基于XGBoost-LSTM组合模型的光伏发电功率预测

该文提出一种基于极端梯度提升（XGBoost）模型和长短期记忆网络（LSTM）模型的短期光伏发电功率预测组合模型。根据短期光伏发电特性,首先分别建立XGBoost模型和LSTM模型,然后利用XGBoost模型进行初步预测增加特征,并利用误差倒数法将两模型组合起来进行预测。选取2018年光伏电站人工智能运维大数据处理分析大赛的数据集进行实验评估,最终结果表明,该文所构建的XGBoost-LSTM组合模型的均方根误差（RMSE）为0.214,将上述方法与随机森林、GBDT模型和单一的XGBoost模型和LSTM模型相比较,该文提出的方法具有更高的预测精度。     

基于群智能图形化编程语言的三防转换控制程序设计与实现

群智能建筑平台是一种扁平化、无中心的新型建筑智能化系统.将群智能建筑平台技术应用于国防工程智能化领域,可为国防工程智能化保障提供一种全新的技术平台.基于群智能建筑图形化编程语言,开发了国防工程中核心的三防转换控制程序,将国防工程系统物理对象及其运行机制抽象为简单、易操作的编程语言图元符号.结果表明,该语言能够显示刻画三...