基于小波神经网络的电力负荷预测方法

分析了小波神经网络的特点，研究了在电力负荷预测中小波神经网络存在的优缺点及适用范围。通过对小波神经网络和BP神经网络的结构和算法进行理论分析，并对实际电力负荷预测算例进行对比研究，指出小波神经网络本身适合对波动性的信号进行预测，而且在神经网络节点数目相同的情况下，小波神经网络比BP神经网络具有更高的预测精度，因此采用小波神经网络有利于减少隐节点数目。还指出由于当前的连续小波神经网络主要使用传统BP神经网络的随机初始化方法和基于梯度的训练算法，因此存在收敛性差的缺点。     

基于小波包分析的电力负荷预测算法

提出基于小波包分解和重构的电力负荷预测算法.算法使用具有线性相位的双正交小波对电力负荷数据进行小波包分解和重构,然后用神经网络直接对各尺度上的电力负荷分量进行预测,最后将各尺度上的预测值相加,得到实际负荷预测值.算例表明算法具有较高的预测精度,优于传统的BP神经网络,有利于分析不同时频区域的电力负荷特性,为更准确地建模和预测提供了条件.     

反演密度属性体在含水饱和度预测中的应用

密度参数在储层评价中的应用越来越受到重视,在俄罗斯V工区反演的密度属性体被成功应用于计算砂层的含水饱和度。通过分析及验证稳定沉积环境下不同孔隙岩石的密度参数和含水饱和度之间的关系,认为密度随着饱和度的增加呈线性增长趋势,而致密砂岩中流体含量对密度参数影响不大;通过叠前同时反演可以获得反演的密度数据体,将这种线性关系应用到俄罗斯V工区中加以验证,结果显示预测的含水饱和度和实钻结果基本吻合。实际应用结果表明,稳定沉积环境下可以利用反演密度属性体来预测储层的含水饱和度。     

马奶子葡萄制干方法改进

干制马奶子葡萄干的新方法，即“宽窄行多层双线式晾架法”（以下简称晾架法）合理利用葡萄干制干原理，干制出优质马奶子葡萄干，解决了原果农大量采用砖晒场直接晒干法干制的葡萄干外观颜色深，不整齐，商品性差的问题，在原方法基础设施上，追加投出与新增效益比为１比３４，经济效益相当显著。     

火电机组变频器的应用研究

较深入地介绍了变频器在火电机组中的应用，对其节能原理、节能方法的计算、经济效益、使用效果及可能产生的问题进行了分析，并指出了应用变频器需要注意的事项，对同类机组的变频器改造具有较好的借鉴作用和推广价值。     

基于地震速度构建的低频响应在波阻抗反演中的应用

以V工区北部为例,应用井数据、速度数据和地震属性共同恢复低频响应数据,同时使用层速度、层位信息(层的深度和厚度)以及反射振幅的信息进行反演,结果显示可以改善预测纵波阻抗的结果,同时与通常情况下的孔隙度预测作了对比,结果表明孔隙度预测的可信度得到了一定程度的改善。     

一种基于优化思想的网络拥塞控制算法

分析了现有网络优化框架的基本模型,研究了更一般的条件,将静态模型扩展到了动态模型,使模型的应用范围更广。运用子梯度方法求解新模型的对偶问题,得到了一种新的基于对偶问题的分布式算法框架,并证明了这种新算法的收敛性。同时,又证明了已有的算法只是新算法的一个特例。因而本文给出了一类具有更一般意义的分布式算法框架,推广了已有的网络模型算法。     

玻璃结构损耗机理的理论研究

运用经典理论、半经典理论和量子理论证明了玻璃的结构损耗机理,建立了玻璃的"晶子"模型.阐明从宏观到微观的尺度变化中,玻璃的微结构明显的引起了量子尺度效应,表明了玻璃的结构损耗是玻璃的精细结构、入射光子数和频率起决定作用的理论观点,得出玻璃的结构损耗是精细结构中二次量子化的结果.     

Al2O3／SiC（p）复合陶瓷力学性能研究

利用压痕强度技术系统研究了引入纳米、亚微米和微米粒径的ＳｉＣ颗粒对Ａｌ２Ｏ３陶瓷力学性能的影响．实验结果表明，微米级ＳｉＣ颗粒具有相对较好的增韧作用，纳米级ＳｉＣ颗粒具有相对较好的增强作用．复合陶瓷试样的断裂韧性受残余热应力和裂纹偏折作用共同影响．ＳｉＣ颗粒引入可以改善复合陶瓷表面抛光质量，减小缺陷尺寸，从而提高了试样的强度．     

协方差矩阵加权波束形成及应用

在逆波束形成方法的基础上提出一种改进的协方差矩阵加权波束形成方法，它根据阵元的分布情况对阵元接收信号的协方差矩阵进行直接加权，使得环境噪声相关比较强的协方差元素得到抑制，环境噪声相关性比较弱的部分被加强，降低噪声增益，从而达到提高阵增益的目的。文中给出了两种协方差加权方法。并且计算了在各向均匀噪声环境下的阵增益。从阵增益和误差稳定性两个方面与CBF和MVDR方法进行了对比，验证了该方法的正确性。