基于改进灰色预测模型的交通事故预测模型研究

为了提高交通事故数据预测的准确度,采取GM(1,1)和OSDGM(1,1)等单一模型,对2008-2019年我国交通事故死亡人数数据进行分析。根据GM(1,1)和OSDGM(1,1)模型建立最优加权组合模型,使用Verhulst模型对建立的加权组合模型进行残差修正,并借助灰色模型精度评价指标对预测结果进行检验。预测结果表明,GM(1,1)、OSDGM(1,1)模型和改进的灰色预测模型的预测结果的平均相对误差分别为4.35%、4.30%和1.19%,且改进的灰色模型通过精度指标检验,说明改进灰色预测模型具有较高的精度。     

灰色GM(1,1)模型及其在电力负荷预测中的应用

讨论了灰色模型GM(1,1)及其改进模型在电力负荷预测中的应用.从灰色理论建模特点出发,提出使用加权均值生成原始数据序列的数据生成方法,在进行平滑的非负电力负荷数据序列的预测中取得了较好的效果.通过后验差检验,对传统的灰色系统GM(1,1)模型和加权均值的GM(1,1)模型进行了比较分析.实例证明,加权均值生成数据的方法进行建模具有较好的精度,在实际电力预测系统中有很好的应用价值.     

基于小波与灰色方法的半球谐振陀螺寿命预测

半球谐振陀螺具有成本高、批量小的特点,为了在不进行1:1实验的情况下评估其性能和寿命,提出基于小波分析与灰色关联度的残差修正GM(1,1)寿命预测方法。将小波变换引入半球谐振陀螺寿命预测中,利用2种紧支撑标准正交小波对半球谐振陀螺的漂移数据降噪处理以削弱序列的随机性,使用残差修正GM(1,1)模型对4个型号不同的半球谐振陀螺进行多周期数据预测,结合灰色关联分析方法得到半球谐振陀螺的预测寿命。实验结果显示,残差修正GM(1,1)对半球谐振陀螺预处理后漂移数据的预测精度高于GM(1,1)预测方法,表明该预测方法的正确性和有效性。     

改进灰色GM(1,m)模型在变压器故障预测中的应用

针对灰色模型在预测变压器故障时对波动数据序列的预测误差较大的问题,提出了一种灰色GM(1,m)预测模型改进方案:对原始数据序列进行处理,使其具有更好的指数规律,以满足预测模型对光滑性的要求;对处理过的原始数据序列进行灰关联度分析,以得到各变量之间的关系;优化预测模型的背景值并用其建模;采用等维新息模型预测数据。采用改进的灰色GM(1,m)模型预测某变压器油中7种特征气体的体积分数,所得预测数据的平均残差和后验相对误差均小于GM(1,1)模型和传统GM(1,m)的预测结果,表明其具有更好的预测精确度。     

一种基于灰色残差模型的建筑物沉降预测

建筑物沉降预测成为工程建设中亟待解决的一大技术难题。应用灰色残差GM(1,1)模型对建筑物沉降进行模拟和预测,解决了传统GM(1,1)模型预测精度不高的问题。结果表明,灰色残差GM(1,1)模型误差较小,可以较好地预测建筑物沉降变形。     

灰色-周期外延模型的动态关联规则元规则挖掘

提出了一种把灰色-周期外延模型应用到动态关联规则元规则挖掘中并提高元规则预测精度的方法。该方法首先对动态关联规则元规则支持度计数建立GM(1,1)模型;然后对建模时产生的残差序列建立周期外延模型并且提取最优周期;其次将周期外延模型作为GM(1,1)模型的残差补偿,把GM(1,1)模型以及周期外延模型得到的结果进行叠加得到最终的预测模型。最后通过实验证明了该方法有较高的预测精度。     

GM(1,1)残差修正的季节性神经网络预测模型及其应用

季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型。通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型。实例表明,所建模型具有较好的适应性和预测精度。     

GM(1,1)数据融合预测模型研究与仿真

研究采用灰色系统理论的数列优化预测问题.传统GM(1,1)模型对光滑性差的数据序列拟合偏差较大,为将GM(1,1)改进模型与数据融合算法相结合,构建一种GM-DF预测模型.首先将几种典型改进方案引入GM(1,1)模型:对原始序列进行幂函数变换,以积分法重构背景值,用累积法进行参数估计;然后从原始序列取不同数据量分别建立GM(1,1)模型进行多次拟合;最后将各次预测值进行数据融合运算得到最终结果.仿真结果表明,将GM-DF预测模型应用于光滑性较差、级比偏差较大的数据序列可获得较高的预测精度.     

基于灰色模型的微机械陀螺温度漂移建模研究

在微机械陀螺温度试验数据的基础上,通过灰色模型对温度漂移进行建模研究.分析传统的GM(1,1)模型的本质,给出提高模型精度的数学处理方法.采用改进的GM(1,1)模型进行建模,与传统的GM(1,1)模型建模相比,提高了光滑度,改善了模型精度.进一步通过残差检验、后验差检验、关联度检验评估模型精度,结果验证了所建模型的准确性和实用性.     

基于组合插值的GM(1,1)模型背景值的改进*

针对 GM(1,1) 模型预测误差偏大的问题,对GM(1,1)模型背景值的构造形式进行了研究。为了能够更加有效地降低GM(1,1)模型的预测误差,提出了基于辛普森3/8公式和牛顿插值公式的组合插值方法来构造出新的GM(1,1)模型的背景值。在GM(1,1)模型的建模过程中,由于原始建模数据序列中的第一个数据没有参与建模, 导致原始数据序列的数据资源利用效率降低,影响了GM(1,1)模型预测精度。因此,可以通过把灰色协调系数b加在原始建模数据序列前面的方法,使第一个数据能够参与到GM(1,1)模型的建模过程中。为了检验模型的改进效果,进行了原始建模数据类型分别为纯指数型数据序列、稳定型数据序列和缺失型数据序列的三组实验。对每组测试实验的预测结果进行对比分析,可以发现,基于组合插值方法对GM(1,1)模型的背景值进行改进,可以极大地降低GM(1,1)模型的模拟和预测误差。改进后的模型具有比较好的预测稳定性,增强了GM(1,1)模型的适用性。     

基于风险分析的大型电力变压器经济寿命预测算法研究

通过对南通近代建筑空间中的细部装饰造型特征的总结分析和研究,探讨了细部造型的形成规律,并提出了立象尽意、物尽其美的造物原则。     

基于改进ABC与LS-SVM算法的电力负荷预测的研究

为了解决电力负荷的非线性等问题和帮助电力企业迅速地制定电力的预计交易量,提出一种建立在最小二乘支持向量机算法基础上的电力负荷预测方法。采用改进的ABC算法优化惩罚因子C和核系数σ,再将最优解赋给LS-SVM用以预测。仿真结果证明:基于改进ABC与LS-SVM算法的电力负荷预测方法具有较高的预测精度,更小的误差,是一种有效的预测方法。     

基于SGOA神经网络的短期负荷预测

短期负荷预测的结果对电力系统的经济效益具有重要影响。针对多极值问题,首次提出了一种体现大融合思想的共享式全局寻优算法,将几种全局寻优算法有机组合,使它们共享优化信息,协同寻优,从而形成最丰富的寻优机制,达到最强的全局寻优能力。并且为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将SGOA算法和BP算法相结合的短期负荷预测方法,用SGOA算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法。在构建网络模型时,同时也考虑到了气候、温度等因素的影响,对它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

变压器局部放电在线检测方法研究

变压器绝缘系统是电力变压器的重要组成部分,很大程度决定了变压器的可靠性与经济性。局部放电是变压器内绝缘劣化的重要原因,也是变压器绝缘状况的重要特征,本文分析局部放电现象产生的原因,介绍几种变压器局部放电在线检测方法并进行比较,采用一种优化的在线检测方法得到变压器局部放电三维图谱。     

BP神经网络误差修正的电力物资时间序列预测

传统的ARIMA时间序列分析方法是基于线性技术来进行时序预测,而对非线性数据的处理不尽合理,效果欠佳;而影响电力物资需求的因素非常多,绝大多数的物资序列通常既包含了线性时序的部分,又包含了非线性时序的成分.本文提出在ARIMA对电力物资需求预测的基础上,融合BP神经网络进行误差修正,以全面提取物资序列中的复合特征,提高电力物资的预测精度.实验结果表明,误差修正后的电力物资预测精度有了显著提高,可以为制定物资采购计划提供重要的数据支持.     

基于声纹识别的变压器工况检测方法及验证系统

通过对大型电力变压器（电抗器）声纹信号采集、处理与特征分析,提出了一种基于声纹识别技术的变压器工况检测方法及验证系统,实现对变压器工作状态的判断检测。首先,通过声纹采集传感器实地采集获取73组变压器音频,共约1800 min;其次,分别运用分段、分帧、加窗音频预处理方法对所采集的变压器声纹进行去噪处理;再次,综合运用能量特征、频率特征、梅尔频率倒谱系数、频率压缩方法提取变压器声纹特征并进行有效融合;最后,针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题,提出一种基于余弦相似度算法实现声纹叠加的分离检测,同时建立一套变压器工况检测与验证分析系统。     

基于负荷预测的变压器经济运行自动投切装置

提出了一种新型的基于负荷预测的变压器经济运行自动投切装置整体解决方案,介绍了该装置的软硬件设计、工作原理、周期自回归模型的短期负荷预测方法。利用短期负荷预测方法解决变压器在负荷波动情况下实施经济运行控制面临的频繁投退问题。采用可编程逻辑的设计思想实现了变压器经济运行自动投切,同时还满足备用电源自动投入功能。经现场实际运行表明,给出的算法和研制的装置,达到了预期目标并取得良好的使用效果。     

Support vector machine with genetic algorithm for forecasting of key-gas ratios in oil-immersed transformer

Failures of power transformer are related with key-gas ratios C₂H₂/C₂H₄, CH₄/H₂ and C₂H₄/C₂H₆ strongly. Forecasting of these ratios of key-gas in power transformer oil is very significant to detect and identify incipient failures of transformer early. Forecasting of the ratios of key-gas in power transformer oil is a complicated problem due to its non-linearity and the small quantity of training data. In this study, support vector machine with genetic algorithm (SVMG) is proposed to forecast the ratios of key-gas in power transformer oil, among which genetic algorithm (GA) is used to determine free parameters of support vector machine. The experimental results indicate that the SVMG method can achieve greater accuracy than grey model, artificial neural network under the circumstance of small training data. Consequently, the SVMG model is a proper alternative for forecasting of the ratios of key-gas in power transformer oil.     

具有以太网接口的变电站监控系统设计

本文介绍了具有工业以太网接口的变电站监控系统的设计与实现。提出了双CPU结构的变电站监控系统,数字信号处理器TMS320VC5402作为主CPU,用于以太网接口的控制管理,以及定时向上位计算机发送数据,同时读取下位数字信号处理器采集的数据。数字信号处理器TMS320LF2407A作为从CPU,用于键盘、显示的控制,开关量、脉冲量、电网频率、模拟量等数据的采集以及模拟量和继电器的输出控制。系统软件支持MAC,TCP/IP等协议规范,从而实现了监控系统的网络化。给出了数字信号处理器TMS320VC5402与以太网控制器RTL8019AS的硬件设计及嵌入式TCP/IP协议的汇编程序设计。     

基于H.264编码的帧间预测块划分视频水印算法

研究一种针对H.264编码的帧间预测块划分视频水印算法,该算法先对水印图像进行二值处理并经Arnold置乱,然后在H.264帧间预测编码时,根据水印二值序列选择不同的区块划分将水印值嵌入进去。实验结果表明,该算法具有较好的实时性、鲁棒性。