性能预测

2025年2月4日机构名称:

压力驱动的聚合物膜性能预测，新膜无量纲数和有效膜设计的考虑，选择

对纯化学品，石油和药物等行业中聚合膜的需求强调了优化有机分离系统的需求。这涉及提高性能，寿命和成本效率，同时解决化学和机械不稳定性。这里开发了一个模型，该模型与膜性能相关联，该模型由物种I的渗透溶质浓度（CPI）指示，与在跨膜压力（δP）或压缩应力下渗透或渗透期间的实时压缩年轻的模量（E）。较低的CPI值表示性能更好。模型集成了溶剂密度（ρI），膜（δM）的溶解度参数，溶质（ΔSO），溶剂（δSV）以及膜约束的程度（ϕ）。还认为膜肿胀（LS）和压实（LC）具有相关的泊松比（γ），为预测膜性能提供了全面的框架。关键特征是无量纲参数β，定义为LN（LS/LC），它描述了不同的操作方案（β<1，β= 1，β> 1）。此参数将膜的属性特性与机械性能联系起来。使用三个有机分离系统（a，b和c）证明了该模型的能力，该系统分别使用纳米过滤（NF）膜分别将异亮氨酸与DMF，甲醇和己烷溶液分别分离，低，中等和高E值。跨膜压力范围为0.069至5.52 MPa（10 - 800 psi），β<1。中度压实，导致中等的膜电阻和致密性，被证明是有益的。性能结果表明，系统B（中E）>系统A（低E）>系统C（高E）的趋势，与降低溶剂 - 溶质相互作用（ΔΔSOSV）和压实水平相关。CPI - β图显示了三个不同的斜率，对应于弹性变形，塑性变形和膜聚合物的致密化，从而引导

查看详细

File

2025年1月2日机构名称:

再生混凝土力学性能预测与灵敏度分析的人工智能算法综述

使用从拆除废物中产生的再生骨料来生产混凝土是减少建筑环境对环境影响的一种有希望的选择。然而，预测再生骨料混凝土的硬化性能是其在建筑领域大规模部署的主要障碍之一。由于传统的经验方法对于预测新的再生骨料配方的性能不太可靠，近年来，人工智能方法已得到广泛发展，以实现这一目标。在本文中，我们对预测再生骨料混凝土的机械性能和进行敏感性分析的人工智能 (AI) 方法进行了广泛的文献综述。本研究对文献中发现的主要方法和算法的适用性、准确性和计算要求进行了详尽的描述、检查和讨论。此外，还强调了各种算法的优点和缺点。人工智能算法已在各种预测应用中取得了成功，并且准确率很高。虽然这些算法是用于估计再生骨料混凝土混合物成分和机械性能的强大预测工具，但它们的性能高度依赖于数据结构和超参数选择。这项研究可以帮助工程师和研究人员更好地决策使用人工智能算法进行机械性能预测和/或优化再生骨料混凝土的配方。

查看详细

File

2024年12月24日机构名称:

基于人工智能的工业环境中超可靠低延迟服务性能预测

摘要 — 本文探讨了人工智能 (AI) 技术在工业物联网 (IIoT) 网络性能预测中的应用。在工业环境中，5G 超可靠低延迟通信 (URLLC) 旨在为具有非常严格延迟要求的关键服务提供服务，例如涉及协作机器人的服务。即使灵活的 5G 新无线电 (NR) 设计能够实现目标 IIoT 性能，也需要为 URLLC 提供和保留必要的频谱资源。因此，需要一种服务质量 (QoS) 预测方案来预测性能下降并采取必要的措施，例如网络资源配置或应用程序适配，例如进入适配模式。我们探索了用于工业环境中 QoS 预测的 AI 算法的设计，并比较了不同的回归和分类工具，包括神经网络 (NN) 和 K 最近邻 (K-NN)。我们探索基于信号与干扰和噪声比 (SINR) 的预测，或仅基于机器人在工厂内的位置的预测。由于延迟降低事件通常很少发生，我们观察到训练数据高度不平衡，导致预测准确率低。我们展示了如何通过重要性抽样技术和修改后的检测阈值（我们称之为 M-KNN 方案）来提高预测性能。

查看详细

File

2024年7月1日机构名称:

使用基于变压器的分子表示模型改善电解质公式的性能预测

开发高效且高性能的电解质对于推进能量存储技术，尤其是在电池中至关重要。预测电池电解质的性能依赖于各个成分之间的复杂相互作用。因此，一种熟练地捕获这些关系并形成配方的强大表示的策略对于与机器学习模型集成以准确预先属性至关重要。在本文中，我们引入了一种新型方法，利用基于变压器的分子表示模型有效地捕获电解质配方的表示。在两个电池属性预测任务上评估了所提出的方法的性能，与ART方法相比，结果表现出较高的性能。

查看详细

File

2024年5月3日机构名称:

多动能性能预测的机器学习模型

I.引言多轨道飞行器的领域不断吸引大型航空航天公司的关注，一直到硅谷的风险资本支持初创公司。在过去的10年中，仅在城市空气流动部门中就提出了700多种概念设计[1]。这些车辆的潜在效用仍在探索和扩展。NASA最近参与了二十年的概念设计后的多旋动配置进行行星探索的设计和使用[2-6]。许多概念设计仅存在于纸张或草图上，但是有些概念设计在地球上飞行了原型以追求FAA认证，而其他一些则在不同的行星上飞行[7-9]。多局部飞机技术也在其他部门（例如商业爱好无人机市场，甚至军事应用）中继续迅速扩展。尽管多旋转车辆有许多不同的配置，但是许多设计的基本组件是一致的。大差异化器归结为车辆控制方法，以实现所需的响应，即使用叶片集体和循环控制或控制固定式转子转子的速度。这些多旋转飞机中有许多使用第二种方法，更具体地说，可以将其归类为刚性，固定式，RPM控制的转子。这与传统的旋翼运营非常不同，因此，在这些车辆的设计和分析中为新技术打开了大门。最近的几项作品试图增加对这些多旋转系统的知识和理解。

查看详细

File

2024年4月24日机构名称:

使用机器学习板球中的球员性能预测分析

玩家性能是比赛结果的最关键参数。根据各种参数选择一组玩家，包括一致性，形式，针对特定对手的表现，特定场地的表现，比赛的比赛，比赛类型等的压力等，都提高了球队赢得比赛的可能性。以下研究旨在根据玩家的性能参数来分析和预测玩家的性能。该问题分为两个部分，即击球表现和保龄球表现。该问题被认为是一个分类问题。跑步得分，而所采用的检票口被分类为不同的范围。天真的贝叶斯，决策树，随机森林和支撑向量机（SVM）是研究中使用的算法。随机森林和决策树几乎是相同的，因此，结果最准确。

查看详细

File

2024年6月13日机构名称:

GAAD和ASAP评分的比较性能预测

33100 Udine，意大利； 8 SCDU传染病，Amedeo di Savoia医院，ASL城市都灵，意大利10149都灵； 9 II II二世，Luigi Sacco Hospital，Asst Fatebenefratelli Sacco，意大利米兰； 10坎帕尼亚大学“ Luigi vanvitelli”的精密医学系肝胃肠病学系，意大利那不勒斯； 11医学和外科科学系，感染性疾病部门，意大利福吉亚大学； 12医学和外科科学系，传染病部门，“母校Studiorum”博洛尼亚大学，S。Orsola-Malpighi医院，意大利博洛尼亚； 13肝脏和胆道系统部门临床医学和外科系，那不勒斯大学“费德里科二世”，意大利那不勒斯； 14 IRCCS基金会“ CASA遭受痛苦的救济” 14肝单位，意大利圣乔瓦尼·罗托登多； 15 IRCCS Humanitas Research Hospital，意大利密苏里州Rozzano的IRCCS Humanitas Research Hospital胃肠病学系内科和肝病学系； 16意大利安科纳市马尔马尔市理工大学传染病与公共卫生研究所； 17意大利帕多瓦大学医学系内科和肝病学部门（UIMH）；意大利布林迪西市布林迪综合医院的内科医学单元18； 19

查看详细

File

2024年3月9日机构名称:

对电池电池性能预测和电动汽车管理的常用机器学习方法的比较分析

摘要：锂离子电池（LIB）在电动汽车（EV）中的重要作用强调了它们在能量密度，轻巧和环境可持续性方面的优势。尽管存在障碍，例如成本，安全问题和回收挑战，但在电动汽车的普及方面至关重要。电动汽车中LIB的准确预测和管理至关重要，并且已经探索了基于机器学习的方法，以估算诸如电荷状态（SOC），健康状况（SOH）和权力状态（SOP）之类的参数。已采用各种机器学习技术，包括支持向量机，决策树和深度学习，用于预测LIB国家。本研究提出了一种比较分析的方法，重点是经典和深度学习方法，并讨论了LSTM（长期短期记忆）和BI-LSTM（双向长期短期记忆）方法的增强。评估指标（例如MSE，MAE，RMSE和R平方）用于评估所提出的方法的性能。该研究旨在通过预测LIB的性能来促进电动汽车行业的技术进步。概述了其余研究的结构，涵盖了材料和方法，LIB数据准备，分析，机器学习模型的建议，评估和结论性评论，并提出了未来研究的建议。

查看详细