基于SSVEP与运动想象的实时脑控阿凡达系统

针对当前在线脑机接口交互系统识别正确率比较低、模式单一、算法复杂度高等问题,设计基于SSVEP和运动想象的实时脑控实时算法并应用于脑控阿凡达系统。通过对6名受试者进行离线训练和在线测试,实验结果表明该系统较好地反映受试者的控制意图,所有受试者均可以基本准确地控制机器人,可实现多指令的控制,识别准确率高,可进一步推动脑机接口在实际领域的应用和发展。     

多项目管理在水电勘测设计企业多元化 产业中的应用

多项目管理是将水电勘测设计企业多元化产业中各项目进行有效管理,实现协调发展,效益最优的有效途径。本文从项目组织结构形式、优先级管理、企业项目总体计划、优化配置项目资源、项目群分类管理等五方面论述了多项目管理在水电勘测设计企业多元化产业中的应用,为水电勘测设计企业多元化产业的生产管理提供了新思路。     

基于数据增强及降维方法的配网业扩工程分类模型

配网业扩工程对供电企业开展电力供应工作具有重要意义。针对配电网业扩工程项目流程运转效率低下的问题,提出了一种基于数据增强和数据降维技术的配网业扩工程分类方法。该方法对原始数据进行数据增强,通过深度自编码器降低了数据维度,并进行特征提取及聚类分析。以某供电局配电网业扩工程项目数据为基础进行了仿真,实验结果表明：所用算法的分类准确性优于其他算法,所提方法能够合理分配业扩工程工期时长,实现对配网业扩工程的差异化管理,提高流程运转效率和客户满意度。     

贵州省水利建设生态建设石漠化治理综合规划对全省水文情势的影响研究

为研究综合规划实施对全省水文情势的影响,在八大水系、两大流域、贵州全省3个层次上,紧扣规划实施对全省径流量时空分配的影响这一中心,从对各层次径流调配能力的变化、对枯期和汛期径流分配改变等角度入手,分层次阐明规划实施对全省水文情势造成的影响,得到了令人信服的结论,获得了环境保护部的认可。本研究所采用的技术方法对其他省份开展类似项目规划环境影响评价有较好的借鉴作用。     

基于二次模式分解和级联式深度学习的超短期风电功率预测EI北大核心CSCD

风电功率预测对电力系统的经济调度和运行至关重要。为了减少集合经验模式分解产生的高频本征模函数IMF1对预测结果造成的影响,使用小波包分解进一步将IMF1子序列分解成若干子系列。针对传统机器学习无法处理时间序列间关联信息和时间相关性的缺陷,提出了级联式卷积神经网络-门控循环单元预测模型,提取风电功率子序列、风速子序列和风向之间的耦合关系的隐含特征,并进一步挖掘各个时间序列之间的时间相关特征。实验结果表明,所提出的预测模型优于其他预测模型,并验证了所提预测模型的有效性。     

大型灌区水资源系统优化配置与管理

大型灌区水资源系统优化配置与管理是节水农业灌溉的重要方面。本文总结了国内外现有的大型灌区水资源系统优化配置与管理的研究理论和方法，并且针对目前我国农业灌溉中存在的主要问题，提出了对我国节水农业的几点建议，指出了新的发展方向。     

贵州乌江干流梯级电站联合生态调度可行性研究

乌江是我国第1条实施"流域、梯级、滚动、综合"开发的大型河流,本文在阐明贵州乌江干流目前出现的生态环境问题的基础上,分析了实施贵州乌江干流梯级电站联合生态调度的可行性;针对乌江干流现有主要生态环境问题以及生态环境的特点,提出了贵州乌江干流梯级电站联合生态调度的主要内容及具体研究思路,为贵州乌江干流梯级电站联合生态调度下...