基于时间序列编码和相关向量机的负荷短期预测

针对电力负荷短期预测精度不高的问题,提出一种基于时间序列编码和相关向量机的电力负荷短期预测方法.通过收集电力负荷实际数据,研究了日最大负荷数据之间的关系、日最大负荷与节假日的关系以及当日与对应星期数的相关性,并建立了相应的电力负荷短期预测模型.该模型采用相似日选择方法,给工作日和节假日赋予不同的权重,从电力负荷时间序列中筛选出与预测日特征相似的数据,对模型进行训练.与BP神经网络和支持向量机相比,该预测方法有更高的预测精度和更好的泛化能力,而且学习速度更快.     

基于相似日搜索的改进LMD与ESN相结合的短期电力负荷预测模型

短期电力负荷容易受到自然因素及社会因素的影响,这使得负荷预测比较困难.为了提高短期负荷的预测精度,提出了基于相似日搜索的改进局部均值分解(ILMD)和回声状态网络(ESN)相结合的短期电力负荷预测模型.首先用模糊聚类分析将与预测日最相似的多个日期筛选出来.然后把这些相似日的整点负荷数据按照时间先后排成一组数据序列,用改进的LMD进行分解,对分解出的各个分量分别建立一个ESN网络,对每一个网络分别训练并进行预测.最后把每个网络的预测结果累加起来就是最终的预测值.实验证明此方法能有效提高预测精度.     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。     

改进相似日的频域分解短期负荷预测

基于改进相似日的频域分解短期负荷预测方法,通过对负荷序列进行频域分解,采用外推法、改进相似日法与加权平均法分别对各分量进行预测,将各分量预测结果相加得到最后预测结果,该方法应用于短期负荷预测具有较好的预测精度.     

基于云模型RBF支持向量机的电力系统负荷预测

径向基核函数(RBF)支持向量机被广泛应用于电力系统负荷预测上,然而传统方法在RBF核函数的参数选择上有很多不足之处.为了更精确地选择核函数的参数,提高短期负荷预测的精度,提出一种将云模型和RBF支持向量机相结合的新模型.通过各影响因子的高维云变换确定每个模型的RBF核函数的参数,然后通过模型的加权计算得到最终的预测值.最后,通过与传统模型的仿真对比证明该模型的预测误差比传统模型降低了1.16%,能更好地进行电力系统短期负荷预测.     

改进的BP算法在电力系统短期负荷预测中的应用

针对电力负荷短期预测问题,提出了一种基于相似日的神经网络预测方法,分析传统BP算法的不足,提出一种基于Levenbery-Marquardt优化法的BP模型学习算法,在建立具体模型时,对于24点负荷预测,采用24个单输出的神经网络来分别预测每天的整点负荷值,具有网络结构较小,训练时间短的优点,考虑了不同类型的负荷差异,并对四川省电力公司某区一条线路的供电负荷进行短期负荷预测仿真,仿真结果表明其具有较好的预测精度。     

电动汽车空调系统随机模型预测控制算法研究

为提高电动汽车空调系统的能量效率,提出一种基于马尔可夫链的随机模型预测控制算法. 热负荷扰动对空调系统的温度性能和能量效率存在较大影响,因此文中采用移动边界和集总参数方法,逐步建立了压缩制冷循环和车舱热负荷的动力学模型,建立的空调系统控制模型中包含了热负荷信息.采用马尔可夫链随机方法预测热负荷干扰,提出随机模型预测控制算法. 仿真结果表明,该算法提升了空调系统的温度性能和能量效率.      

短期负荷预测中选择相似日的探讨

合理的选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径。传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷的两个特征量,认为对预测日的负荷水平和负荷曲线形状进行预测时,应该选取不同的相似日,即该文提出的趋势相似日和形状相似日;给出了这两种相似日的选择方案,从日特征量、日前趋势相似度以及这两者的综合3个角度阐述了选择预测日的趋势相似日的原理和方法;该文通过应用实例证实了其中一个方案有效地提高了负荷预测准确度。     

随机集方法在燃气负荷预测中的应用

以燃气负荷(城市燃气日负荷值)预测为目的,提出一个基于随机集方法在燃气负荷预测中的应用。选择某市一月份每日燃气负荷值作为观测数据,燃气负荷是一个随机有限集,选取燃气负荷每一点周围的球形(以均值为中心,马氏距离为半径)作为随机集信度,每日的温度作为自变量,建立一个燃气负荷与温度预测关系的随机集模型,在此基础上,对燃气负荷进行预测并分析预测误差,实验结果表明,该方法能够根据温度数据对燃气负荷做出短期预测。     

基于VMD-IWOA-LSSVM的短期负荷预测

为提高负荷预测结果的精度,设计了 一种基于VMD-IWOA-LSSVM(Variational Mode Decomposition-Improved Whale Optimization Algorithm-Least Square Support Vector Machine)短期负荷预测模型.先通过变分模态算法将原始负荷数据分解成多个子序列,将分解数据分别输入到经由种群变异策略和邻域搜索延伸策略改进的鲸鱼优化算法优化后的最小二乘支持向量机中,每个子序列的预测结果进行相加,即可得到最终的预测结果.通过仿真对比实验,4月1日和8月1日VMD-WOA-LSSVM的平均绝对百分比误差(MAPE:Mean Absolute Percentage Error)与VMD-WOA-LSSVM 相比,分别下降了 0.17和0.33,证明了 VMD-IWOA-LSSVM 短期负荷预测模型可以有效改善电力负荷预测的准确性.     

汉字构词论略

运用民俗语言文化的研究方法,通过较详实的语言资料,认为:用拆字和改字手段形成的文字造词法是汉民族语言所独具的一种造词方式.指出:现代语言研究应真正深入到历代社会民间俚俗语言的源头活水之中,从而在汉语造词法体系中给文字造词法一个应有的科学定位.     

图像空间关系特征描述

图像目标空间关系的描述是基于内容的图像检索中的关键技术，通过空间位置关系识别事物更符合人们的习惯．回顾并比较了图像中的目标空间关系的特征及描述方法，指出了存在的问题，并提出了改进的建议．     

图像空间关系特征描述

图像目标空间关系的描述是基于内容的图像检索中的关键技术,通过空间位置关系识别事物更符合人们的习惯.回顾并比较了图像中的目标空间关系的特征及描述方法,指出了存在的问题,并提出了改进的建议.     

从电视节目《汉字听写大会》看汉字教育

汉字是中华文化的瑰宝，它承载着中华文明，记录着悠久历史，是中华民族智慧的集中体现。前不久，关于汉字的电视节目《汉字听写大会》轰动一时，引发了广泛的关注，让人们逐渐认识到我们的汉字教育长期以来都没有得到应有的重视，汉字使用和汉字教育存在问题。     

粘连搭接字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一．对于中英文混排粘连搭接字符图像，提出了一种基于识别反馈的字符切分方法．该方法结构简单，容易实现，实验结果表明该方法有较好的切分效果．     

基于中英文字符型属性的数据库水印算法

提出了一种基于中英文字符型属性的数据库数字水印算法。通过元组哈希值和字符属性值长度计算出预测嵌入位置,根据预测嵌入位置所在的字节序号确定水印嵌入位置。以ASCII字符集的不可见字符作为水印信号,将版权图像嵌入宿主数据库。嵌入的水印信号具有不可见性,并且保持数据库的原始可用性,可实现水印的盲提取。该算法对添加元组、删除元组、修改属性值、添加与删除属性以及元组与属性重排等常见数据库攻击具有较强的鲁棒性。     

基于中英文字符型属性的数据库水印算法

提出了一种基于中英文字符型属性的数据库数字水印算法。通过元组哈希值和字符属性值长度计算出预测嵌入位置,根据预测嵌入位置所在的字节序号确定水印嵌入位置。以ASCII字符集的不可见字符作为水印信号,将版权图像嵌入宿主数据库。嵌入的水印信号具有不可见性,并且保持数据库的原始可用性,可实现水印的盲提取。该算法对添加元组、删除元组、修改属性值、添加与删除属性以及元组与属性重排等常见数据库攻击具有较强的鲁棒性。     

关于Brauer置换引理的一种特征标π-理论形式

设G和H是两个有限的π-可分群，在这篇文章中，我们证明了：若G和H同构，则它们的π-special特征标集合之间存在双射；特别地，我们将著名的Brauer置换引理推广到了特征标的π-理论上。     

基于SSDA匹配的车牌字符识别中问题的研究

SSDA算法（序贯相似性检测）是针对一般模板匹配算法计算量大而提出的减少计算量的误差累计算法．但它同样需要依据图像之间的像素点对进行计算，从而对字符图像的变形敏感．在从事车牌自动识别课题研究中应用SSDA算法进行字符识别过程中，为了减小字符图像变形，在字符倾斜校正、字符二值化、字符切分和字符归一化过程中都围绕其加以改进或提出新算法．     

高校图书馆服务特性新论

新时期的高校图书馆服务,具有自主性、知识性、教育性、服务性和效益性等方面的新特性,是“以我为主,知识为源,教育为本,服务为形,追求效益”的服务。