无线传感器网络分布式能量非合作博弈优化技术

针对基于无线传感器网络的智能电网数据采集系统,提出了一种新的分布式功率联合速率分配方案,在满足节点功率和数据收集速率的限制条件下,能够最大程度地提高传感节点到数据收集节点(Sink节点)系统容量和能量耗费的比值,从而达到以更低的能耗提供更高速率的目的.构建了传感节点间功率分配的完全信息静态非合作博弈模型,证明了相应模型纳什均衡点的存在性,并提出了一种迭代式的资源分配算法,通过不断迭代传感节点在子载波上的功率来优化系统能效.仿真结果表明了该系统模型纳什均衡点的存在性并且说明了该算法收敛于纳什均衡点.     

供应链中趋势序列的神经网络预测研究

本将神经网络的方法用于带趋势的时间序列的预测中。对于趋势序列的预测，采用BP算法的改进算法进行了仿真。并得出结论，在对于带有趋势的时间序列进行预测时，相对数据进行差分处理能有效地提高预测精度。     

微网中分布式电源的容量优化配置方法

孤岛运行的微网往往电源结构单一,有必要结合所在地区资源特点改善电源结构,实行容量优化配置.首先详述了全年孤岛运行的风/光/柴混合微网中分布式电源的选择方法和评价指标;考虑设备投资成本、运行和维护成本、燃料成本,搭建了微网电源优化配置数学模型;以年风速、气温、光照强度作为基础数据,设置不同的供电可靠性标准,利用遗传算法得到微网容量配置的最优方案.结果表明可靠性约束条件对算法求解和系统经济性有很大影响.该方法可以全面评估孤岛微网建设的可行性,根据微电网建设地点的气象条件、可靠性和环保要求等因素降低微电网电源的冗余投资,满足用户定制的多样化可靠性要求.     

孤岛模式下微电网多DGs并联运行控制方法

为了解决分布式发电系统影响传统电网的电压控制和电能质量的问题,提出了一种孤岛模式下微电网多DGs并联运行控制方法.深入分析了微电网孤岛运行的并网控制机理,在并网运行和孤岛运行以及微电网从并网模式切换孤岛模式时,微电网智能稳定运行问题.在每个分布式发电系统中,设计控制方法,利用电压电流内环控制用于调节三相网侧逆变器,功率外环控制用于在微电网孤岛运行时,并联多个DGs之间分配功率.使用PSIM软件进行仿真,结果表明这种控制方法在微电网并网运行、孤岛运行都是有效的.     

A simple analytical method for deflation prediction of inflatable structures

The static performance of inflatable structures has been well studied and the dynamic deployment simulation has received much attention. However, very few studies focus on its deflation behavior. Although there are several dynamic finite element algorithms that can be applied to the deflation simulation, their computation costs are expensive, especially for large scale structures. In this work, a simple method based on classic thermodynamics and the analytical relationship between air and membrane was proposed to efficiently analyze the air state variables under the condition of ventilation. Combined with failure analysis of static bearing capacity, a fast incremental analytical method was presented to predict both elastic and post wrinkling deflation process of inflatable structures. Comparisons between simplified analysis, dynamic finite element simulation, and a full-scale experimental test are presented and the suitability of this simple method for solving the air state and predicting the deflation behavior of inflatable structures is proved.     

一种降低预测模式开销的帧内预测方法

提出一种新颖的帧内预测方法．比较每种预测模式的预测块与直流(DC)预测模式的预测块之间的绝对差和．进而判断当前块在各种预测模式下的预测块是否相似．若当前块的各种预测块都相似,则将所有预测块的均值作为当前块的最终预测结果,且不必编码预测模式．实验结果表明,提出的方法较H.264/AVC能够获得更高的编码性能,在恢复视频客观质量PSNR相同时,码率平均下降2.40％,编码时间平均减少25.83％．     

一种水文时间序列预报的新方法

介绍了混沌和人工神经网络的理论及其在水文中的应用 ,在此基础上分析了水文时间序列中嵌入维数和BP神经网络的输入节点数的内在联系 ,提出用嵌入维数作为BP神经网络输入节点数的新方法 .计算了宜昌日径流时间序列的李氏指数和嵌入维数 ,确定其具有混沌特性 ,并用新的方法做了预测 ,同混沌中局域预测法的预测结果做了比较 ,结果显示新的方法效果明显较好 .     

一种基于混沌预测的离群时间序列检测方法

提出一种基于混沌行为预测的金融交易离群检测方法.通过对短期金融交易时间序列的混沌分析,建立其未来行为趋势预期机制.利用RBF神经网络构建金融交易序列的拟合函数,以此进行一步行为预测,比较实际结果与预测结果的偏差,从而得到离群判别.合成与真实数据的实验表明了该方法的有效性.     

一种应用大数据技术的中长期负荷预测方法

针对当前电力系统中长期负荷预测过于依赖模型、数据利用效率低的不足,提出了一种中长期负荷的大数据预测方法.该方法采用分析-综合的预测模式,在数据分析的基础上实现负荷预测的建模.首先对负荷进行分层分区与分类以解构负荷预测大数据,多角度分析类型负荷的增长特性;然后基于增长特性建立分析模型,分别预测分区类型负荷的增长;最后基于数据解构模式建立综合模型,统筹分析模型、协调全局负荷、整合大区域负荷总体增量.研究算例表明,该方法能对负荷增长的细节进行分析,能对区域各负荷增量进行整合,具有较高的精确度.     

阻性消声器声学性能预测的快速多极子边界元法

为解决大尺度声场中常见的多区域复合及多吸声材料复合问题,提出了一种子结构快速多极子边界元法.鉴于未知量列向量的构建次序及边界节点编号顺序对迭代收敛速度有重要影响,提出了整体矩阵方程的构建原则.此外,针对复数形式声参数对多极子展开式计算准确性的影响,对快速多极子边界元法进行了研究与修正.以膨胀腔阻性消声器为例,应用子结构...     

基于区域增长技术的树状器官的骨架提取算法

提出一种树状体数据的骨架自动提取算法．通过适当地定义体素的间距，就可以借助区域生长技术在体数据中生成从给定根节点到所有体素的最短距离图．基于此距离图，骨架提取算法印可自动检测出所有体数据分支的结束节点及其到根节点的最短路径．然后，通过中心化算法删除冗余点。且保证剩余节点集中于树状体数据的中轴线上．该算法产生的骨架具有单体素宽度和26邻域连通性，可以用作虚拟内窥镜的自动漫游路径，实现所有分支的内表面测览的自动导航．     

基于线性预测模型的高频雷达多普勒信号恢复

雷电和突发的无线电通信干扰信号严重影响高频雷达的正常工作。这类干扰严重时,常用的二维FFT处理不能从接收信号中提取目标的距离和速度信息。为此本文根据经一维FFT处理后得到的多普勒信号被干扰分割的特点,提出利用线性预测模型修正被破坏的多普勒信号的方法,并采用前－后向预测的LMS算法,首次建立了高频雷达多普勒信号的AR预测模型,从而使高频雷达具备了抗瞬时突发干扰的能力。计算机仿真和现场实验数据的处理结果表明该方法是有效的。     

基于模态评估法的微网串联谐振仿真

为了防止和减轻微网中串联谐波谐振的危害,提高微网对谐波输出设备的兼容能力,从微网的特点出发,提出基于模态分析法的微网串联谐波谐振评估方法和相应的评估指标及评估步骤.计算微网网络方程中的特征根,根据特征根在不同频率下的数值结合评估指标判断微网中是否存在谐波谐振,同时根据特征根对应的伴随向量的元素数值结合评估指标确定微网中不同谐波谐振的影响范围,根据评估结果重新确定谐波输出设备的安装位置可以避免微网中出现严重谐波危害,仿真试验的结果证明本文提出的方法准确可靠.     

基于深度信念网络的PM2.5预测

提出一种基于深度信念网络(deep belief networks, DBNs)的区域PM_2.5日均值预测方法,讨论了训练数据选择方式,并优化了DBNs参数设置。通过相关实验并与基于径向基神经网络(radial basis function, RBF)和反向传播神经网络(back propagation, BP)方法比较,验证了基于DBNs方法的可行性和预测精度。实验结果表明:基于DBNs的方法,区域(西安市)预测PM_2.5日均值与观测日均值之间均方差(mean square error, MSE)为8.47×10^-4mg²/m⁶;而采用相同数据集,基于RBF和BP的方法均方差为1.30×10^-3mg²/m⁶和1.96×10^-3mg²/m⁶。比较分析表明:基于DBNs的方法能较好预测区域整体PM_2.5的日均值变化趋势,显著优于基于神经网络和径向基网络方法的预测结果。     

滑坡预报的多项式回归分析模型

在回顾了滑坡预报的概念、类型及已有滑坡预报的几种主要模型的基础上，利用多元回归分析方法，根据最小二乘法原理，建立了多项式回归预报模型，提出滑坡破坏的时间为位移——时间曲线的拐点，此方法一般适合于临滑预报。根据实例，利用某滑坡位移——时间监测资料，采用该模型进行滑坡时间预报，结果理想，说明该模型具有一定的合理性、实用性。     

一种改进的航空发动机剩余寿命预测方法

针对传统的发动机剩余寿命预测方法因为假定机队中所有发动机有相同的性能衰退模式,导致预测精度不高的问题,在分析发动机排气温度裕度数据的基础上,提出基于性能衰退模式的发动机剩余寿命预测方法．对发动机排气温度裕度粗大误差的处理进行了研究,定义了排气温度裕度时序数据的距离,给出了性能衰退模式挖掘步骤,采用CFM56-5B发动机的排气温度裕度时序数据对提出的方法进行了验证．结果表明,提出的方法与基于机队EGTM平均衰退率的预测方法相比,平均相对误差减少了2.5%。基于性能衰退模式的发动机剩余寿命预测方法可以为发动机拆发期限预测和维修计划制定提供可靠的支持．     

用于非规则形状宏块划分的位移矢量预测方法

为了提高非规则形状运动补偿单元的位移矢量预测的准确性,去除运动信息的空间冗余,提出一种基于邻边长度的位移矢量预测方法.首先,根据邻边长度越长,相邻运动信息间的相关性越强的分析结论,选择最大邻边长度运动补偿单元的运动信息,用于当前非规则形状运动补偿单元的位移矢量预测.然后,将最佳位移矢量按照4×4块规则位置统一存放,以便预测后续编码宏块中运动补偿单元的位移矢量.实验数据表明,与H.264/AVC中位移矢量预测方法相比,本算法编码效率平均提高1.47%.     

An integrated modeling method for prediction of sulfur content in agglomerate

1　INTRODUCTIONSomeparametersincomplex process,especiallyinmetallurgicandchemicalprocess ,needtobepredictedforsecurityandefficiencyofproduction .PrecisepredictionofsulfurinagglomerateissignificantforsinteringprocessinPb ZnImperialSmeltingProcess (ISP) [1] .SinteringprocessistodesulfurateandsinterPb ZnminesoastoprovideagglomerateforPb Znproduction .Ifthesulfurcontentinagglomerateexceeds 1% ,thesmeltingprocesscannotrunfluentlyandtheconditionsaredeterioratedre markably .Inspiteoftheimpo…     

犯罪预测的方法

为了利用历史数据对犯罪态势进行更加准确的预测,提出一种基于改进长短期记忆（long short-term memory,LSTM）网络的犯罪态势预测方法.首先统计某区域在每一个时间步长内发生犯罪事件的数量,作为一个时间步长值,再由多个时间步长组成一个时间序列,结合均方差滤波对统计的序列数据做标准化处理.其次建立包括输入层、隐藏层、全连接层和输出层的LSTM网络,在训练阶段将以上一段时间步长的预测值作为输入改为以实际值作为输入,根据修正的网络参数循环进行后续的预测,再对网络输出进行标准化逆处理得到预测结果.将2016年美国洛杉矶地区统计的全部犯罪记录作为实验数据,得到了态势拟合度较高的实验结果,与改进前相比,预测结果的均方根误差（root mean square error,RMSE）从139.65降低到了85.88,验证了基于改进LSTM网络对犯罪态势预测的有效性和准确性,并且通过与其他现有方法的对比,进一步证明了本方法在时间性能和准确性上的优越性.

     

一种趋势划分的灰色马尔可夫网络流量预测方法

网络流量预测对网络规划、流量管理等方面起着重要作用.针对网络流量数据波动性比较大,在一定范围内呈现某种趋势等特点,将灰色GM(1,1)模型预测和马尔可夫链预测相结合,提出一种趋势划分的灰色马尔可夫网络流量预测方法.该方法以网络流量时间序列建立灰色预测模型,得到流量的拟合值和趋势值序列,通过划分的趋势值序列状态区间构造马尔可夫模型并加以预测.在校园网实际流量预测的实验结果表明,该方法具有良好的预测性能.