آشکارسازی زودهنگام خطا در وضعیت گذرای زیرمجموعه بخار نیروگاهی با استفاده از ماشین بردار پشتیبان
Authors
abstract
در این تحقیق، استفاده از ماشین بردار پشتیبان svm)) به منظور آشکارسازی زودهنگام عیب افزایش سطح مخزن راه انداز در شرایط تغییر بار یک بویلر یک گذر نوع بنسون ارائه شده است. افزایش سطح مخزن راه اندازی به دلیل به هم خوردن شرایط حرارتی بویلر بخصوص هنگام کاهش توان کاری واحد بخار رخ می دهد. برای این منظور، ابتدا عوامل موثر در افزایش سطح مخزن راه انداز با توجه به داده های تجربی بدست آمده از یک واحد نیروگاهی شناسایی شده، سپس با انتخاب ویژگی مناسب ابعاد ورودی کاهش یافته است. نتایج تجربی نشان می دهد که تغییر دمای دیواره ها می تواند به عنوان بهترین شاخصه افت کیفیت بخار در نظر گرفته شود. با مقایسه ویژگی های استخراجی در شرایط سالم و ناسالم، مدل مناسبی از خطا با استفاده از ماشین بردار پشتیبان با تابع پایه شعاعی (rbf) به عنوان هسته آن، تهیه شده است. عملکرد سیستم آشکارساز خطا بر اساس داده های وقوع دو عیب مشابه در دو بازه زمانی متفاوت از یک واحد بخار نیروگاه بخار بررسی شده است. نتایج حاصل، دقت و قابلیت روش پیشنهادی برای کشف زودهنگام شرایط کارکرد ناسالم در وضعیت تغییر بار واحد را نشان می دهد. مزیت روش پیشنهادی، ممانعت از ایجاد آلارم های کاذب در بویلرهای نیروگاهی در شرایط تغییر بار است.
similar resources
مدلسازی وضعیت صخره های مرجانی با استفاده از رگرسیون ماشین بردار پشتیبان و اعمال شاخصهای طیفی
از منظر تنوع زیستی، جزایر مرجانی مانند جنگلهای استوایی، متنوع ترین اکوسیستمهای جهان و شاخصی از سلامت اکوسیستم محسوب میشوند اما اکثر این جزایر به دلیل تحولات توریستی و نیز تأثیرات تغییر آبوهوا رو به نابودیاند.توانایی شناسایی و ارزیابی سلامت مرجانها با استفاده از تصاویر ماهوارهای شیوهای مقرونبهصرفه و موثر است. با توجه به اثرگذاری دمای سطح آب بر روی سلامت و توزیع رجانها، با استفاده از ا...
full textتشخیص خطا به روش ماشین بردار پشتیبان
با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده از آن ها در محیط ها و کاربردهای حساس، تمایل روزافزونی در زمینه تشخیص خطا ایجاد شده است. در گذشته شبکه های عصبی به عنوان ابزاری برای تشخیص مدل یا خرابی در یک سیستم به کار گرفته شده اند. اما مشکل الگوریتم بهینه سازی آن ها برای انتخاب پارامتر و کم کردن خطا در هر مرحله به جای کم کردن خطای کل مدل باعث شده است تا ماشین بردار پشتیبان جایگزین مناسبی...
15 صفحه اولکاربرد ماشین بردار پشتیبان در پیشبینی درماندگی مالی شرکتها با استفاده از نسبتهای مالی
استفاده از نسبتهای مالی برای پیش بینی درماندگی مالی یا ورشکستگی شرکتها، همیشه مورد توجه دانشگاهیان و بنگاه های اقتصادی، بویژه بانکها و سایر نهادهای مالی بوده است. پیشبینی به موقع می تواند تصمیم گیران را در یافتن راه حل و پیشگیری از درماندگی مالی، یاری نماید. همچنین، این مدلها کاربرد بسیار زیادی در رتبه بندی اعتباری و نحوه توزیع تسهیلات بانکی دارد. همواره سعی شده است تا دقت پیش بینی این مدل...
full textبرآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ
یکی از حوزههای اصلی مدیریت مالی، مدیریت ریسک میباشد. منظور از مدیریت ریسک، شناسایی، اندازهگیری و نظارت بر ریسک است. بنابراین اندازهگیری ریسک از جایگاه ویژهای در مدیریت ریسک برخوردار است. از جمله روشهای شناخته شده و پرکاربرد اندازهگیری ریسک، محاسبه ارزش در معرض ریسک میباشد که موضوع اصلی این پژوهش است. در این پژوهش با استفاده از مدل ترکیبی ماشین بردار پشتیبان وگارچ به پیشبینی نوسانات شا...
full textتاثیر هوش مالی در پیشبینی ریسک اعتباری با استفاده از مدل ماشین بردار پشتیبان
هدف از این مطالعه، بررسی تاثیرهوش مالی در پیشبینی ریسک اعتباری شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد.روش پژوهش از نوع توصیفی- همبستگی است و فرضیهها با استفاده از مدلهای رگرسیون لجستیک و ماشین بردار پشتیبان مورد آزمون قرار گرفتند.دوره زمانی پژوهش شامل 6 سال ازابتدای 1388 تا پایان 1393 و نمونه آماری شامل 115 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. ن...
full textپیشبینی ظرفیت باربری جانبی شمعها در خاکهای رسی با استفاده از ماشین بردار پشتیبان
پیشبینی ظرفیت باربری شمعهای تحت بار جانبی یکی از مسائل اساسی در مهندسی ژئوتکنیک است و تاکنون روشهای متفاوتی برای ارزیابی آن ارائه شده است. ماشین بردار پشتیبان (SVM) یک روش نسبتاً جدید هوش مصنوعی است که در بسیاری از مسائل ژئوتکنیکی به طور موفقیتآمیزی مورد استفاده قرار گرفته است. این مقاله کاربرد مدل SVM برای پیشبینی ظرفیت باربری جانبی شمعها در خاکهای رسی را شرح میدهد. از نتایج مدلهای کوچ...
full textMy Resources
Save resource for easier access later
Journal title:
مهندسی مکانیک مدرسجلد ۱۶، شماره ۱۰، صفحات ۴۰۵-۴۱۱
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023