對(duì)輸入變量進(jìn)行降噪處理，建立LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。利用ISSA算法確定LSTM模型的最優(yōu)組合參數(shù)，最后與傳統(tǒng)的LSSVM、RBF、BP模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果證明，特征優(yōu)化后的ISSALSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的決定系數(shù)（R2）最大，均方根誤差（RMSE）和平均絕對(duì)百分比誤差(MAPE)最小，具備很強(qiáng)的擬合和泛化能力，可以精準(zhǔn)預(yù)測(cè)脫硝系統(tǒng)入口氮氧化物的質(zhì)量濃度。

發(fā)表于：4/25/2023