交叉熵鲸鱼算法的制冷机组能效优化

结合制冷机组运行原理,建立了基于门控循环单元网络(GRU)的某卷烟厂空调制冷机组能效预测模型,采用交叉熵鲸鱼优化算法(CWOA)对制冷运行工况进行寻优,该优化策略能跟随冷负荷变化动态调节设备运行参数。基于这2种智能算法的决策系统既解决了卷烟厂空调制冷机组机理建模困难的问题,又解决了制冷机组运行能耗高的问题。以某卷烟厂空调制冷机组实测运行数据为基础进行了预测和优化仿真实验,预测结果表明制冷机组GRU模型在训练集和测试集上的均方根误差(RMSE)分别为1.047%和1.186%,预测精度高于LSTM网络模型,优化结果显示：CWOA优化后的能效值相比其他优化算法更高,较实际运行平均节能9%。因此,基于GRU-CWOA算法的智能模型可用于卷烟厂空调制冷机组的能效预测优化。     

深度哈希卷积网络在图像检索中的应用

随着网络图像数据的迅猛增长,基于传统的人工设计视觉特征的图像检索方法的效果已无法满足要求。为此,提出了一种基于深度卷积神经网络的监督哈希编码方法。该方法是基于分类和量化误差的深度哈希,同时学习图像、哈希码和分类器的特征表示,然后利用标记的监督信息和深层架构学习卷积网络差异性特征表示,并直接用于生成哈希码和预测图像标签。根据相互关联的量化误差和预测误差共同调整深度网络的学习,最终对给定图像在低维汉明空间上实现快速检索。在MNIST和CIFAR-10两个图像集上的实验结果表明:所提出的方法与几种主流方法相比检索性能更好。最后,将所研究的深度卷积神经网络应用于Metel多媒体教学资源平台的图像检索中,取得了良好的检索效果。     

树种LSTM的冷水机组预测优化模型研究

为提升中央空调冷水机组能源转化率,提出了用长短时记忆网络(LSTM)预测制冷机组能源转化率和改进的树种算法(iTSA)来优化运行参数。首先,将冷冻水的供回水温度、冷却水供回水温度、冷冻水流量、冷却水流量、供冷负荷作为输入,能源转换效率(COP)作为输出,建立基于长短时记忆网络的能效预测模型;其次,将预测结果作为参数优化的目标,通过iTSA算法对运行参数进行优化,推断达到离心式制冷机组能效最大的最优参数;最后,以某卷烟厂的离心式制冷机组为研究对象,对冷水机组的能效进行推断,并与已有方法进行对比分析。结果表明：该方法不仅建立了高精度的能效预测模型,而且对运行参数进行了合理的优化,能有效节省冷水机组的能源。