南京固城湖干涸水文情势研究及成因分析

2011年5月,南京市固城湖发生了罕见的干涸现象,对湖周的生产生活产生了严重影响。为了找出固城湖干涸的原因,对流域内历年的水文变化情况以及开发情况进行了分析。结果表明：2010年10月以来,固城湖流域连续8个月降水量严重不足,是自1951年有连续水文记录以来历史最低,为固城湖干涸决定性因素;湖区围垦淤积,容积减少,使湖区干涸加剧;产业结构调整,由农业生产向水产养殖转变,用水量增加,用水高峰期提前,也是造成固城湖干涸的重要因素。针对固城湖干涸的原因,提出了相关建议。     

浅谈中小河流治理的认识和建议

一、中小河流治理的必要性和可行性近年来,国家加大了大江大河及其主要支流的治理力度,许多重要河道和大中型防洪枢纽工程得到了加固,防洪保安能力有效提高,但中小河流治理总体滞后,许多中小河流没有进行过统一治理,仍处于"大雨大灾、小雨小灾"的局面。特别是近些年来极端天气事件增多,中小流域常发生集中暴雨,形成较     

基于增量学习思想的改进AdaBoost 建模方法

针对软测量建模的特点以及建模过程中存在的主要问题,提出了基于 AdaBoost RT 集成学习方法的软测量建模方法,并根据 AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难,提出了自适应修改阈值 和增添增量学习性能的改进方法.使用该建模方法对宝钢300 t LF 精炼炉建立钢水温度软测量模型,并使用实际生产数据对模型进行了检验.检验结果表明,该模型具有较好的预测精度,能够很好地实现在线更新.     

限定记忆极端学习机及其应用

为了实现极端学习机（ELM）的在线训练,提出一种限定记忆极端学习机（FM-ELM）.FM-ELM以逐次增加新训练样本与删除旧训练样本的方式,提高其对于系统动态变化特性的自适应性,并根据矩阵求逆引理实现了网络输出权值的递推求解,减小了在线训练过程的计算代价.应用于具有动态变化特性的非线性系统在线状态预测表明,FM-ELM是一种有效的ELM在线训练模式,相比于在线贯序极端学习机,FM-ELM具有更快的调节速度和更高的预测精度.     

主动学习的白细胞图像自动分割

提出利用极端学习机算法(ELM)在线构建像素分类模型分割白细胞图像。训练阶段根据白细胞核深染色的特点,先利用一个Mean-shift过程在RGB空间定位白细胞核区;再经核区形态学膨胀,得到一个熵与面积之比最大的区域作为正样本候选区域,而此区域外像素则作为负样本候选区域;通过正负样本像素抽样组成训练集,能在线训练得到一个两分类ELM模型。多次抽样得到的训练集可以产生多个ELM模型。测试阶段利用上述ELM模型集成分类全体像素,可实现白细胞自动分割。与传统图像分割算法相比,本文方法基本无参数调整,可自适应光照和染色条件导致的图像颜色变化,分割效果好。相关实验结果表明算法的有效性。     

福建省造纸行业2022年产销运行分析

2022年是我国社会经济发展极为特殊和困难的一年,经历了新冠疫情反复、需求收缩、供给冲击、预期转弱和极端天气等多重压力,同时国际环境日趋严峻,俄乌冲突、全球滞胀、美国加息和来自外部的打压遏制等超预期因素的冲击。这一年里,在以习近平同志为核心的党中央坚强领导下,党和政府坚持发展是解决一切问题的基础,出台一揽子稳经济政策,加大宏观调控力度。     

考虑风电-光伏功率相关性的因子分析-极限学习机聚合方法

针对风电和光伏时序数据单独聚合改变风电-光伏序列相关性的问题,提出因子分析-极限学习机聚合方法.首先,将z-score标准化的风电-光伏原始日场景集分解为水平分量日场景集和波动分量日场景集.其次,对水平分量日场景集进行近邻传播聚类,得到K类场景簇,再通过分层抽样获取2n天的水平分量日场景集.在标准化的风电-光伏原始日场景集中选取对应2n天的原始日场景集,分别得到n天的训练集和n天的测试集.然后,通过极限学习机获取水平分量日场景集和原始日场景集之间的映射关系,输出拟合功率日场景集.最后,通过反标准化,分别得到n天的风电和光伏功率的聚合序列,并通过概率统计指标、相关系数、仿真计算结果验证所提方法的准确性和可行性.     

一种基于极限学习机和皮尔逊相关系数的光伏阵列故障快速诊断方法

光伏阵列故障会造成能量损失,甚至引发供电中断或火灾事故.因此,对故障的快速识别至关重要.本文提出一种光伏阵列故障快速诊断方法,用于快速感知故障及故障发生的时刻.通过分析光伏阵列常见故障的信号变化规律,提出利用正常运行时的功率波形训练一个极限学习机预测模型,用于预测短时功率的变化;接着计算实测波形和预测波形的皮尔逊相关系数;若光伏阵列发生故障,相关系数将低于一定的阈值,从而识别故障的发生.实测实验验证了所提方法具有很强的故障辨识能力,准确率达到99.37％.所提方法的故障辨识时间仅为4.355ms,亦可作为光伏阵列故障录波的启动方法使用.     

基于经验模态分解和极限学习机的日输电量分时建模预测

电网运行电量数据呈现出海量化高维化的发展趋势,为有效利用这些大数据建立电量预测模型,提出了一种分时建模、经验模态分解和极限学习机相结合的方法。将每日输电量划分为峰、平、谷3个时段,并对每个时段的输电量曲线进行经验模态分解,再采用极限学习机训练得到各分量的预测模型,最后通过叠加合并得到最终的输电量预测值。通过与传统的极限学习机进行比较,结果表明所提方法可有效地提高模型的预测精度。     

基于极限学习机与负荷密度指标法的空间负荷预测

空间负荷预测对有配电网的规划建设具有重要意义,为了提高配电网空间负荷预测的精度,文中提出基于极限学习机(ELM)的配电网空间负荷预测算法,采用粒子群优化(PSO)模型的参数。首先根据用地性质将负荷分类,再通过模糊C均值(FCM)算法对每一类负荷进行聚类分析,建立精细化的负荷密度指标体系。根据待预测地块的特性指标选取训练样本,代入ELM训练,提高预测精度。通过搜索的数据对实例进行仿真试验,通过对比未引入FCM算法的相对误差、未引入PSO算法的相对误差以及采用PSO-ELM算法的相对误差可得,文中提出的PSO-ELM算法具有较高精度,满足实际工程的要求。