王海宁
- 作品数：10 被引量：25H指数：2
- 供职机构：浙江工业大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术化学工程文化科学环境科学与工程更多>>
- 龙凤山大气本底站CO浓度特征及传输路径分析被引量：1
- 2022年
- 利用2017年1月—2019年11月龙凤山大气本底站一氧化碳(CO)连续观测资料和NOAA再分析资料,对东北平原地区大气CO浓度季节变化及其排放源特征进行研究.结果表明:龙凤山站CO日变化规律具有季节性差异,春、秋和冬季CO浓度均在午后13:00—14:00出现最低值,秋和冬季19:00出现峰值,春季2:00出现最峰值,冬季CO浓度日平均最大,日振幅最大.夏季CO日变化不同于其他季节,在8:00—13:00维持较高值,在16:00—次日04:00维持较低,峰值出现在08:00,谷值出现在00:00.龙凤山站CO浓度具有明显的周期性季节变化和波动下降趋势,呈现出冬季高夏季低的特点,最高值出现在1月,最低值出现在6月,月平均浓度明显高于青藏高原地区浓度水平,全年CO月均值振幅为134.8×10^(-9)±2.5×10^(-9)(物质的量分数,下同).在春、夏和秋季西南方向地面风能够明显抬升观测CO浓度,冬季西北方向地面风能够明显抬升观测CO浓度.后向轨迹聚类、浓度权重轨迹分析(CWT)以及地面风结果分析表明:SSW-SW-WSW扇区内的城市交通及工业等人为排放是龙凤山站的CO潜在源区,此外,冬季的NW-NNW-N扇区的短距离输送也是龙凤山站的CO潜在源区.
- 王海宁王海宁刘硕臧昆鹏洪海祥邱珊珊熊浩宇李嘉鑫卿雪梅蒋凯方双喜
- 化工过程优化研究生课程教学改革的探索与实践
- 针对《化工过程优化》研究生课程教学中存在的教学内容理论性较强、案例教学内容偏少和优化模型求解难度较大等问题，结合化工专业研究生的培养目标和本课程的特点，在教学内容、教学方法和考核方式等方面开展了教学改革的探索与实践。通过...
- 夏陆岳王海宁潘海天
- 关键词：化工过程教学改革
- KPCA-bagging集成神经网络软测量建模方法被引量：12
- 2015年
- 许多化工过程具有机理复杂和强非线性等特点,为了克服常规建模方法存在的不足和提高软测量模型的预测精度,提出一种用于化工过程软测量的核主元分析(KPCA)-bagging集成神经网络建模方法.首先利用KPCA对软测量模型的输入数据进行降维处理,提取非线性主元并作为模型输入;然后采用bagging集成学习算法得到若干样本子集,通过训练各子集建立多个BP神经网络子模型,采用网格搜索法优化确定各子模型隐含层单元个数与集成模型规模;最后采用岭回归方法实现子模型输出融合,建立KPCA-bagging集成神经网络软测量模型.聚丙烯熔融指数软测量仿真结果表明,采用上述建模方法建立的软测量模型具有较好的预测性能.
- 夏陆岳王海宁朱鹏飞潘海天
- 关键词：核主元分析软测量熔融指数
- 基于KPCA-bagging集成神经网络的混合半参数建模方法
- 由于化工过程的复杂性和强非线性,为了解决机理模型的误差补偿问题和提高软测量模型的预测精度,提出了一种基于核主元分析（KPCA）—bagging集成神经网络的混合半参数建模方法。利用KPCA对模型的输入数据进行降维,提取非...
- 夏陆岳王海宁朱鹏飞周猛飞潘海天
- 关键词：半参数模型核主元分析神经网络
- 文献传递
- 一种基于集成神经网络的聚丙烯熔融指数混合建模方法
- 一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括：首先通过采集关键过程变量数据和熔融指数离线分析数据，对原始数据进行离群点检测、标准化等预处理，构建训练样本数据集；然后采用机理分析方法和最速下降法建立聚丙烯熔融指数...
- 夏陆岳潘海天王海宁
- 文献传递
- 聚丙烯生产过程质量控制中的软测量技术研究
- 熔融指数是聚丙烯生产过程中的重要质量指标，目前尚难以实现直接在线测量，软测量技术为实现其在线估计提供了一条可行的思路，这将有助于实现聚丙烯生产过程质量控制。本文在详细分析聚丙烯生产过程特点和工艺机理的基础上，综合利用机理...
- 王海宁
- 关键词：聚丙烯生产工艺软测量技术
- 化工过程优化研究生课程教学改革的探索与实践
- 针对《化工过程优化》研究生课程教学中存在的教学内容理论性较强、案例教学内容偏少和优化模型求解难度较大等问题,结合化工专业研究生的培养目标和本课程的特点,在教学内容、教学方法和考核方式等方面开展了教学改革的探索与实践。通过...
- 夏陆岳王海宁潘海天
- 关键词：化工过程教学改革
- 文献传递
- 动态选择性集成神经网络软测量建模
- 2016年
- 集成建模方法能显著提高软测量模型的预测性能,其中选择性集成通过剔除一些性能不佳的子模型,能进一步提高整体软测量模型预测性能。针对目前选择性集成研究中因忽略了数据间的差异性而导致模型预测性能不佳的问题,提出了一种动态选择性集成神经网络软测量建模方法。首先将原始数据集分为训练集和验证集,采用bootstrap算法对训练集进行差异性扰动,建立了多个神经网络子模型;然后对每个待测样本,采用K-最近邻搜索算法从验证集中找到一个最近邻子集,用该子集评估各神经网络子模型的预测性能,为待预测样本筛选合适的神经网络子模型;最后根据各子模型的预测性能合理分配组合权重,从而建立集成模型,并实现待预测样本的预测。将该建模方法应用于聚丙烯熔融指数软测量研究中,研究结果表明:与单一神经网络、常规全集成和静态选择性集成神经网络模型相比,基于动态选择性集成神经网络的熔融指数软测量模型具有更佳的预测精度。
- 夏陆岳朱群娣王海宁潘海天
- 关键词：神经网络软测量熔融指数
- 化工过程优化研究生课程教学改革的探索与实践被引量：2
- 2017年
- 化工过程优化研究生课程教学中存在教学内容理论性较强、案例教学内容偏少和优化模型求解难度较大等问题。针对这些问题,我们结合化工专业研究生的培养目标和本课程的特点,在教学内容、教学方法和考核方式等方面开展了改革探索与实践,通过优化教学内容和丰富案例内容,将理论教学与案例教学相结合,改进了教学方法,采用工程计算软件方便地求解化工过程优化模型,并建立了多元化课程考核方法。教改取得了良好的效果,化工专业研究生的工程应用能力得到提升。
- 夏陆岳王海宁潘海天
- 关键词：化工过程教学改革
- 过程工业软测量中的多模型融合建模方法被引量：9
- 2014年
- 对多模型融合建模方法在过程工业软测量中的研究进展进行了系统总结。根据整体模型中子模型的不同,多模型融合建模方法主要可分成数据驱动融合建模方法和半参数建模方法。详细介绍了数据驱动融合建模方法和半参数建模方法的设计思想和国内外研究现状,分析了各类方法的优缺点,并提出了相应的改进方向。根据过程数据处理方法的不同,将数据驱动融合建模方法分为集成学习和聚类分析。根据模型结构形式的不同,将半参数建模方法分为串联结构和并联结构。最后对多模型融合建模方法的未来研究方向进行了展望,期望今后的研究工作能在改进数据驱动模型融合技术、提高半参数模型外推能力和解决双率数据问题等方面取得突破性进展,并指出采用多模型融合建模方法建立基于多源信息融合的软测量模型是实现过程工业中难测变量在线估计的有效方法。
- 王海宁夏陆岳周猛飞朱鹏飞潘海天
- 关键词：软测量半参数
