简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。
简介:建立了燃耗耦合计算方法,并用基准题对其进行了验证。利用传统核数据库和高能数据库计算了热功率为1000MW的ADS堆芯在不同燃耗下的有效增殖因数keff、有外源的有效增殖因数keff,s、质子束流强度Ip、MA核素的嬗变率及嬗变支持比。结果表明:传统核数据库和高能核数据库下计算的keff间的最大偏差及keff,s间的最大偏差均约为1%;传统核数据库下,Ip每300d平均增加7mA,MA核素的嬗变率为29.9%,嬗变支持比为36.7,能核数据库下对应的Ip为8mA,MA核素的嬗变率为30.5%,嬗变支持比为37.3。这说明高能核数据库对MA核素嬗变物理参数的影响与传统核数据库的影响基本相当。