XiaoMi-AI文件搜索系统
World File Search System下降曲线
基于放电电压降低的电池储能量
本研究提出了一种方法，该方法可以使用放电电压下降曲线在储能系统（ESS）中使用放电电压下降曲线来预测锂离子电池寿命的终结。该方法是根据发现随着循环循环而增加的发现，即锂离子电池的电压下降，并且可能与剩余容量有关。关键想法是在使用ESS期间以恒定的C率插入全部充电和放电的额外周期。在这个周期中，电压下降和容量之间的关系是通过回归技术离线建立的。然后将其用于估计电池周期期间的SOH和RUL。粒子滤波器（PF）算法应用于该末端，其中分别以降解和回归模型为状态和测量模型，并以样品的形式估算容量。然后将所获得的样品用于预测未来的行为，从中确定了RUL分布。研究的结论是，锂离子电池的电压下降可能是电池健康的良好指标，而PF是一个有用的工具，即使在用途周期中间的电荷放电条件发生变化时，也可以准确预测统治。
基于机器的油和煤气生产质量销售...
当前用于预测井处石油和天然气产量流量和储层量表的技术包括来自经典下降曲线通过数值模拟模型分析。目前的工作提出了以下机器学习模型（MLM）的使用：线性回归（LR），支持向量机（SVM），随机森林（RF）和人工神经网络（ANN），作为预测油和天然气生产流动率的常规方法的替代方法。根据位于挪威大陆架的Volve Field的8年中记录的生产数据，该提案的应用将证明。因此，讨论了上述每个传销的好处，并根据实践经验得出结论，即并非总是更复杂的算法是最好的选择。证明，SVM的替代方案可以产生最佳结果，并且与RF或ANN替代方案相比，它也是一个更简单，更容易实现的模型。