结构复杂等问题。解决策略为：适当地降低油漆的黏度；降低空气中的压力，运用压力较低、大流量的喷喷涂；对一次喷涂的厚度的控制，多次分层喷涂；待表层干结后，升温平缓烘干或是自然烘干。
3.4.2 冬季低温环境对于温度较为敏感
温湿度影响：流佳以及干燥速度慢等。解决策略为：油漆的
粘度加大，降低水的调价量；控制好一次性喷涂的厚度，延长干燥的时间，分次分层的进行喷涂。
4 追踪整车的结果
分别使用水性工业漆以及油性追踪整车的运行结果(如图1所表)，通过图1我们了解到，整车运行一年之后， 选用水性油漆与水性工艺的C80E 敞车漆膜完好无损，没有出现开裂及油漆脱落的情况；而使用油性油漆和油性工艺的C80E 敞车不锈钢车门的漆膜发生了脱落及开裂情况。
图1 分别使用水性油漆与油性油漆追踪整车运行1年后的结果
5 水性工业漆的优势
水性工业漆的优势包括：(1)水性工业漆工艺目前处于成
熟化趋势。(2)综合成本较低。按照推测，不管是设备的投资、固废处理、VOC 的排放量、涂料的消费税，还是职业的健康方面，使用水性漆的综合成本明显比溶剂型漆的成本低，属于最佳的选择。(3)水性工业漆的质量能够达成甚至于大于溶剂型产品的质量需求。(4)采用水性较高的土业漆，无需改造工装现场，对于北方比较寒冷的地区建议加用预热间。(5)水性漆与传统油漆相比较更具安全性及环保性，容易修复，配套性能较好，可在相关领域大力推广。
神经网络预测6 结语
总之，随着国家的不断发展发展，经济的不断进步，水性工
业漆的应用范围越来越大，尤其是在C80E 型重载敞车中的应用。因此，本文通过以上对水性工业漆的概念以及C80E 型重载敞车中水性工业漆的性能特征与配套系统、涂装技术以及水性工业漆的优势进行细致的阐述，以期保障C80E 型重载敞车中水性工业漆的应用效果。
参考文献：
[1]王爱民，齐卫明，张晓鹿. 水性工业漆在C_(80E)型重载敞车上的应用[J]. 机车车辆工艺，2018 (3).
[2]白军，唐金金，苏瑞晔，等. 太原局C80E 型敞车运用的组合分解站设置研究[J]. 物流技术，2016 (5): 99-105.
[3]谷美娜. 关于C80E(H 、F)型通用敞车大横梁焊缝裂纹的探讨[J]. 轨道交通装备与技术，2017, 000(006): 40-42.
赵家晓1 张宇宇2 吴祥军1
(1.上海众毅工业控制技术有限公司，上海 200023；
2.上海城投原水有限公司，上海 200135)
摘要：城市用水量的准确预测是供水调度模式改革和创新的关键，对优化水资源配置有着重要意义。城市用水量受诸多因素影响，通过数据处理、探索性数据分析、特征工程，选择天气、节假日、时间三个变量作为BP 神经网络模型的输入变量预测24小时5min 级的城市用水量。城市用水量具有很强的周期性，有日周期性、周周期性、季节周期性，这样导致训练BP 神经网络的数据周期最少为一年，仅
仅使用BP 神经网络模型预测短时间的城市用水量，误差偏大，为解决长周期的训练样本数据对短周期的预测数据的影响，引用误差校正算法对BP 神经网络预测结果进行校正，提高预测精度。
关键词：城市用水量；BP 神经网络；误差校正算法；相关分析
0 引言
文章针对上海市某地区的用水量进行研究，采用BP 神经网络的方法进行预测。因城市用水量具有较强周期性，故训练样本要求周期比较长，但是近期常住人口的增减和耗水工厂的整治和改革都会对城市用水量产生较大的影响，仅用BP 神经网络预测短期用水量误差较大，故增加了误差校正算法，降低因近期常住人口变化和工业用水量变化引起误差，提高预测精度。
1 BP神经网络和误差校正算法的基本原理
1.1 BP神经网络的基本原理[1,2]
BP(Back Propagation)是一种按误差逆传播算法训练的多层前馈神经网络，是目前最广泛的神经网络之一，它由大量的节点(或称“神经元”，或“单元”)和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。算法的特征是利用输出后的误差来估计输出层的直接前导层的误差，再利用这个误差估计更前一层误差，如此一层一层的反向传播下去，就获得了所有其他各层
的误差估计。这样就形成了将输出层表现出的误差沿着与输入传送相反的方向逐级向网络的输入层传递的过程。
1.2 误差校正算法的基本原理
BP 神经网络模型采用2018～2019年的城市用水量数据进行模型训练，近期人口数量及工业用水量波动会造成预测误差整体偏高或者偏低，为修正短期波动偏离长期均衡关系的程度，引进误差校正算法来修正长期静态模型的不足。
设实际用水量为y ij i =1, 2,…,288, j =1,2,…,7，预测用水量
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议