亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于廣義回歸神經(jīng)網(wǎng)絡(luò)的地鐵屏蔽門通風(fēng)量預(yù)測研究

        2021-09-19 10:14:52陳薈多周東一肖湘華
        中阿科技論壇(中英文) 2021年9期
        關(guān)鍵詞:屏蔽門廣義通風(fēng)

        陳薈多 ,周東一,2 ,肖湘華

        (1.邵陽學(xué)院機(jī)械與能源工程學(xué)院,湖南 邵陽 422000;2.邵陽學(xué)院高效動力系統(tǒng)智能制造湖南省重點(diǎn)實驗室,湖南 邵陽 422000)

        1 緒論

        在地鐵實際運(yùn)營過程中,車站站廳與地鐵隧道之間不斷進(jìn)行氣體交換,其中列車停站屏蔽門開啟階段由于地鐵隧道的活塞效應(yīng),大量氣流會沿著地鐵屏蔽門流入站廳。這些氣流不僅會影響乘客的舒適度,還會加大地鐵環(huán)控系統(tǒng)的負(fù)擔(dān)。當(dāng)前,國內(nèi)外學(xué)者對地鐵通風(fēng)的研究主要集中在地鐵站廳的空調(diào)系統(tǒng)[1-2]以及地鐵隧道風(fēng)井通風(fēng)系統(tǒng)[3-4]方面。例如,劉垚等(2019)采用一維仿真的方式對地鐵車站活塞風(fēng)井的換氣量進(jìn)行了數(shù)值模擬,利用擬合的方式得到了活塞風(fēng)井進(jìn)出風(fēng)量的變化曲線[5];姜金言等(2016)對地鐵通風(fēng)空調(diào)系統(tǒng)進(jìn)行了研究,分析了地鐵通風(fēng)節(jié)能措施[6]。前人研究較少涉及地鐵屏蔽門系統(tǒng)的通風(fēng)換氣相關(guān)內(nèi)容。

        為了保證乘客的舒適度,減輕地鐵環(huán)控系統(tǒng)耗能,本文引入了廣義回歸神經(jīng)網(wǎng)絡(luò)模型來對地鐵屏蔽門通風(fēng)量進(jìn)行實時預(yù)測。

        2 理論基礎(chǔ)

        2.1 GRNN理論基礎(chǔ)

        廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的改進(jìn)之一,具有很強(qiáng)的非線性映射能力,常用于樣本數(shù)據(jù)少的數(shù)據(jù)集預(yù)測,數(shù)據(jù)預(yù)測效果好[7-8]。因此本文采用廣義回歸神經(jīng)網(wǎng)絡(luò)模型對地鐵屏蔽門通風(fēng)量進(jìn)行預(yù)測。

        廣義回歸神經(jīng)網(wǎng)絡(luò)的核心是進(jìn)行非線性回歸分析。利用聯(lián)合概率密度函數(shù)F(x,y)來預(yù)測輸出值。在聯(lián)合概率密度函數(shù)F(x,y)中,x和y為自變量,X為x的觀測值,則y相對于X回歸,即條件均值為:

        根據(jù)上述表達(dá)式可知,GRNN模型的誤差主要由平滑因子決定。因此,GRNN模型只須通過調(diào)整平滑因子便可調(diào)整獲得相對較好的預(yù)測性能,具有可操作性。

        2.2 GRNN網(wǎng)絡(luò)結(jié)構(gòu)

        GRNN網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。根據(jù)圖1可以看出,該模型主要由四層結(jié)構(gòu)組成,分別是輸入層、模式層、求和層以及輸出層。

        圖1 廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

        (1)輸入層

        輸入層的神經(jīng)元個數(shù)等于學(xué)習(xí)樣本總輸入向量的維數(shù),直接將變量傳遞到模式層。

        (2)模式層

        模式層神經(jīng)元數(shù)目為學(xué)習(xí)樣本的數(shù)目n,每個神經(jīng)元對應(yīng)不同的樣本,該層神經(jīng)元傳遞函數(shù)表達(dá)式為:

        式中,X為網(wǎng)絡(luò)輸入變量;Xi為第i個神經(jīng)元對應(yīng)的學(xué)習(xí)樣本。

        (3)求和層

        求和層使用兩種類型神經(jīng)元進(jìn)行求和。

        ①第一類是對所有模式層神經(jīng)元的輸出進(jìn)行算數(shù)求和,其模式層與各個神經(jīng)元連接權(quán)值為1,其計算公式和傳遞函數(shù)分別如式(5)(6)所示。

        ②第二類是對所有模式層的神經(jīng)元進(jìn)行加權(quán)求和,模式層中第i個神經(jīng)元與求和層第j個分子求和神經(jīng)元之間的連接權(quán)值為第i個輸出樣本Yj中的第j個元素,其計算公式和傳遞函數(shù)分別如式(7)(8)所示。

        (4)輸出層

        輸出層中神經(jīng)元個數(shù)等于學(xué)習(xí)樣本中輸出向量的維數(shù)k,各神經(jīng)元將求和層的輸出相除,神經(jīng)元j的輸出對應(yīng)估計結(jié)果的第j個元素,即:

        3 算法仿真

        3.1 數(shù)據(jù)處理

        本文采取廣義回歸神經(jīng)網(wǎng)絡(luò)算法對地鐵屏蔽門通風(fēng)量進(jìn)行預(yù)測,根據(jù)地鐵通風(fēng)仿真實驗隨機(jī)選取50組仿真數(shù)據(jù)作為樣本數(shù)據(jù),其中45組數(shù)據(jù)為訓(xùn)練集,其余5組為測試集。

        在所建GRNN模型中,選取屏蔽門處所測得的風(fēng)速和行進(jìn)地鐵列車離屏蔽門的距離為輸入變量,輸出變量為屏蔽門通風(fēng)量。樣本數(shù)據(jù)如表1所示。

        表1 樣本數(shù)據(jù)

        3.2 參數(shù)設(shè)置

        在廣義回歸神經(jīng)網(wǎng)絡(luò)模型中,數(shù)據(jù)預(yù)測結(jié)果的精度取決于平滑因子的設(shè)置,所設(shè)置的值越好,數(shù)據(jù)預(yù)測結(jié)果越精確。因此,本文采用交叉驗證的方式來選取平滑因子,將訓(xùn)練樣本數(shù)據(jù)隨機(jī)劃分10份,其中9份數(shù)據(jù)用于訓(xùn)練數(shù)據(jù)集,剩余1份數(shù)據(jù)驗證數(shù)據(jù)集,核對每個值對應(yīng)的測試誤差,搜尋輸出值與實際值的最小均方差對應(yīng)的平滑因子,得到最佳平滑因子為0.1。

        3.3 網(wǎng)絡(luò)訓(xùn)練及結(jié)果分析

        將數(shù)據(jù)集代入本文所構(gòu)建的廣義回歸神經(jīng)網(wǎng)絡(luò)屏蔽門通風(fēng)量預(yù)測模型中,訓(xùn)練集所得通風(fēng)量預(yù)測結(jié)果如圖2所示。

        根據(jù)圖2可知,訓(xùn)練集預(yù)測值與實際值變化規(guī)律基本一致,預(yù)測值平均準(zhǔn)確率為99.45%,其中最大差值為97.77 m3/h,最小差值為7.65 m3/h。

        圖2 訓(xùn)練集預(yù)測結(jié)果

        測試集所得通風(fēng)量預(yù)測結(jié)果如圖3所示。

        根據(jù)圖3可知,測試集預(yù)測值與實際值變化規(guī)律基本一致,預(yù)測值平均準(zhǔn)確率為99.69%,其中最大差值為96.37 m3/h,最小差值為0.54 m3/h。

        圖3 測試集預(yù)測結(jié)果

        3.4 模型評估

        為了對本預(yù)測模型有一個系統(tǒng)、精準(zhǔn)的評價,本文引入回歸評價指標(biāo)中的決定系數(shù),該值越接近1代表模型越好,該評價值指標(biāo)數(shù)學(xué)公式如式(10)。

        根據(jù)公式(10)計算出本文。一般求得值大于0.95則認(rèn)為該模型擬合程度高,模型預(yù)測值準(zhǔn)確可靠。因此,本文所建廣義回歸神經(jīng)網(wǎng)絡(luò)模型能準(zhǔn)確、有效地對地鐵屏蔽門通風(fēng)量進(jìn)行預(yù)測。

        4 結(jié)論

        本文建立了基于廣義回歸神經(jīng)網(wǎng)絡(luò)的地鐵屏蔽門通風(fēng)量預(yù)測模型,該模型通過輸入變量風(fēng)速與車距來預(yù)測地鐵屏蔽門的通風(fēng)量,實驗所得結(jié)果為該模型訓(xùn)練集平均準(zhǔn)確度為99.45%,測試集準(zhǔn)確度為99.69%,并通過計算該模型回歸系數(shù)得到。綜上表明,本文所建通風(fēng)量預(yù)測模型準(zhǔn)確、有效。

        猜你喜歡
        屏蔽門廣義通風(fēng)
        燒爐取暖要注意通風(fēng)
        Rn中的廣義逆Bonnesen型不等式
        一例育雛室通風(fēng)不良造成雞苗慢性死亡的調(diào)查報告
        關(guān)于CAN總線的地鐵屏蔽門控制思路論述
        從廣義心腎不交論治慢性心力衰竭
        莞惠鐵路屏蔽門與信號系統(tǒng)接口設(shè)計的研究
        城軌屏蔽門控制傳輸技術(shù)的設(shè)計與實現(xiàn)
        東莞地鐵2號線屏蔽門系統(tǒng)控制功能分析
        有限群的廣義交換度
        淺圓倉智能通風(fēng)系統(tǒng)在冬季通風(fēng)中的應(yīng)用分析
        男女好痛好深好爽视频一区 | 国产精品国产三级国产在线观| 偷拍熟女露出喷水在线91| 无遮挡很爽很污很黄的女同| 国产喷水1区2区3区咪咪爱av| 精品国产a∨无码一区二区三区| 亚洲xx视频| 国产一区二区视频免费| 欧美不卡一区二区三区| 免费男人下部进女人下部视频| 在线观看国产内射视频| 日韩av天堂综合网久久| 欧洲成人一区二区三区| 色一情一乱一伦一区二区三区 | 国产好片日本一区二区三区四区| 久久精品亚洲精品国产区| 国产人成无码视频在线观看| 三年片在线观看免费大全电影| 99精品国产自产在线观看 | 亚洲精品无码国产| 99国产超薄丝袜足j在线观看 | 国产精品 无码专区| 亚洲国产精品sss在线观看av| 美女超薄透明丝袜美腿| 福利视频偷拍一区二区| 亚洲精品色婷婷在线影院| 亚洲av无码专区亚洲av桃| 国产自产21区激情综合一区| 有坂深雪中文字幕亚洲中文 | 日本精品视频一视频高清| 精品精品国产三级av在线| 国产精品女人呻吟在线观看 | 色男色女午夜福利影院| 免费无码一区二区三区a片百度| 欧美精品久久久久久久自慰| 国产三级国产精品三级在专区| 亚洲国产中文字幕一区| 天天天天躁天天爱天天碰2018| 亚洲AV无码资源在线观看| 在线观看av不卡 一区二区三区| 天堂在线资源中文在线8|