基于马尔科夫链模型的小金川河流域径流形势预估分析[ 国家重点研发项目资助（2018YFB0905204）]

为了分析小金川河流域中长期径流形势,本文尝试利用马尔科夫链模型进行年径流形势预估,结合历史径流的丰枯变化,计算丰水年、平水年、枯水年相互转变的马尔科夫转移概率,在此基础上,可根据当年来水情况实现对木坡电站下一年径流形势的预估分析。以2018年木坡电站的丰枯形势预估为例,经验证,该径流形势预估分析方法具有较强的实用性,为径流形势预估分析提供了一种切实可行的思路和方法。     

基于VMD与改进QRGRU的超短期风电功率概率预测

风电功率概率预测是分析未来风电功率不确定性的有效方法之一。为提高风电功率概率预测精度,文中提出基于变分模态分解(VMD)与改进门控循环单元分位数回归(QRGRU)的超短期风电功率概率预测方法。首先,采用VMD将原始风电功率序列分解成不同特征的模态函数;然后,对每个模态函数分别建立基于QRGRU的概率预测模型,并将变量间的网络结构约束作为目标函数的惩罚项,改进QRGRU权重在迭代修正过程中的平稳性;最后,在不同分位数条件下叠加各个模态函数预测值,并采用非参数核密度估计方法得到未来风电功率的概率密度函数。结合某风电场实测数据开展具体算例分析,结果表明所提方法能够兼顾区间覆盖率,减少区间宽度,在不同预测步长中均能表现较好的预测效果。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

嵌入随机概率模型的模具项目模板及其应用

针对模具生产中存在的不确定性因素,在考虑企业关键资源有限性的前提下,采用嵌入随机概率模型的模具项目模板,实现多项目调度,能够为企业制定较为准确且符合实际生产情况的项目计划。     

土坝溃决跌坎水流水动力特性数值模拟

黏性土坝漫顶溃决涉及多学科交叉,过程极其复杂,尽管国内外大量物理模型试验成果表明其溃决多以“跌坎式”溯源冲蚀为主要特征,然而对该冲蚀发展形式下的水流-坝体微观作用机制尚不清晰。水流作为漫顶溃决的冲刷主动力,对坝体溃决发展起着主导性作用,采用RNG k-ε紊流模型和VOF自由液面捕捉技术针对黏性土坝漫顶溃决代表性水流结构——溃决跌坎水流开展了三维数值模拟研究,对跌坎水流的水流结构、流态、水力特性指标等进行了细致分析,揭示了不同工况下坝体跌坎上的剪切应力、流速分布规律,进而从水动力学的角度对坝面进行受力分析,初步推断了黏性土坝漫顶溃决过程中各级跌坎的主要合并方式为“台阶水平面刷深下切”。研究成果为进一步掌握黏性土坝漫顶溃决发展演变机理提供了理论基础。     

基于MTPM和DPM的多无人机协同广域目标搜索滚动时域决策

传统的协同搜索决策方法在目标引导和机间协同方面存在不足. 研究建立了基于分布概率预测的目标概率图（Target probability map,TPM）初始化方法和基于贝叶斯准则的目标概率图动态更新方法,形成了修正目标概率图（Modified TPM,MTPM）及其运算机理.考虑对任务子区域进行可控回访,定义了数字信息素图（Digital pheromone map,DPM）,建立了数字信息素图使用方法及更新机理.设计了基于MTPM和DPM的寻优指标,建立了基于滚动时域控制的协同搜索决策方法（MTPM-DPM-RHC method,MDR）.仿真表明: 1） MTPM能有效降低对目标的虚警率和漏检率;2） DPM能有效实现对任务区域可控回访;3） MDR方法的遍历能力、重访能力和目标搜索效率均优于已有方法.     

基于新型混合模型的欠定盲分离方法

针对欠定盲分离问题,提出了一种新的源恢复方法. 在时频域局部区域采用复高斯分布对源信号进行建模,将语音信号的稀疏性和局部平稳性结合在一起,提出了一种新的混合模型来描述观测信号在局部区域的概率分布.通过该模型,将每个时频点的源信号状态的判断问题转换成模型的参数估计和后验概率的计算问题,最后通过子混合矩阵的逆恢复出源信号. 实验结果表明,该方法具有很快的收敛速度,并且比已有方法具有更好的分离性能.     

高斯PLDA在说话人确认中的应用及其联合估计

近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法.其中,概率线性鉴别分析（Probabilistic linear discriminant analysis,PLDA）因其优异的性能而得到学者们的广泛关注.然而,在估计PLDA模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合.提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升.     

面向口语统计语言模型建模的自动语料生成算法

在资源相对匮乏的自动语音识别(Automatic speech recognition, ASR)领域, 如面向电话交谈的语音识别系统中, 统计语言模型(Language model, LM)存在着严重的数据稀疏问题. 本文提出了一种基于等概率事件的采样语料生成算法, 自动生成领域相关的语料, 用来强化统计语言模型建模. 实验结果表明, 加入本算法生成的采样语料可以缓解语言模型的稀疏性, 从而提升整个语音识别系统的性能. 在开发集上语言模型的困惑度相对降低7.5%, 字错误率(Character error rate, CER)绝对降低0.2个点; 在测试集上语言模型的困惑度相对降低6%, 字错误率绝对降低0.4点.