因子分析在机械未完全燃烧热损失研究中的应用

利用 SPSS统计分析软件包 ,将因子分析法应用于机械未完全燃烧热损失的研究中。对邢台电厂 2 0 0MW燃煤锅炉的运行状况进行了因子分析诊断 ,找出了影响锅炉机械未完全燃烧热损失的主要因素 ,即炉膛氧量、炉膛内气流的扰动及燃烧强度 ,为调整燃烧 ,降低机械未完全燃烧热损失 ,提高燃烧效率提供了一种比较有效的诊断工具     

A Neuro-fuzzy Coding for Processing Incomplete Data: Application to the Classification of Seismic Events

This letter presents a method for modelling and processing incomplete data in connectionist systems. The approach consists in applying a neuro-fuzzy coding to the input data of a neural network. After an introduction to the different kinds of imperfections, we propose a neuro-fuzzy coding in order to take incomplete data into account. We show the efficiency of this coding on the problem of the classification of seismic events. The results show that a neuro-fuzzy coding of the inputs of a neural network increases the performance and classifies incomplete data with little affect on the results.     

丙烷不完全燃烧法制备优质炭黑的研究

炭黑的物理、化学性质与其所使用的原料、燃烧裂解方法等工艺条件密切相关,文中以工业丙烷为燃料,通过不完全的方法制备了尺寸很小、纯度很高的优质炭黑,并通过TEM、XRD等手段对其粒径、形貌、吸油值、pH值等主要的性能进行了表征,并对其反应过程进行了分析。研究表明,改变丙烷与空气/氧气的比例可以得到具有不同结构的产品,该比例对炭黑pH值的影响不大,以氧气为原料的炭黑pH值明显低于以空气为原料的炭黑pH值。     

发电侧市场中不完全信息竞价策略分析

在竞价上网假设的基础上,对发电侧市场中的不完全信息竞价行为进行了研究。为了得到发电商的最优竞价策略,通过一阶必要条件及线性战略得到了贝叶斯纳什均衡解。     

不完备信息系统中一个变精度粗糙集模型

针对不完备信息系统的知识获取,提出了一种基于相容度的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.定义了这种模型上的知识约简,并给出了求约简的一个启发式算法.最后通过实例分析说明了算法的有效性.     

流域水资源利用冲突的不完全信息博弈分析

近年来在权衡各取水户利益的基础上逐渐采用博弈论分析方法来解决流域水资源利用矛盾冲突问题,然而这些研究主要建立在完全信息条件下,只适用于解释已经发生的冲突。而冲突局势中,由于参与人目标的独立性导致了冲突局中人在本质上是不合作的,从而造成在信息的收集和获取方面的障碍,使冲突信息不完全,而且参与人的理性是有限的,加上信息滞后,使冲突分析不是在信息完全条件下进行。由此建立流域水资源利用冲突的不完全信息博弈模型,分析和预测正在发生或即将发生的冲突结果,指导各局中人对冲突结果作准确判断以及采取最佳的策略。     

基于图论的矩阵算法在配电网故障定位中的应用

分析现有配电网故障定位算法的不足,提出一种基于图论知识的改进配电网故障定位算法。该算法首先利用配电网有向拓扑结构生成一个可反映配电网拓扑信息的网络拓扑矩阵,当配电网发生故障时,安装在开关处的馈线终端（FTU）通过通用分组服务技术（GPRS）网络向主站上传故障信号,生成故障信息矩阵,进而得到故障判定矩阵,由故障判据定位故障发生区段。该算法不仅可以对单电源的配电网单重故障定位,对于多电源网络的多重故障以及馈线末端故障也可作出快速判断,同时对于FTU上传的不完备故障信息情况也同样适用。算例测试结果表明,该算法判断简洁直观,计算量小,实用性强,满足现代配网自动化要求。     

基于包含度的不完备序信息系统属性约简的一种算法

在不完备序信息系统中,通过引入包含度的概念,对属性重要度进行了定义;在此基础上,提出了一种基于包含度的属性约简算法;最后,通过实例分析表明,该算法能得到不完备序信息系统的一个约简.     

基于AP聚类的不完整大数据填充

不完整数据的分析与填充一直是大数据处理的热点研究课题,传统的分析方法无法对不完整数据直接聚类,大部分方法先填充缺失值,然后对数据聚类。这些方法一般利用整个数据集对缺失数据进行填充,使得填充值容易受到噪声的干扰,导致填充结果不精确,进而造成聚类精度很低。提出一种不完整数据聚类算法,对不完全信息系统的相似度公式进行重新定义,给出不完整数据对象间的相似度度量方式,进而直接对不完整数据聚类。根据聚类结果将同一类对象划分到相同的簇中,通过同一类对象的属性值对缺失值进行填充,避免噪声对填充值的干扰,提高填充结果的精确性。实验结果表明,提出的方法能够对不完整数据进行聚类,并有效提高缺失数据的填充精度。     

Estimation of missing observations in two‐level split‐plot designs

Inserting estimates for the missing observations from split‐plot designs restores their balanced or orthogonal structure and alleviates the difficulties in the statistical analysis. In this article, we extend a method due to Draper and Stoneman to estimate the missing observations from unreplicated two‐level factorial and fractional factorial split‐plot (FSP and FFSP) designs. The missing observations, which can either be from the same whole plot, from different whole plots, or comprise entire whole plots, are estimated by equating to zero a number of specific contrast columns equal to the number of the missing observations. These estimates are inserted into the design table and the estimates for the remaining effects (or alias chains of effects as the case with FFSP designs) are plotted on two half‐normal plots: one for the whole‐plot effects and the other for the subplot effects. If the smaller effects do not point at the origin, then different contrast columns to some or all of the initial ones should be discarded and the plots re‐examined for bias. Using examples, we show how the method provides estimates for the missing observations that are very close to their actual values. Copyright © 2007 John Wiley & Sons, Ltd.