恋爱中的动物

爱情总是甜蜜中夹杂着痛苦,谁敢说他(她)没有过爱到心痛的经历?不过,比起那些为爱情而身心俱损的动物来说,人类的痛苦真是小巫见大巫了。动物王国的爱情里常常充斥着血腥暴力,甚至为此付出生命。雄性的falsemap龟的体形比雌龟小,却颇有些“大男子主义”。交配前,它会游到情人面前,用长长的前爪敲击雌性的嘴部,就像是敲击一面羊皮鼓。那得意的神情仿佛在炫耀:“我很小可是我很强壮!”雄性螳螂比雌龟更加不幸,它随时都有可能被情人咬断脖颈。而在雌     

基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测

鉴于目前使用变分模态分解（VMD）搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。本文提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与LSTM的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization,NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明：该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。     

苍鹰翼尾缘结构的单元仿生叶片降噪机理研究

利用逆向工程方法提取苍鹰尾缘非光滑形态的降噪特征元素,由此建立了仿生叶片结构模型;采用基于Smagorinsky亚格子应力模型的大涡模拟,结合基于Lighthill声类比的FW-H方程,分别对仿生尾缘锯齿叶片和标准叶片的流道模型进行了三维流场及声场的数值计算;通过分析仿生齿形结构对叶尾迹流场的影响,研究了仿生尾缘齿形结构的气流噪声控制机理.结果表明:仿生尾缘锯齿结构叶片的总A计权声压级比标准叶片降低了9.8dB;叶片尾缘锯齿结构可以改变流场噪声峰值的分布规律,从而降低了噪声峰值,且大部分频率范围内的气动噪声均有所降低;仿生尾缘锯齿结构可以改变各截面尾迹涡的脱落位置,从而增大了涡心之间的距离,抑制了脱落涡对尾迹流动的扰动,进而减小了叶片表面的非定常压力脉动和尾迹涡引起的气动噪声.     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

小故事

正1、能到达金字塔顶端的动物:一是苍鹰,二是蜗牛。苍鹰是因为它们拥有傲人的翅膀;而蜗牛能爬上去就是认准了自己的方向,并一直专注朝着这个方向坚持,不为道路上的小风景停留下来,它们要的就是最高的位置,看到最好的风景。2、小鸡问母鸡"妈妈,今天可否不用下蛋,带我出去玩啊?"母鸡道:"不行的,我要工作。""可你已经下了许多的蛋了。"小鸡说。母鸡意味深长地对小鸡说:     

西域寻鹰记——鹰猎活动值得发扬光大吗?

鹰猎,即驯养猛禽进行捕猎,具有悠久的历史。早在4000年前,中亚的一些民族就有养鹰、驯鹰的习俗;远古文化遗存的岩画或图腾中也存有先民驯鹰和狩猎活动的相关记录。随着时代的变迁,鹰猎渐渐淡出人们的生活。近年来,由于民族、区域和文化等因素的不断变化,鹰猎文化再次得到了世人的关注。在猛禽等珍稀动物受到法律严格保护的今天,捕鹰、养鹰和驯鹰却可以"法外开恩",有些地方甚至因此成为"鹰猎之乡"或"文化遗产     

室内障碍环境下空气质量监测异构WSN部署

针对室内空气质量中污染性气体众多、浓度分布不均，单一传感器无法有效监测，而且室内障碍物会对传感器部署位置造成影响的问题，通过改进北方苍鹰优化算法（improved northern goshawk optimization, INGO）对障碍下异构传感器进行部署研究。首先，采用SPM混沌映射对种群进行初始化，以解决原始北方苍鹰算法初始化种群多样性不高、覆盖率低、冗余度高的问题；其次，使用非线性步长权重改进Lévy飞行策略，对种群位置进行更新；最后，融合柯西变异和反向学习，解决算法后期种群易陷入局部最优的问题。结果表明，改进的优化算法在无障碍和障碍环境下覆盖率分别达到了94.2%和93.0%，与其他学者在无障碍环境下提出的算法进行对比，覆盖率分别提高了0.8%，1.2%，2.8%，7.1%。INGO算法能够对室内障碍环境下的空气质量监测传感器进行最优部署，为室内空气质量监测等复杂环境异构传感器的部署问题提供科学依据。     

基于改进NGO算法的煤体应力反演

大直径钻孔卸压是防治煤矿冲击地压的有效手段之一,研究钻进过程煤体应力的变化情况对防止冲击地压有重要意义。目前关于钻进参数与煤体应力的关系模型研究较少且精度有限,对此本文提出了一种基于北方苍鹰优化算法(northern goshawk optimization,NGO)与支持向量回归(support vector regression,SVR)的PSO-NGO-SVR煤体应力反演模型。首先,该模型在NGO种群初始化阶段引入Tent混沌映射,并将粒子群算法（particle swarm optimization,PSO）的优势融入到北方苍鹰算法中,使改进后的北方苍鹰算法拥有更好的性能;接着,使用改进后的北方苍鹰算法对支持向量回归中的超参数迭代寻优;最后,以迭代后的最优超参数建立模型。结果表明:改进后北方苍鹰算法的敛速度和收敛精度有较大提升,PSO-NGO-SVR煤体应力反演模型拥有较高精度。