-
公开(公告)号：CN118748054A
公开(公告)日：2024-10-08
申请号：CN202410895865.2
申请日：2024-07-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于机器学习实现建筑陶瓷坯体小试质量预测的方法，该方法通过收集小试坯体白度和强度检测数据及其坯体化学成分化验数据，对小试坯体白度和强度进行预测。将收集到的数据进行数据匹配，异常值处理和数据标准化处理。处理后的数据按照4:1划分训练集和测试集，选择随机森林和支持向量回归算法搭建预测模型。训练集用于模型训练，调整超参数，测试集数据用于模型验证。本发明能够准确预测建筑陶瓷小试白度和强度，可以有效降低原料成本和时间成本，从而加速新配方的开发设计，有效提高了分析新配方质量的效率。
-
公开(公告)号：CN109919421A
公开(公告)日：2019-06-21
申请号：CN201910060863.0
申请日：2019-01-23
Applicant: 华南理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于VMD-PSO-BPNN的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，包括下述步骤：首先获取造纸企业总有效负荷数据；利用VMD分解算法对预处理后的数据序列进行分解；利用滞后自相关选择模型的输入变量；利用PSO-BPNN对分解序列进行建模；利用训练样本对PSO-BPNN模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明方法建立的基于VMD-PSO-BPNN的短期电力负荷预测模型，具有收敛快，预测结果无滞后的特点。
-
公开(公告)号：CN106872658B
公开(公告)日：2019-06-18
申请号：CN201710052428.4
申请日：2017-01-22
Applicant: 华南理工大学
IPC: G01N33/18
Abstract: 本发明公开了一种基于向量时间序列模型的污水COD负荷预测的方法，包括下列步骤：利用数据挖掘建模过程进行挖掘目标的定义；对获取的污水进水相关数据进行数据的探索和预处理以达到向量自回归模型建模的要求；选用最大似然估计模型的参数，同时选用信息准则确定模型的阶次，然后利用多元混成统计进行模型检验；进一步通过目标参数来简化模型，从而建立简洁有效的预测模型。所述采集的进水数据已确定进水量和进水COD，同时构造了污水COD负荷这一属性；利用得到的预测模型进行测试数据的预测，模型的输出则是污水COD负荷相关变量的预测结果。本发明的方法，模型简洁而且可以同时预测多个变量，预测精度比较高同时所需要的时间短。
-
公开(公告)号：CN104745257B
公开(公告)日：2017-10-20
申请号：CN201510104126.8
申请日：2015-03-10
Applicant: 华南理工大学
IPC: C10L3/08
Abstract: 本发明属于能源与化工技术领域，公开了一种煤和焦炉气联供制天然气的系统及工艺。所述煤和焦炉气联供制天然气的系统包括煤气化单元、酸性气体脱除单元、甲烷化单元和焦炉气净化单元，煤气化单元与酸性气体脱除单元依次连接，焦炉气净化单元与酸性气体脱除单元并联后同时接入甲烷化单元。原煤经煤气化单元产生粗合成气，再净化后脱出硫化物与CO2并产生洁净的合成气；粗焦炉气经焦炉气净化单元分离得到洁净焦炉气，洁净焦炉气与洁净的合成气按比例混合后，经甲烷化单元甲烷化可产生天然气。本发明省去水煤变换单元，并将CO2循环回气化炉再反应，同时用焦炉气替代了一部分煤，实现了气化过程的CO2和污水的减排，且将过程能效提高8％以上。
-
公开(公告)号：CN115115227A
公开(公告)日：2022-09-27
申请号：CN202210753820.2
申请日：2022-06-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种用于造纸领域的产品质量知识图谱构建方法，基于已有造纸领域结构化数据和互联网数据生成产品质量的相关数据，获取的数据通过收集、筛选、分析、汇总形成造纸领域产品质量的基础数据；根据采集的数据信息，进行分词处理后形成造纸领域产品质量语料库；在语料库中选取部分数据为训练集，通过人工方式进行标注作为训练数据；利用标注好的训练数据来迭代训练命名实体识别模型来实现知识的抽取；本发明通过对相关书籍、网页、论坛等信息获取，得到综合造纸领域的产品质量相关数据资料，构建基于造纸领域的产品质量知识分类体系，通过图数据库的形式进行存储；本发明提供的技术方案还可以从造纸行业泛化到其他行业。
-
Patent Agency Ranking
公开(公告)号：CN114995358A
公开(公告)日：2022-09-02
申请号：CN202210755208.9
申请日：2022-06-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于事件图谱的造纸工业故障诊断方法及系统，包括：收集造纸工业的故障事件信息；根据故障事件信息建立故障知识本体；根据建立的故障知识本体，建立造纸工业的事件图谱；获取造纸生产过程当前出现的异常现象，并通过事件图谱生成对应的故障诊断方案。本发明通过收集造纸行业的设备维护数据以及故障事件信息结合本领域其他知识信息构建基于故障知识本体的造纸工业事件图谱，然后根据获取的造纸生产过程出现的异常现象，生成对应的故障诊断方案，不仅能够及时对造纸生产过程中出现故障的进行判断，避免出现危险事故，同时能够对故障进行溯源，增强设备管理安全性。
-
公开(公告)号：CN109577064B
公开(公告)日：2020-06-19
申请号：CN201811532221.8
申请日：2018-12-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种用于卫生纸机干燥部能耗与蒸发量预测的机理建模方法，包括步骤：导出干燥部输入输出变量数据并进行预处理；建立干燥部机理模型，包括气罩通风模型，纸页干燥动力学模型和干燥能耗模型三个部分；确定模型参数，包括人工测量和使用处理后的部分数据进行调参；模型验证，使用剩余数据进行模拟运算并将模拟结果与实际输出对比，评价优化模型的预测精度和预测性能。本发明对干燥能耗的数值和变化趋势得到了较高的模拟精度，同时还能预测干燥部的蒸发脱水能力，为卫生纸厂进行节能降耗和质量控制提供了便利。
-
公开(公告)号：CN109711755A
公开(公告)日：2019-05-03
申请号：CN201910060810.9
申请日：2019-01-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于EMD-VMD-PSO-LSSVM的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，包括下述步骤：首先获取造纸企业总有效负荷的数据；利用EMD-VMD组合算法对获取的数据序列进行分解；利用近似熵对分解的序列进行重构；利用滞后自相关方法选择模型输入；利用PSO-LSSVM对重构序列进行建模；利用训练样本对PSO-LSSVM模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明基于EMD-VMD-PSO-LSSVM算法对建立短期电力负荷预测模型，具有模型收敛快，预测结果无滞后诸多特点。
-
公开(公告)号：CN109657882A
公开(公告)日：2019-04-19
申请号：CN201910060879.1
申请日：2019-01-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于VMD-PSO-LSSVM的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，包括下述步骤：首先获取造纸企业总有效负荷数据；利用VMD分解算法对预处理后的数据序列进行分解；利用滞后自相关选择模型的输入变量；利用PSO-LSSVM对分解序列进行建模；利用训练样本对PSO-LSSVM模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明方法建立的基于VMD-PSO-LSSVM的短期电力负荷预测模型，具有收敛快，预测结果无滞后的特点。
-
公开(公告)号：CN107358021A
公开(公告)日：2017-11-17
申请号：CN201710402265.8
申请日：2017-06-01
Applicant: 华南理工大学
CPC classification number: G06N3/0454 , G06N3/084 , G16C20/10
Abstract: 本发明公开了一种基于优化BP神经网络的DO预测模型建立方法，包括步骤：基于曝气池DO预测这一目标进行变量选取；对数据进行预处理；建立曝气池DO的初始预测模型并利用建模数据训练网络模型得到初步建立的DO预测模型，然后进行模型预测效果的分析；对初步建立的DO预测模型进行参数、结构的逐一优化然后利用思维进化算法优化BP网络的初始权、阈值，得到优化的预测模型；得到优化DO预测模型后，评价优化模型的预测精度和预测性能。本发明提高了对时序数据预测的精度，在一定程度改善模型性能、提高了预测准确性，对于污水处理厂进行曝气池曝气的精确控制的实施提供了便利。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.02 seconds)
