检索结果-南通市图书馆

现代预防医学 2024年第20期 3687-3690+3701页

作者：况桃夏娅杨华君曹毅刘定梅杨彦遵义医药高等专科学校卫生管理系

目的构建遵义市细颗粒物（particulate matter with an aerodynamic diameter≤2.5μm, PM2.5）土地利用回归（land use regression, LUR）模型。方法收集整理遵义市常规空气质量监测站点2020年1月1日到2020年12月31日的逐小时PM2.5... 详细信息

目的构建遵义市细颗粒物（particulate matter with an aerodynamic diameter≤2.5μm, PM2.5）土地利用回归（land use regression, LUR）模型。方法收集整理遵义市常规空气质量监测站点2020年1月1日到2020年12月31日的逐小时PM2.5监测数据，以及土地利用、道路、人口密度、海拔等地理信息变量数据和气象因子数据，以PM2.5浓度为因变量，地理信息变量和气象因子为自变量，进行多元逐步线性回归，构建模型，并采用留一交叉验证（leave-one-out cross validation, LOOCV）对模型表现进行验证。结果所建模型公式为Y=72.656-0.026×海拔-0.009×NDVI-0.62×平均气温-383.512×平均降水量，模型的R2=0.74,调整R2=0.72,交叉验证的R2=0.69,RMSE=3.51,空间分辨率高（250 m×250 m）。结论模型拟合情况较好，充分反映了遵义市PM2.5空间分布的影响因素，可以用于个体暴露水平的估计，为环境健康流行病学研究提供有力支持。

关键词： PM2.5 个体暴露 LUR模型

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于RUN-GRU-attention模型的实车动力电池健康状态估计方法

引用

储能科学与技术 2024年第9期13卷 3042-3058页

作者：刘定宏董文楷李召阳张红烛齐昕中汽研汽车检验中心(常州)有限公司江苏省光储充检一体化研发应用工程技术研究中心江苏常州213000

实车动力电池的健康状态(state of health,SOH)评估存在数据质量差、工况不统一、数据利用率低等问题,本文面向阶梯倍率充电工况构建多源特征提取及SOH估计模型。首先,通过数据清洗、切割、填充,获取独立的充电片段;其次,基于不同电流... 详细信息

实车动力电池的健康状态(state of health,SOH)评估存在数据质量差、工况不统一、数据利用率低等问题,本文面向阶梯倍率充电工况构建多源特征提取及SOH估计模型。首先,通过数据清洗、切割、填充,获取独立的充电片段;其次,基于不同电流阶段计算容量,实现原始数据利用率达96.9%,并与单独限定SOC范围计算容量的方法相比,误差降低48.1%以上;然后,从当前工况、历史累积两个维度提取多个健康因子,对于当前工况特征值,通过灰色关联度及干扰性随机森林重要度分析双重筛选。对于历史累积特征值,利用Spearson相关性分析和核主成分分析方法(kernel principal component analysis,KPCA)降低信息冗余;最后,对门控循环单元网络模型(gated recurrent unit,GRU)引入注意力机制和龙格库塔优化算法(Runge Kutta optimizer,RUN),建立RUN-GRU-attention模型,基于实车运行数据集与现有5种模型进行对比,实验结果表明,无论是包含单阶段还是多阶段电流的测试样本,优化模型的估计精度更佳,误差不高于0.0086,并且随着充电循环次数增加表现出良好的误差收敛性,可有效预测SOH波动趋势。

关键词：实车动力电池阶梯倍率充电健康状态估计多源特征提取龙格库塔优化算法机器学习

来源：