火电机组负荷分配中多源不确定性因素影响分析

不确定性因素存在于火电机组负荷分配中，影响机组负荷分配、节能环保目标。本文综合考虑负荷预测不确定性、机组煤耗率不确定性与其CO2排放系数不确定性，分别构建火电机组一次能源消耗成本与CO2排放量最小目标下的火电机组负荷优化分配模型；以此为基础，引入析因分析方差分解方法，量化多源不确定性因素单独与交互作用下对节能、环保目标的影响程度。结果表明:负荷预测不确定性对火电机组节能、环保目标影响最为显著，相对影响程度分别为51.13%、62.70%；机组煤耗特性及其CO2排放系数影响次之，相对影响程度分别为47.58%、34.95%。此研究结果对不确定性条件下电力系统负荷分配具有借鉴价值。     

属性分析技术应用于断陷盆地沉积相带划分

断陷盆地的油气勘探,对各种类型储层的研究是必不可少的,而湖盆沉积的各种储集层,主要表现为各种扇,包括扇三角洲,浊积扇、滑塌扇等。为了寻找优质的扇体储集层,就必须对扇体的沉积相带开展仔细研究。在划分沉积相方面,应用最为广泛的技术就是地震属性分析技术。本文主要讲述了在具有三维地震资料的情况下,综合应用地震属性分析技术成功地划分了沉积相和沉积微相,对扇体的岩性和物性都有较好的预测,为后续的油气勘探提供了技术支持。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

大型集会高负荷场景流量经营保障

文章论述随着智能机的普及和用户习惯的改变,天翼网络3、4G用户规模大幅度的增长,网络负荷逐步加重。尤其在集会场景中用户高度集中,话务流量并发产生,给覆盖区域的小区造成极大的负荷压力,很容易出现网络过载、底躁抬升、大部分用户无法接入的现象,严重影响客户感知的问题。本案例为宝安体育馆酷派年会成功保障的实际案例,通过合理规划网络资源、充分提高网络的资源利用率、差异化设置系统参数有效满足大量用户并发使用的需求。     

新一代络合态代森锰锌新技术产品的研究开发及应用

采用全新自主研发工艺和设备,对代森锰锌生产工艺进行创新,得到较为纯净的"络合态"化合物。该化合物对作物幼苗、幼叶、幼果的安全性提高了;解决了普通代森锰锌和络合态代森锰锌在合成、干燥、物料输送、含氨废水处理及分析检测等方面的技术难题;生产及分析中的废物处理与利用水平国际领先。实现了废水、尾气全部循环利用,废渣回用,废水趋零排放,对环境无污染;实现了络合态代森锰锌连续化生产,此生产工艺具有节能、节水和生产安全性高等特点。