CAI软件图形处理技术

计算机辅助数学软件往往要在同屏下管理文本和图形文件直接采用ＤＯＳ环境下常用的绘图方法制图，在图形的自下而上或管理等方面不尽人意。本文在研究ＣＡＩ软件中图形特点的基础上，提出了一种借助Ｃ语言，将ＡＵＴＯＣＡＤ平台下制作的局部图形转换成可执行文件的图形处理技术，有效的解决了ＣＡＩ开发系统制作，调用图形文件并同时管理文本，图形模式的问题。     

基于样条估计分位数回归的光伏功率回归模型

光伏发电功率预测的准确与否是太阳能光伏发电是否能够有效地并入当前电网从而大大地提高太阳能利用率的关键.分位数回归是一种能够给出输出量的详细完整分布,从而便于分析与研究的回归模型.样条就是仅在节点处平滑连接的多项式函数,样条估计具有简单易行和计算速度快的优点.本文通过建立基于样条估计的分位数回归模型,在光伏面板发电功率数据的基础上,拟合光伏功率曲线,通过计算残差平方和和确定系数进行对拟合效果的评估.结果表明,该模型利用已有的光伏面板发电功率数据,可以在给出功率预测值的完整分布的同时,准确有效地分析相关因素对光伏发电功率的影响,展现不同分位点的回归拟合效果,从而有效地提高光伏系统对太阳能的利用率,避免光伏发电在接入电网时所产生的不利影响.     

粒子群算法优化RBF-SVM沙尘暴预报模型参数

为提高沙尘暴的预报准确率,针对目前已出现的RBF—SVM沙尘暴预报模型中的参数优化进行研究．利用基本粒子群优化算法（SPSO算法）中粒子速度及其位置与RBF—SVM模型中参数对相对应,对沙尘暴进行预报,为解决SPSO算法易陷入局部解的缺陷,提出了惯性权值自适应调节的改进粒子群算法（WPSO算法）,并对沙尘暴RBF—SVM模型参数进行了优化．仿真结果表明,无论是SPSO算法,还是WPSO算法,在优化RBF—SVM沙尘暴预报模型参数方面都表现出了良好的性能,分别比已有的SVM方法的预报准确率提高了22．3％和45．3％．     

基于关系型数据库的电力网连通性判断

在采用关系型数据结构描述电力网网络图之处，分析了网络图的连接关系与相应的关系型数据特征之间的规律，设计出简捷，合理，运行效率高的算法，在由关系型数据库生成树过程中，通过冗余信息的筛选及删除，生成树记录的转移，网络图的连通性随即显现出来，另外，采用关系型数据结构描述网络图及其生成树，数据结构简洁，包含信息量充分，特别适合于网络图中孤立网的查找和修复，再借助强大的数据库前端开发平台，使得应用软件的开发及其运行简单高效。     

基于深度学习的短时强降水天气识别

气象预报人员面临的问题之一是如何准确有效地识别短时强降水天气.短时强降水是一种主要由强对流天气形成的气象灾害,产生原因与空气湿度、大气中的水分以及温湿等物理量参数有关,由此提出基于物理量参数和深度学习模型DBNs的短时强降水天气识别模型.首先,利用SMOTE算法人工合成短时强降水少数类(相对于非短时强降水天气类)样本,调整原始数据集不均衡分布问题;然后通过含有高斯玻耳兹曼机的深度学习模型对地面大气监测站逐小时加密的观测量,以及常用于天气预报分析的物理量等低层特征构造出抽象的高层特征,发现数据特征内在关系;最后实现了DBNs短时强降水的自动识别模型.结果表明,该方法能够较为准确地识别短时强降水,对于短时强降水的命中率、误警率和临界成功指数,都有着较好的表现.     

中文切分词典的最大匹配索引法

提高自然语言词典的检索速度是提高计算机处理系统速度的重要途径,考虑到汉语语词的切分中使用词典的特点,参考“Ｔｒｉｅ索引”方法,提出了一种多层次的词典索引结构和最大匹配待渣汉字串的检索方法,使用这种方法,切分系统每次都能查到所需,大大提高了切分的工作效率,在查一个登录的词时,也较一般的方法快。     

基于SVM的沙尘暴预测模型

根据沙尘暴天气的特点和支持向量机（support vector machine，SVM）方法在解决小样本学习问题中的优势，提出基于SVM的沙尘暴预测模型．首先利用主成分分析法进行数据预处理，然后选择了径向基核函数，并通过分析惩罚参数和核参数对SVM分类器性能的影响，确定了参数的搜索空间，继而利用网格搜索法对其进行优化．在此基础上，构建并实现了基于SVM的沙尘暴预测模型．该模型与BP神经网络模型的运行结果对比表明，基于SVM的沙尘暴预报模型稳定性好，运行速度快，预报准确率提高了71．2％．