行业分类-作业装置-一种溶解血栓活血化瘀通经活络的中药配方.zip

行业分类-作业装置- 一种药学固体试剂溶解装置.zip

行业分类-作业装置- 一种塑料颗粒溶解成型制管设备.zip

行业分类-物理装置-基于机器学习的光学溶解氧传感器的标定方法.zip

电力变压器作为微电网中传输和变换电能的主要设备，对油中溶解气体的浓度进行有效预测，可为变压器的故障诊断 及状态评估技术提供一定的理论依据。鉴于此，提出一种基于 粒子群优化算法（PSO）与长短期记忆网络（LSTM）的变压 器油中溶解气体浓度预测方法。首先该模型以油中溶解的7 种特征气体浓度序列作为可视输入；然后通过使用粒子群优化 算法对长短期记忆网络中相关超参数进行迭代优化；最后构建 PSO-LSTM 组合模型对油中溶解气体的浓度进行预测。该模 型克服了依据经验选取参数而导致预测精度低的问题。算例分 析结果表明，相较于传统预测算法，所提方法可以更好地追踪 油中溶解气体浓度的变化规律，提高了预测精度，为电力变压 器安全稳定运行提供了有力保障。

EEMD-LSTM-DO-prediction EEMD(集合经验模态分解)、LSTM(长短时记忆网络)、time series prediction(时间序列预测)、DO（dissolved oxygen,溶解氧） 本文提出了一种改进后的 LSTM 模型，即 EEMD-LSTM 模型。该方法在获取原始 溶解氧时间序列后并预处理后，经过 EEMD 分解为若干子序列，并对其分别建立 LSTM 预测模型，叠加个各个模型的预测结果即可获取最终的预测结果。在获取江苏无锡长江 水质实时监测站溶解氧数据后展开实验，选取原始 LSTM 模型、改进后的 BP 模型、原 始 BP 模型作为对比，实验表明，EEMD-LSTM 模型具有最小的预测误差，更好的模拟 溶解氧时间序列的走势，具有最好的预测效果。 This paper presents an improved LSTM model, the EEMD-

unity-DissolveEffectSample 溶解着色器效果示例。 原始图像 溶解图像 目前支持的溶解着色器有： 扩散 未点亮 自发光（仅限专业版） 其他溶解着色器 参考 用于 alpha 动画。 执照 此代码根据 MIT 许可证的条款和条件分发。 版权所有 (c) 2014 金贤宇

基于大数据的变压器油中溶解气体关键状态量动态预警研究.pdf

基于AT89C51单片机溶解氧测控系统设计与实现pdf,基于AT89C51单片机溶解氧测控系统设计与实现

在线溶解氧测量系统.pdfpdf,在线溶解氧测量系统.pdf