最新設(shè)計(jì)資源

基于特征優(yōu)化和ISSA-LSTM的脫硝系統(tǒng)入口NOx濃度預(yù)測模型[其他][其他]

針對電廠脫硝系統(tǒng)入口NOx濃度受較多因素的影響波動較大,且CEMS檢測儀表有很大遲延難以精準(zhǔn)測量的問題,提出了一種基于隨機(jī)森林算法(RF)和改進(jìn)麻雀搜索算法(ISSA) 優(yōu)化長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(LSTM)的脫硝系統(tǒng)入口NOx濃度預(yù)測模型。首先,通過機(jī)理和相關(guān)性分析確定與SCR入口NOx質(zhì)量濃度相關(guān)的初始輔助變量,并利用RF算法對輔助變量進(jìn)行特征優(yōu)化選擇,然后通過互信息(MI)對各輔助變量與輸出變量之間進(jìn)行遲延估計(jì)并提取時(shí)序特征,并通過小波濾波對輸入變量進(jìn)行降噪處理,建立LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型。利用ISSA算法確定LSTM模型的最優(yōu)組合參數(shù),最后與傳統(tǒng)的LSSVM、RBF、BP模型的預(yù)測結(jié)果進(jìn)行對比。實(shí)驗(yàn)結(jié)果證明,特征優(yōu)化后的ISSALSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型的決定系數(shù)(R2)最大,均方根誤差(RMSE)和平均絕對百分比誤差(MAPE)最小,具備很強(qiáng)的擬合和泛化能力,可以精準(zhǔn)預(yù)測脫硝系統(tǒng)入口氮氧化物的質(zhì)量濃度。

發(fā)表于:4/25/2023

基于SM9密碼算法的大數(shù)據(jù)完整性保護(hù)方案[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

大數(shù)據(jù)是眾多智能分析決策應(yīng)用的基礎(chǔ),大數(shù)據(jù)的部分損毀和缺失會導(dǎo)致所蘊(yùn)含信息不完整,造成分析決策的偏差甚至嚴(yán)重錯(cuò)誤。云計(jì)算平臺為大數(shù)據(jù)的存儲、使用提供了基礎(chǔ)支撐,但在這種環(huán)境中,大數(shù)據(jù)脫離了所有者的直接監(jiān)管,增加了眾多大數(shù)據(jù)相關(guān)方,導(dǎo)致大數(shù)據(jù)的完整性安全風(fēng)險(xiǎn)增加。針對這一問題,基于國家密碼標(biāo)準(zhǔn)SM9設(shè)計(jì)了一套大數(shù)據(jù)全生命期完整性保護(hù)方案。該方案針對大數(shù)據(jù)的全生命周期進(jìn)行數(shù)據(jù)完整性審計(jì),發(fā)現(xiàn)大數(shù)據(jù)完整性問題,并對數(shù)據(jù)完整性責(zé)任溯源。分析了云上大數(shù)據(jù)全生命期中的參與者,在SM9標(biāo)準(zhǔn)算法基礎(chǔ)上,針對云上大數(shù)據(jù)應(yīng)用場景中數(shù)據(jù)流轉(zhuǎn)過程,設(shè)計(jì)了多用戶有序鏈?zhǔn)胶灻万?yàn)證方案,改進(jìn)了簽名和驗(yàn)簽過程以及相關(guān)計(jì)算步驟,建立起大數(shù)據(jù)在流轉(zhuǎn)過程中的完整性驗(yàn)證機(jī)制和完整性問題的溯源機(jī)制。

發(fā)表于:4/25/2023