基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

在f—κ域实现三维波场道内插

地震数据道内插是偏移处理前的重要工作。本文在理论模型研究的基础上，简要分析了在f-x域和f-κ域二维道内插存在的问题，根据二维f-κ谱外推方法，给出了在f-κ域实现三维波场道内插的基本公式。所用算法已编制了相应的串行模块和基于HPF（High Performance Fortran）高性能语言的并行程序，可在自行开发的微机群上得以实现。理论模型和实际资料处理结果表明，本文方法可以实现三维波场的精细、快速内插。     

用于铁谱分析磁化液使用规范的研究

本文简述了铁谱分析技术和磁化液的基本原理。在大量试验的基础上，建立了用于铁谱分析技术磁化液的使用规范。     

LMS算法的收敛与与步长选取

文章提出了ＬＭＳ算法收敛的新概念，并从梯度谱分析的观点探讨了算法的收敛过程，指出步长选取应使算法具有低通性。据此，文章从失调量的准确表达式出发，导出了计算步长的公式。计算机模拟结果表明，按本文方法计算步长可获得满意的失高量，并具有较强的抗信号波动能力。     

铁谱分析技术在燃油中非金属杂质监测方面应用的研究

通过对制谱时，谱片上磨屑沉积机理的重新分析，发现非金属磨屑在自身重力的作用下，仍可有规律地沉积在谱片上。据此特点成功地将柴油中的沙砾等杂质有规律地沉积到谱片上，并检测出了某型叉车柴油机喷油泵柱塞断裂的原因。