雾天多次散射对激光透射仪能见度测量的影响

为了分析雾天多次散射引起的激光透射仪能见度测量误差，结合激光大气透射仪的系统参量，基于平流雾和辐射雾分布模型，采用蒙特卡洛法对激光在雾中的传输特性进行了理论分析和数值模拟，获得了雾天透过率数据，并计算得到了多次散射引起的能见度误差。结果表明，在雾天气下随着空气中含水量的增多，多次散射越明显，透过率测量误差越大，辐射雾的透过率相对误差高达116.76%；同等条件下，当接收机直径为100cm时，辐射雾多次散射引起的能见度测量误差为19.30%；同时选取较小的接收机直径可以减小多次散射引起的能见度测量误差。因此, 在雾天应用激光透射仪进行能见度测量时，需考虑多次散射的影响。此研究结果对实际雾天气下激光大气透射仪能见度的测量具有重要的指导意义。     

提取近红外光谱有效变量快速检测猪肉挥发性盐基氮

以市售新鲜冷藏(4℃)猪肉为研究对象,采用蒙特卡洛-无信息变量消除算法和连续投影算法对原始近红外光谱的800个波长变量进行提取,共筛选出与挥发性盐基氮含量直接和间接相关的有效波长变量36个,并采用偏最小二乘法构建预测模型,验证集的相关系数和标准偏差分别为0.876 4和1.205 7 mg/100 g。     

蒙特卡洛法速度谱的自动拾取

蒙特卡洛速度谱的自动拾取采用一种非线性优化的快速方法，所得叠加速度的精度可以满足常规地震资料处理中叠加的要求，转换为层速度后可用于叠前深度偏移成象，在给定初始速度模型前提下建立优化目标函数。采用蒙特卡洛非线性优化算法，以最大相似度量准则在考虑实际地质条件前提下给出速度约束条件，对初始速度模型加以扰动，自动寻找速度谱中叠加能量的全局最优解，从而获得合理的速度模型。实际地震资料处理的应用结果表明，自动拾取速度谱比常规的人工速度谱解释工作的效率大幅度提高。在SUN Ultra60机上,仅需1h即可完成2000km的地震资料的速度谱拾取任务，而且所获得的速度模型不受人为因素影响，转换所得的层速度模型用于叠前深度偏移后，获得了满意的成象效果。     

数论布点法与蒙特卡洛法在石油资源量估算中的比较

本文讨论了用数论布点法与蒙特卡洛法在估算石油资源量方面的差别,包括计算时间上与精度上的差别。通过比较认为数论布点法优于蒙特卡洛法。     

基于蒙特卡洛的动车组差动保护可靠性研究

针对动车组差动保护系统,结合其故障机理及时序特点,构建动态故障树模型,利用马尔可夫蒙特卡洛方法,结合贝叶斯估计法和最大似然估计优点的混合算法来估计动态故障树各底事件的概率分布函数,构造顶事件的布尔函数,利用固定时间步长仿真法进行蒙特卡洛仿真分析求得系统故障概率分布函数,发现绕组故障对顶事件贡献度最高,底事件中锈蚀、谐振、外部短路等对于系统可靠性的重要度较大,可作为制订动车组差动保护系统检修策略的参考,为系统元件改进的优先顺序提供帮助.     

水上飞机模型转动惯量测量试验的蒙特卡洛仿真

为了评判试验数据可信程度和提高试验质量,本文基于蒙特卡洛法,对水上飞机模型转动惯量测量试验进行不确定度分析.结果表明:质转动惯量Ixx、Iyy、Izz的标准不确定度分别为0.25kg?m2、0.26 kg?m2、0.02 kg?m2.转动惯量Ixx、Iyy、Izz和惯性积Ixy、Iyz、Ixz的仿真结果的分布符合正态分布.     

考虑可再生能源随机性的孤岛微网容量优化配置方法

针对孤岛微网中分布式电源出力存在随机性的问题,提出一种考虑随机性的微网容量优化配置方法.首先对微网内部随机性因素进行建模,利用蒙特卡洛(Monte Carlo)模拟的方法获取随机性出力电源出力与负荷功率;在此基础上,以经济性为主要目标,综合协调可靠性和环保因素,考虑电力平衡等约束,建立微网容量优化配置数学模型,采用遗传算法进行求解,并对结果进行敏感性分析.对某海岛地区微网进行案例分析,结果表明该方法实用有效,且约束条件对求解过程和最终方案的影响较大.     

电动汽车参与经济调度的多目标模型

电动汽车通过V2G技术可以作为电网负荷侧的备用容量,由此提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为其目标函数,并让电动汽车通过有序充放电来作为经济调度时的备用容量.在满足各种约束条件下,采用多目标遗传算法(NSGA-Ⅱ)对模型进行求解.电动汽车的负荷特性、负荷波动、真实风能输出和机组停运状态均采用蒙特卡洛算法得到,并以一小时为时间间隔来进行仿真.由模型的求解结果可知,通过选择合适的pareto解集中的值,可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能.     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。