基于FPA-VMD和BiLSTM神经网络的新型两阶段短期电力负荷预测

短期电力负荷预测有助于维持发电端和用电端的动态平衡,保障电力系统稳定且高效地运行。分布式能源的大规模并网以及气象和节假日等短期因素的影响,使得负荷序列呈现明显的波动性和非线性。为此,该文提出基于花授粉算法(flowerpollinationalgorithm,FPA)优化变分模态分解(variationalmodedecomposition,VMD)和双向长短时记忆(bidirectional long and short time memory,BiLSTM)神经网络的新型两阶段短期电力负荷预测方法。第一阶段首先提出了一种关于分解损失的VMD评价标准,并采用FPA来寻找该标准下分解参数的最优组合,从而降低了经验设置参数的随机性并且减少了分解过程中的信号损失,提高了分解质量;其次针对分解所得的每个子序列分别建立具备双向处理和长期记忆的BiLSTM神经网络,从而可以更好地挖掘负荷数据的过去和未来的深度时序特征。第二阶段综合考虑模态分量以及气象和星期类型等短期因素的影响,建立基于BiLSTM神经网络的误差纠正模型,用以挖掘误差中所包含的隐含信息,从而降低了模型的固有误差。将该文方法应用于美...     

一种基于神经网络和D2S 推理的数据融合结构 及其在超声检测中的应

用一种将D－S证据理论与人工神经网络相结合的数据融合方法，研究了超声无损检测中不连续性的识别与分类的方法。分析了该方法的可行性及优点。     

混沌奇异谱特性研究及在滚动轴承故障诊断中的应用

研究了混沌空间结构的一种新的度量方式--混沌奇异谱,并提出一种基于混沌奇异谱特征提取的滚动轴承早期故障识别算法。给出奇异谱离散形式,并在奇异谱的稳定性分析时引入对数函数,更加敏锐地观察偏差对奇异谱值的影响。然后从几何空间角度说明奇异谱是一种基于方差极大化的空间几何结构的描述方式,表明混沌奇异谱是对混沌吸引子的空间结构的一种定量描述,且具有较强的抗噪声干扰能力。通过对Lorenz系统进行数值验证,证明了混沌奇异谱的稳定性和较强的抗噪声性能。通过实验进一步验证了该方法的有效性和实用性。     

基于小波及非线性预测的轴承故障诊断方法

在非线性时间序列预测研究的基础上,提出非线性预测效果的特征提取方法.首先对采集到的足够长轴承数据采用小波变换进行消噪处理及边界延拓,使其满足预测需要的无限长、无噪声的条件,这样延迟时间取任意值均能重构原系统相空间;然后采用基于可预测性的选取嵌入维数的方法确定轴承各种状态信号的嵌入维数,进行相空间重构.应用实验结果表明:该方法提取的特征值能明显地区分轴承各种状态信号,且对数据分段长度的稳定性好,可以作为识别轴承故障的一种新途径.     

微弱信号检测中Duffing方程的改进

将外界信号作为系统周期激励的补充而引入正处于混沌态的Duffing振子系统,利用混沌系统对噪声的免疫力以及对小信号的敏感性,根据系统从混沌到有序的相变而检测出比较微弱的信号.本文首先讨论了周期频率为1 Hz的Duffing方程,然后将它进行改进,找到一种通用形式,从而可以检测不同频率的周期信号而避免了大量重复性劳动.     

使用Photoshop CS4打造复古照片风格效果

本例将介绍如何在Photoshop中把数码照片制作成仿古照片风格的效果。主要应用了Photoshop中的图层调整中的”渐变映射”命令和“胶片颗粒”滤镜来完成。     

浅谈项目变更后解决冲突的关键

本文结合某高校体育场项目建设案例的分析，谈客户需求对项目成功的影响和标准，以及项目成功的必要条件和解决冲突的办法     

心电图信号处理技术及小波变换方法

给出了心电信号处理的两种方法。第一种方法是运用合成技术 ,它可以保证波形的完整 ,而且便于实现。第二种方法是运用小波分析。小波变换适用于分析非平稳信号 ,适宜于对心电图数据进行预处理和特征提取。本文应用Mallat算法对心电图信号进行了多尺度分解