基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

基于小波分析的径向基神经网络年径流预测

对年径流的预测采用基于小波分析的径向基神经网络模型,从时频分析角度出发,把水文年径流序列分解成不同的频率成分,用径向基神经网络对小波分解的周期和趋势频率成分分别进行预测,然后通过小波重构得到水文时间序列,从而可以对未来的径流变化情况进行描述.     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

小波包分析和支持向量机用于直肠感知功能重建

针对临床上肛门失禁导致的直肠感知功能丧失,提出一种基于小波包分析和支持向量机( support vector machine,SVM)重建患者直肠感知功能的方法.分析人体直肠生理特征,将典型直肠压力收缩波形中的巨大移行性收缩作为产生便意的主要依据.利用小波包分析对直肠压力信号进行特征提取,以分解层结点的L2范数和标准差作为特征向量.通过提取的直肠压力信号特征向量对基于SVM的直肠感知预测模型进行训练,对SVM的惩罚因子和核函数宽度进行交叉验证优化,并利用训练后的模型进行便意预测,同时对比分析了基于前馈神经网络和基于不同核函数的SVM便意预测的准确率.实验结果表明,所提出的方法能帮助患者重建直肠感知功能.     

年径流预测的小波系数加权和模型

利用连续小波变换和小波方差分析年径流的周期特征,已被众多学者认可并应用于年径流的分析中。但这种方法只是一种定性预测,并不能作出比较明确的定量预测.本文在原有定性分析方法的基础上,提出基于年径流时间序列主周期小波系数加权求和预测周期成分的年径流预测模型.该方法更为有效地利用了小波分析的多分辨率特征,并可减小趋势成分的预测误差.经对千河流域年径流建模并检验,结果表明,文中所提出的预测方法可得到较为理想的预测结果,并可用于年径流时间序列预测.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

RNAi机制的研究进展

RNA干涉广泛存在于各种真核生物中,而且其基本的作用机制也具有高度的保守性．最近,研究发现RNAi在许多重要的生物学过程中发挥调节作用,具有重要的生物学功能．而且RNAi技术已经成为研究功能基因组学的一种有力工具．     

论诸种电影元素在塔尔柯夫斯基作品中的运用

对诸种电影元素的极其严谨而和谐的运用并使其完美地服务于作品整体的精神内涵,这是塔尔柯夫斯基高度的电影艺术成就的一个重要方面。从作品的人物、表演、摄影、剪辑、色彩与声音诸要素来看,它们都能很好的实现作者的表意目的。     

适可而止的“栖息”

当今的设计将重点探讨物品、过程、服务中的方式创新,亦即谋事,其研究具有广泛性和纵深性。设计承载的是人类的理想、道德的重任,设计是一种生产关系,是科学与艺术发展的动力,是人类生存智慧的源泉。     

网络通读系统技术的实现

通过对网络通讯系统的分析，进而得出如何实现网络通讯系统的设计思想及表现方法。     

我国冰上运动员（1999—2000）个性特征分析论述

应用艾森个性问卷（Eysenck perscnlity Questionnaire)简称（EPQ）,对中国冰上运动员273人个性特征调查结果：以外向稳定者为多,占35．17％,冰球队及速滑队多为外向,花样队多为内向,冰球队及花样队以稳定为主,速滑队台湾省稳定为主P＜0．005,男女个性有差异,男以外向型为主P＜0．005,各年龄组的个性有差异,16岁以上组为外向为主,随年龄增大而情绪逐渐稳定,文化程度,小学者以内向为主,初中以上者逐渐为外向化,在运动员间;P项方向,主要运动员与一般运动员看不出有差异,E及N项乃主要运动员较低,L项主要运动员较高,在各队间T分比较：P项乃花样高于其他,E项为花样低于其他,N及L项;在冰球,花样及速滑均无显著差异P＞0．05,少年组与成年组比较：P项少年组高,E项少年组低,N项成年组低,L项各年龄段有差异,冰球队各位置PENL的T分比较P＞0．05,均看不出有显著差异。     

从E=mc2看质量与能量之间的关系

把E＝mc^2解释成质量与之的“转化性”或“同一性”都是不科学的，正确的解释应该是，这一关系式表示了质量与能理之间的不可分割性。     

计算机网络互联技术研究

本文详细分析了计算机网络互联原理及各种互联设备。     

电荷掺杂和Cl掺杂聚吡咯、聚呋喃、聚噻吩的导电性理论研究

利用Gaussian 03程序包中的密度泛函理论在B3LYP/6-31G(d)水平下,对未掺杂、电荷掺杂和C l掺杂的聚吡咯、聚呋喃、聚噻吩进行几何全优化,并对它们的几何结构、自旋密度、自然键轨道(NBO)、前线轨道能进行了理论分析.结果表明,电荷掺杂能使聚合物键长趋于平均化,其极子分布几乎遍及了整个分子链而C l原子掺杂对聚合物的影响主要集中在与C l原子相邻的C原子上,极子分布局域在C l原子附近的大约7个碳原子上,掺杂能够明显增强π电子共轭性,降低能隙,从而增强导电性.