具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性,采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。为了使模型能够象专家一样不断地总结新的经验并调整原有的经验,模型克服了其它模型中知识的凝固性,具有自学习功能。利用某些区的实际数据进行分析计算,得到了满足的结果。     

玛纳斯河年径流的灰色拓扑预测

运用灰色系统理论中的拓扑预测法,提出一种较适合于水文实测资料缺乏情况下的中长期预报方法,并利用玛纳斯河水文站的实测资料序列对该方法进行成功地验证。     

北江洪水预报模型

将北江流域按区域下垫面特征进行分区,建立起各单元区产汇流模型,并与北江干流非恒定流水力学演算模型耦合,形成适合北北流域洪水特点的实时洪水预报模型,用北江“９４．６”洪水验证的结果表明,模型预报精度较高,最后,还指出了模型存在的问题和进一步研究的方向。     

神经网络在橡胶硫化温度预测中的应用

本文针对难以通过在线测温实现等效硫化控制的情况,在确定硫化条件的直接测温实验基础上,提出了用神经网络模型预测实际生产过程中硫化制品内部温度的方法．在该方法中将所测温度值作为样本提供给神经网络学习,温度采集时刻及易测外部温度作为网络输入,输出值则是在硫化时制品难测温点处不同时刻的内温．神经网络通过学习取得了良好的效果,网络输出的温度值将成为等效硫化计算和硫化质量智能控制的有价值的依据．     

具有真实感的虚拟人头部的一种构造方法

在人类交流信息、情感和动机暗示的广泛能力之中，面部是其中最关键的组成部分之一．因此，具有真实感的三维人脸模型的构造和动画是计算机图形学领域中一个重要的的研究课题．如何能够便捷有效的构造出具有真实感的三维人头部模型是其中一个难点．本文介绍了一种三维人头部模型的构造方法．该构造方法基于一个已存在的三维头部的无个体特征的一般模型，该模型可以经过调整而创造出具有个性特征的头部模型；借助于从两张从正交角度拍摄的普通的某个人的二维照片上采集到的能够反映该个体特征的数据参考点作为控制点，通过DFFD(Dirichlet Free-Form Deformation)的自由变形方法，调整该三维头部模型，进行非线性变形，向特征人面部结构逼近，从而构造出具有个性化特征的头部模型．在此基础上，本文提出了对该方法的一种改进，即对用来进行控制非线性变形的参考点赋以不同的权值，进行分层次控制，从而使得三维头部模型能够更精确的再现个体特征．     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于反馈加权组合的电力市场下中长期负荷预测方法

本文简单分析了几种常用的中长期负荷预测方法存在的缺点,针对电力市场环境下对负荷预测精度的高要求,提出了一套精度较高且实用的中长期负荷预测的方法.应用该方法对广西某地方电网进行负荷预测,计算结果表明,该方法的预测结果误差小,在实际预测领域有较高的实用价值.     

基于支撑向量机在线学习方法的短期负荷预测

提出了基于支撑向量机在线学习方法的短期负荷预测,该方法克服了传统的支撑向量机负荷预测当训练样本集合改变时为了保证预测精度必需重新进行训练来得到新的回归函数的缺点.充分利用支撑向量机解的稀疏性和前一次的训练结果,提出了递增和递减算法,直接修改原有回归函数的系数来得到新回归函数.实例计算表明,该方法与传统支撑向量机方法相比,具有计算速度快,推广能力强的显著特点,在相同预测精度下,计算速度提高了近两个数量级.     

需求信息预测与处理中的牛鞭效应

研究了在不稳定的市场需求下，生产商和零售商所组成的供应链系统中的牛鞭效应存在问题．提出了当零售商采用一次平滑指数法或简单移动平均法获得需求信息的过程中，不存在波动放大现象．证明了在生产商和零售商都采用固定间隔库存策略处理需求信息的过程中，显著存在波动放大现象，从零售商到生产商的信息传递过程中，存在着牛鞭效应现象．需求过程中的牛鞭效应主要是由于生产商和零售商利用各自库存策略处理信息的结果．     

采样间隔非均匀一阶渐近增长模型及贝叶斯预测

利用贝叶斯预测方法给出采样间隔非均匀情况下的一阶渐近增长模型，当观测误差方差已知时，给出了它的先验分布、预测分布和后验分布的修正递推算法。