构建基于小样本估算的电力工程造价

电力工程是国家的基础工程.在科学、技术、经济不断发展的今天,人们对电力工程造价管理提出了更高的要求,本文以电力工程历史造价数据为基础,结合国外先进的电力工程造价管理,对我国电力造价现状提出了易于搡作、快速有效的基于小样本估算工程造价模型,并通过模型仿真分析得出其在电力工程建设初期对工程造价中有重大的意义.     

一种随机车流与桥梁耦合振动的分析方法

为提高随机车流作用下桥梁结构动力行为仿真分析的计算效率,提出一种时变维度的随机车流与桥梁耦合振动分析方法.联合模态综合技术和整体分析法建立了车桥耦合振动方程.通过对随机车流过桥过程的动态判别,进行车桥运动方程维度的时变更新,并提出了过程分析数据的动态存贮与提取算法.详细阐述了所提分析方法的总体框架和具体实现步骤.工程实例分析结果表明,在满足相对误差小于3.5%条件下,所提出的分析方法计算用时仅为传统整体分析法的14.8%,与分离迭代方法基本相同.所提出的分析方法具有较高的计算效率和分析精度,可用于相关研究和工程实际中的随机车流与桥梁耦合振动仿真分析.     

体内张拉成形空间网格结构的形态分析——几何位移迭代法

针对体内张拉成形空间网格结构实际发展需要,从工程应用的角度定义了该类结构的3种受力状态:零状态、初始态和荷载态.在此基础上提出了一种形态分析方法——几何位移迭代法,并以一个80m跨的体内张拉成形空间网格结构为例,对其找形过程特点做了细致分析.结果表明,几何位移迭代法找形精度高、速度快,非常适合于体内张拉成形空间网格结构形态研究,而且可以保持结构的完整性.     

数据库安全增强模型研究

在研究了数据库安全代理对访问控制特殊需求的基础上,提出了数据库安全代理（DSP）扩展的强制访问控制模型（DSP-MAC）。该模型采用最细客体粒度为属性和元组级的方案,它对主客体进行了明确的定义和分类,给每一数据对象定义安全级,表示他所包含的信息敏感性,同时给每一用户定义安全级,表示他能对什么样的数据进行访问。提出了隶属完整性规则、实体完整性规则和推理完整性规则,实行了元组级标签,使安全性显著提高.     

基于ANN的电力工程造价预测

为了对新的电力工程进行造价预测与估算,采用人工神经网络（ANN）的机器学习与预测能力,通过分析电力工程造价的影响因素,并将这些影响数据归一化预处理后作为ANN的输入,用历史电力工程造价数据对ANN进行训练,并采用训练后的ANN对新的电力工程进行造价预测。多个电力工程造价预测结果表明,ANN的造价预测结果与实际造价的误差小于5%,符合电力工程造价人员的经验许可。     

对模拟纵向数据集缺失值处理的几种方法比较

运用SAS9.0、数据模拟技术,分别模拟纵向完整数据集和具有各种缺失率的随机缺失数据集,采用多重填补法(MI)、期望值最大化法(EM)和回归插补法(Regression)对各缺失数据集进行处理,对结果进行比较和分析.结果表明,对不同缺失率的数据集,MI、EM和Regression法对缺失值的处理各有优劣.     

中草药中铅和镉形态分析研究进展

对形态分析的基本概念和形态分析方法进行了介绍,对中草药中铅和镉元素的形态分析研究进展进行了综述.     

面向城市固废焚烧过程的缺失数据填充及应用

针对城市固废焚烧(municipal solid waste incineration, MSWI)过程中存在的随机和连续数据缺失问题，提出了一种基于专家经验和约简特征集成模型的填充方法.首先，将过程数据缺失情况识别为随机分布、时间维度和特征维度缺失3种类型.接着，基于专家经验对前2种类型进行缺失填充后，面向第3种类型基于分布相似性和互信息相关性为缺失特征预测模型选择建模数据集和约简特征，建立具有互补特性的随机森林、梯度提升决策树和反向传播神经网络子模型对缺失值进行初步预测，利用贝叶斯线性回归(Bayesian linear regression, BLR)构建集成模型以获得最终填充值.最后，利用填充后的MSWI数据建立基于跨层全连接深度森林回归的二噁英排放浓度软测量模型.实验结果表明所提方法提高了MSWI过程数据的质量.     

关于电力工程建设项目质量控制的探讨

近年来我国电力行业取得了较快的发展,这也使电力工程建设项目日益增多.在电力工程建设项目中,质量一直是重视的焦点.电力工程往往都具有长期性、艰苦性和复杂性等特点,这也导致电力工程施工过程中对质量控制的难度较大,因此需要采取科学有效的措施加强对电力工程建设项目质量进行控制,确保电力工程建设项目的顺利实施.文中分析了电力工程建设项目质量控制的要素,并进一步对做好电力工程建设项目质量控制的方法进行了具体的阐述.     

浅谈电力工程质量控制的重要途经

电力工程质量对提高工程项目的经济效益、社会效益和环境效益均具有重大意义它直接关系着国家财产和人民生命的安全,关系着社会主义事业的发展.分析了影响电力工程的各种因素,提出了电力工程质量控制的内容.     

基于层级设计的输变电工程数据存储架构

针对输变电工程数据来源多样、类型复杂、数据量大导致数据存储压力大的问题,提出了一种基于层级设计的输变电工程数据存储架构.将输变电工程数据划分为结构化数据和非结构化数据,使用不同的存储方式以优化配置存储资源;使用基于遗传算法的数据迁移方法实现海量数据的迁移,使用不同配置的数据存储中心进行仿真与测试.结果表明,所提出的存储架构和数据迁移方法能有效解决海量输变电工程数据存储的问题,提升输变电工程数据存储系统的性能.     

面向输变电工程数据存储管理的分布式数据存储架构

针对输变电工程数据的多源、异构、迭代更新和集成应用导致需要巨大存储空间且不利于数据挖掘分析的问题,提出了一种面向输变电工程数据存储管理的分布式数据存储架构.该架构基于元数据模型对输变电工程的工程地理信息、三维设计模型和文档资料三类数据进行细化,并根据不同数据存储模式的不同,设计了一种分布式存储架构分别处理各种数据.系统实现与仿真实验结果表明,所提出的分布式存储架构在保证存储效率及数据完整性的同时,也能保证数据的安全.     

一种基于相关分析的多元回归数据估计方法

针对无线传感器网络中数据估计方法存在输入变量较多、估计计算复杂度较高和估计效率低等缺点,提出了基于相关分析的多元回归估计方法.对无线传感器网络监测的数据序列进行相关分析,找出与当前数据相关性较强的其他历史监测数据,采用这些历史监测数据进行多元回归建模和估计.在保证估计精度的前提下,降低估计的计算复杂度,提高无线传感器网络中缺失监测数据估计的效率.实际无线传感器网络采集数据的实验分析结果表明,该方法具有较高的估计效率和较小的估计误差,能够有效地估计无线传感器网络中缺失的传感数据,具有一定的应用价值.     

一种计及空间相关性的光伏电站历史出力数据的修正方法

针对光伏系统渗透率增高对电力系统稳定运行带来的严峻挑战,考虑到光伏功率预测技术精度高度依赖于数据精度的问题,提出一种基于人工神经网络的光伏电站历史出力数据修正方法。利用人工神经网络在建立复杂非线性映射关系的优越性,引入皮尔逊相关系数对数据进行降维处理,选择与目标光伏电站出力相关性高的电站作为基准光伏电站,并结合光伏出力的空间相关性特征与基准光伏电站的出力数据对目标光伏电站失准及缺失数据进行修正,以解决由人为因素或数据采集系统老旧带来的光伏数据失准问题,并通过山东省聊城市的光伏历史出力数据对所提方法进行分析验证。     

非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换（NSCT）自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。     

基于贝叶斯网络的缺失数据处理

针对贝叶斯网络的数据缺失问题,提出了一种数据修补方法,该方法通过使用一个评分函数来对节点各个状态分别进行评分,得出各个状态对于所属的贝叶斯网络的得分,即各个状态与所属贝叶斯网络的匹配度,最终确定要补充数据的状态.实验证明,此方法可以在贝叶斯网络结构学习或者推理之前对数据进行修补,使其成为完整的数据,有效提高缺失数据的利用率.     

结合特征选择和优化随机森林的无线网络数据丢失重建

基于K邻近(KNN)算法和随机森林算法,提出了一种无线网络中丢失数据的重建方法。首先将多维原始数据通过不稳定无线信道进行发送,接收端将接收到的完整原始数据集中,利用KNN算法筛选出部分和重建特征相关性较高的特征,用于构造随机森林模型。然后输入缺失的数据样本,随机森林模型自适应地对数据样本进行分类,并利用完整样本对缺失特征值进行预测,从而完成丢失数据的重建。最后通过仿真实验表明,该方案可以有效地提升数据重建的精确度,在数据丢失率达到80%的情况下,重建数据的准确率仍然优于现有的解决方案。     

基于多层架构的油中溶解气体数据清洗与异常识别方法研究

油色谱在线监测对于电力变压器的运行维护、健康状态分析具有重要意义,然而受监测设备异常、外界环境干扰、运行状态变化等因素影响,监测数据中难免存在不同类型的异常数据.为此,提出了一种基于多层架构的油中溶解气体数据清洗与异常识别方法.首先利用变分模态分解去除时间序列中的趋势项,结合3V准则对时序数据中的噪声值、缺失值、暂时性...     

基于BP神经网络的大跨高空连廊应变监测数据恢复

为了解决大跨高空连廊吊装阶段性态监测中应变监测数据存在缺失的问题,利用BP神经网络进行数据恢复。首先基于相关性分析,选择与数据缺失监测点应变值相关性最强的5个监测点作为参考点;然后利用未缺失时间段内待恢复监测点和参考点的应变数据进行建模和检验,一半数据用来建立BP神经网络模型,一半数据用来进行模型的检验;最后利用建立的模型对缺失的数据进行恢复,得到了完整的应变监测数据。利用得到的恢复数据与参考点数据在缺失段内的相关系数对数据恢复的效果进行了评价。结果表明：该方法可有效地恢复缺失的应变监测数据。     

基于机器学习的交通流参数异常数据处理模型研究

交通流数据作为交通系统重要的输入变量,交通流数据采集器所采集的交通流数据质量直接影响着交通系统运行的稳定性;针对交通流数据中所出现的采样数据异常情况,提出一种基于随机森林的缺失值填补及孤立森林算法的交通流异常数据筛选方法,在此基础上通过线性回归模型对数据中缺失值及异常值进行填补构建整体交通流数据有效性处理框架;结果表明经过异常值处理模型修复的数据整体满足有效交通流数据要求,可为交通情况预测及交通系统运行提供数据支撑。