供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(seasonal and trend decomposition using loess,STL)的供热负荷预测方法,构建了适用于供...供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(seasonal and trend decomposition using loess,STL)的供热负荷预测方法,构建了适用于供热负荷预测的输出目标。首先利用STL算法将供热负荷时间序列数据分解为趋势分量、周期分量和残差分量,分别训练Informer、BiLSTM和XGB模型,将构建好的3个分量预测模型的输出叠加作为初步预测结果,分析误差序列,以BiLSTM预测误差提高模型精度,构建出STL-Informer-BiLSTM-XGB预测模型。将上述模型与常用预测模型进行对比,结果表明所构建的STL-Informer-BiLSTM-XGB模型的MAPE、MAE和MSE分别为0.871%、96.18和13202.2,预测效果最优,验证了所提出的方法具有较高的供热负荷预测精度。展开更多
随着隔震技术的推广应用以及建筑业信息化水平的持续提升,在隔震工程中对隔震层建筑信息模型(building information modeling, BIM)建模的需求逐渐增长,然而针对性的研究工作相对较少。为此,围绕隔震支座BIM模型的高效建模方法和应用模...随着隔震技术的推广应用以及建筑业信息化水平的持续提升,在隔震工程中对隔震层建筑信息模型(building information modeling, BIM)建模的需求逐渐增长,然而针对性的研究工作相对较少。为此,围绕隔震支座BIM模型的高效建模方法和应用模块开展了研究。首先,综合隔震支座应用情况和力学特性,可将其分为橡胶隔震支座、滑移摩擦隔震支座和其他类型隔震支座,据此提出了隔震支座BIM快速建模模块基本架构;随后,基于Revit和Visual Studio平台开发了三类隔震支座BIM模型的快速建模功能,并实现了连接节点参数化建模和支座批量/手动布置的操作功能;最后,开展了某化工公司的库房隔震加固项目的隔震层BIM模型建模实践,结果表明:利用快速建模模块可将隔震层BIM建模操作从7个步骤降低至2个步骤,且使用过程中对隔震支座构造细节的认知要求相对较低。同时,建成后的BIM模型与实际工程在建筑信息的多个方面具有较好的一致性。相关研究可为建筑和桥梁隔震工程的BIM建模提供参考和借鉴。展开更多
为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomp...为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess,STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量,然后采用对趋势性数据预测效果较好的Prophet预测趋势分量,Informer模型预测周期分量和残差分量,最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析,提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小,将该组合预测模型用于太阳电池阵多变量参数预测中,可以提高参数预测精度,提升卫星自主运行性能.展开更多
文摘供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(seasonal and trend decomposition using loess,STL)的供热负荷预测方法,构建了适用于供热负荷预测的输出目标。首先利用STL算法将供热负荷时间序列数据分解为趋势分量、周期分量和残差分量,分别训练Informer、BiLSTM和XGB模型,将构建好的3个分量预测模型的输出叠加作为初步预测结果,分析误差序列,以BiLSTM预测误差提高模型精度,构建出STL-Informer-BiLSTM-XGB预测模型。将上述模型与常用预测模型进行对比,结果表明所构建的STL-Informer-BiLSTM-XGB模型的MAPE、MAE和MSE分别为0.871%、96.18和13202.2,预测效果最优,验证了所提出的方法具有较高的供热负荷预测精度。
文摘随着隔震技术的推广应用以及建筑业信息化水平的持续提升,在隔震工程中对隔震层建筑信息模型(building information modeling, BIM)建模的需求逐渐增长,然而针对性的研究工作相对较少。为此,围绕隔震支座BIM模型的高效建模方法和应用模块开展了研究。首先,综合隔震支座应用情况和力学特性,可将其分为橡胶隔震支座、滑移摩擦隔震支座和其他类型隔震支座,据此提出了隔震支座BIM快速建模模块基本架构;随后,基于Revit和Visual Studio平台开发了三类隔震支座BIM模型的快速建模功能,并实现了连接节点参数化建模和支座批量/手动布置的操作功能;最后,开展了某化工公司的库房隔震加固项目的隔震层BIM模型建模实践,结果表明:利用快速建模模块可将隔震层BIM建模操作从7个步骤降低至2个步骤,且使用过程中对隔震支座构造细节的认知要求相对较低。同时,建成后的BIM模型与实际工程在建筑信息的多个方面具有较好的一致性。相关研究可为建筑和桥梁隔震工程的BIM建模提供参考和借鉴。
文摘为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess,STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量,然后采用对趋势性数据预测效果较好的Prophet预测趋势分量,Informer模型预测周期分量和残差分量,最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析,提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小,将该组合预测模型用于太阳电池阵多变量参数预测中,可以提高参数预测精度,提升卫星自主运行性能.
