基于全信息新陈代谢的GM（1，1）电力预测

传统的灰色预测模型所需的样本容量较少,仅4个数据就可以建立灰色预测模型。虽然传统的灰预测建模较为简单,但是忽略了对预测较为确利的新信息,容易产生预测模型老化的现象,预测精度不高。全信息新陈代谢的GM（1,1）灰色预测模型更为合理、科学,全信息建模避免了局部信息建模的局限性,每预测一个结果去除原始数列的最老数据的新陈代谢处理保证了预测数列的实效性,并用Matlab实现改进GM（1,1）模型的编程计算,应用于双流县电力需求量的预测,预测精度好。     

改进BP网络在航材需求预测中的应用

针对航材备件需求预测问题,在对影响航材备件需求量的多个因素进行分析研究的基础上,运用改进BP神经网络算法进行预测的仿真实验。实验结果表明,改进BP神经网络能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。     

Hadoop在VOD系统中的应用研究

首先对当前VOD系统进行简单介绍,指出当前VOD系统存储架构的不足,接着介绍Hadoop,分析HDFS的存储机制和特点,指出将HDFS用于存储视频文件的优势。通过将Hadoop和当前VOD系统融合,提出基于Hadoop的VOD原型系统设计方案。最后总结将Hadoop用于VOD系统的优势,给出进一步研究计划。     

阎王鼻子水库生态调度方案分析研究

本文在分析阎王鼻子水库建设前后下游水文情势变化的基础上,根据河道内生态不同需求和不同计算方法,确定水库下游河道基本生态流量和目标生态流量两种需求方案。在充分考虑大凌河流域河道外需水的前提下,研究分析了阎王鼻子水库最大程度满足河道内不同生态需水要求时的调度方案,对改善水库下游河道环境具有一定的指导意义。     

Stock Price Forecasting: An Echo State Network Approach

Forecasting stock prices using deep learning models suffers from problems such as low accuracy, slow convergence, and complex network structures. This study developed an echo state network (ESN) model to mitigate such problems. We compared our ESN with a long short-term memory (LSTM) network by forecasting the stock data of Kweichow Moutai, a leading enterprise in China’s liquor industry. By analyzing data for 120, 240, and 300 days, we generated forecast data for the next 40, 80, and 100 days, respectively, using both ESN and LSTM. In terms of accuracy, ESN had the unique advantage of capturing nonlinear data. Mean absolute error (MAE) was used to present the accuracy results. The MAEs of the data forecast by ESN were 0.024, 0.024, and 0.025, which were, respectively, 0.065, 0.007, and 0.009 less than those of LSTM. In terms of convergence, ESN has a reservoir state-space structure, which makes it perform faster than other models. Root-mean-square error (RMSE) was used to present the convergence time. In our experiment, the RMSEs of ESN were 0.22, 0.27, and 0.26, which were, respectively, 0.08, 0.01, and 0.12 less than those of LSTM. In terms of network structure, ESN consists only of input, reservoir, and output spaces, making it a much simpler model than the others. The proposed ESN was found to be an effective model that, compared to others, converges faster, forecasts more accurately, and builds time-series analyses more easily.     

人工神经网络技术在电工产品可靠性实验中的应用(理论部分)

本文简要介绍了人工神经网络，BP神经网络的结构、训练和学习规则以及人工神经网络非线性时间序列预测的应用概况。     

计及多能需求的综合能源服务商优化运行策略研究

随着分布式发电技术的不断成熟及发展,未来综合能源服务将是整合不同类型分布式发电并满足用户不同用能需求的有效途径。提出了一种含有多种分布式发电资源同时考虑多用能需求的综合能源服务商优化运行策略模型。首先建立了含有风电、光伏、燃气轮机、电储能、电热泵、辅助锅炉等分布式资源及电、热用能需求的园区综合能源系统优化调度模型;其次计算优化运行后的能源利用效率;最后,分析对比了不同季节、实时电价及天然气价格变化对综合能源服务商运行策略及盈利的影响。仿真结果验证了模型的有效性,其中综合能源服务商的收益对天然气的价格变化更为敏感。     

西江流域压咸风险调度及其时空传递规律研究

枯水期珠江河口咸潮情势日益加重,径流不确定加剧了压咸风险,严重威胁沿线的供水安全。本文基于概率密度分布描述径流不确定性,构建了单源风险调度基本框架。以西江流域五座水库为研究对象,量化了预报误差与压咸风险的响应关系;揭示了压咸风险的时空传递规律;将压咸风险划分为3个等级;确定出各级风险越级传递的临界阈值。研究表明：随预报误差的增大,压咸风险提前且持续天数增加、风险率增大;压咸风险呈逐时段累积和从上游向下游、从支流向干流的时空传递规律;当预报误差超过±16%、±21%时,压咸风险从轻险越级至中险、中险越级至重险。研究成果对于西江流域压咸风险的调控和粤港澳大湾区的供水安全具有重要的应用价值。     

铁道车辆轮对超声波探伤半轴试块的研制

主要介绍了RD2、提速车和DF4轴型超声波探伤半轴试块的研制，同时介绍了主要的技术要求及制作工艺。该试块适用于在役轮轴超声波探伤，为现场检测提供了统一的探伤基准。