基于灰度模型的电能量异常数据修复研究

提出了一种基于灰度模型的电能量异常数据修复方法,以经过识别的正常历史电能量数据作为输入变量,以异常点所处的时间节点电能量数据作为输出变量,经过一次累加,级比检验,求解预测方程得到预测值,动态地对电能量数据进行迭代预测,最终对预测值进行精度检验,预测的平均相对残差为2.182%,根据结果对原始数据进行修改,从而达到修复电能量异常数据的目的.以某区域实际电能量数据进行模型预测修复,并对结果以及误差进行分析,验证了该方法的可行性.     

一种基于关联度的区间型数据离散化方法

数据离散化是数据预处理中的一项重要内容.本文针对区间型数据离散化问题进行研究,提出一种连续区间属性值离散化的新方法,提出一种新的变量-关联度,通过区间数的关联度来描述对象间的相关性,定义关联度阈度确定离散关系,来实现对区间数据的离散化.最后采用多组数据对此算法的性能进行检验,并与其他算法做对比实验,实验结果表明本算法是...     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

铜川市产业结构发展趋势的成分数据预测

饼图中各份额数据的组合被称为成分数据。由于不能满足成分数据两个约束条件,以往对按时间顺序收集的成分数据预测,其预测值之和不等于1。针对这个问题,文中采用球坐标变换方法,对铜川市产业结构和就业结构进行预测。该预测结果可为铜川市产业结构调整提供有益的指导和参考。     

稳态实时数据校正在焦化碳一生产中的应用

提出一种分两步进行物料平衡的实时数据校正方法。充分利用测量数据的时间冗余性,剔除不可靠的数据。建立多元回归模型,根据历史数据对含有显著误差的测量数据预测,使其预测值参与协调。仿真研究证明了此法的有效性,并大大提高了协调精度,节省了协调时时间。     

基于卡口数据的机动车出行生成模型

针对出行生成预测方法需要耗费较多的人力物力调查、数据精细化程度较低的现状,综合考虑土地利用类型、土地利用混合度、可达性等指标,使用海量卡口数据获取机动车出行生成量并建立逐步回归分析模型;通过与灰色预测模型耦合的方法对回归模型中人口、就业岗位等灰色变量进行预测,将预测值代入所得线性回归方程得到相应土地类型目标年机动车出行生成的预测量.以武汉市为案例研究对象,分析了典型土地利用类型上的机动车出行发生和吸引的主要影响因素,并对预测值予以验证.研究结果表明:不同土地利用类型的机动车出行产生和吸引的关键影响因素不尽相同,本模型平均预测精度在0.932,可为交通规划用地布局等提供参考.     

铜川市产业结构发展趋势的成分数据预测

饼图中各份额数据的组合被称为成分数据。由于不能满足成分数据两个约束条件，以往对按时间顺序收集的成分数据预测，其预测值之和不等于1。针对这个问题，文中采用球坐标变换方法，对铜川市产业结构和就业结构进行预测。该预测结果可为铜川市产业结构调整提供有益的指导和参考。     

稳态实时数据校正在焦化碳一生产中的应用

提出一种分两步进行物料平衡的实时数据校正方法.充分利用测量数据的时间冗余性,剔除不可靠的数据.建立多元回归模型,根据历史数据对含有显著误差的测量数据预测,使其预测值参与协调.仿真研究证明了此法的有效性,并大大提高了协调精度,节省了协调时时间.     

多通道实验数据的计算机网络实时采集软件系统的开发

开发出与PCL818HG型多通道A/D转换采集卡配套的多通道实验数据的计算机网络实时采集软件系统,不仅可以同时进行多路实验数据的实时采集工作,而且采集卡资源可以通过实验室局域网供其他计算机使用,提高了硬件资源的利用率和实验效率.     

模糊数据关联在多传感器多目标跟踪中的应用

运用现代数学中的综合分析方法 ,对杂波环境下多传感器多目标跟踪中的模糊数据关联算法进行了研究 ,讨论了两航迹状态估计向量间关联度的度量、评价方法和模糊关联准则 ,并对算法进行了仿真分析 ,结果证明模糊关联算法对数据关联的质量有明显改善     

基于人工神经网络的联合厌氧消化产气预测模型

有机固体废物厌氧消化为非均相体系,预警调控对系统的稳定运行非常重要。为了准确预测负荷跨越式提升的联合厌氧消化体系的日产气量,利用灰色关联分析方法量化了厌氧消化体系中常见因素间的关联度,评估了厌氧消化体系的复杂程度,构建了反向传播（back propagation,BP）神经网络对日产气量进行预测。结果表明,各指标间的灰色关联度均大于0.7,表明厌氧消化体系中各参数之间关系的高度的关联性和复杂性。利用试验获取的148组数据作为BP神经网络的训练集和测试集,构建的BP神经网络精度较高,对148组样本数据的平均预测准确率达到99.17%,对日产气量具有较好的预测能力。     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

基于SSA-BP的离港航班滑出时间预测

针对传统反向传播(back propagation, BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s内的准确率提升了7%。;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

基于改进BP神经网络的镁还原率预报研究

介绍了BP神经网络和遗传算法的原理及特点,简述了皮江法炼镁工艺流程。为了研究各工艺参数与镁还原率之间的关系,针对标准BP神经网络存在的收敛速率慢、易陷入局部极小值等缺陷,建立了以煅白活性度、配硅比、制球压力、还原时间、还原温度、真空度为输入,镁还原率为输出的基于遗传算法优化的BP神经网络镁还原率预报模型。利用筛选后的生产数据对模型进行训练和预测,结果显示该预报模型能够较为精确地预报镁还原率,预测误差在±1.0%范围内的命中率达96%,最大误差小于1.3%,一定程度上可用于指导皮江法炼镁工艺中工艺参数的选择。     

基于改进熵权法和SECEEMD的短期风电功率预测

为实现短期风电功率的高精度预测,综合考虑风电功率数据波动性以及多维气象数据对风电功率预测的影响,提出了一种基于改进熵权法和SECEEMD的短期风电功率组合预测方法。首先,提出了一种综合相关性分析模型,结合多种特征选择方法对多维气象特征实现综合评价,准确筛选与风电功率相关性较高的气象特征,提高预测精度。其次,针对CEEMD(Complementary Ensemble Empirical Mode Decomposition,互补集合经验模型模态分解)存在的分解分量过多,模态混叠程度加剧的问题,提出了SECEEMD分解算法,在降低分量数量,降低模态混叠程度的同时,提高模型的训练速度。然后,分别建立NWP-LSTM和SECEEMD-BP预测模型,并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构;最后,通过改进熵权法寻找到最优权重组合进行加权组合。实验以内蒙古某风电场的风电功率数据和气象数据为实验数据,经验证,本文所提预测模型,能较大程度提高预测精度,相较于一般预测模型,R2-Score分别提高了4%和0.6%,MAE分别降低了44%和1.1%,证明本文所提风电功率预测方法具有更高的预测精度和更快的训练速度,更加适合进行风电功率预测。     

基于小样本数据的BP神经网络建模

针对小样本条件下BP(back propogation)神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题.首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中.利用实际中的结晶动力学问题对所提方法进行...     

基于改进的反向传播神经元网络复杂煤岩层对比方法研究

为了提高复杂地区煤岩层对比的准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本文把求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法有机地结合起来,取长补短,用于复杂地区煤岩层对比。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络进行复杂地区煤岩层对比工作。本文利用测井曲线采用小波变换分析沉积旋回,并用于煤岩层对比。该新方法在钱营孜煤矿的复杂煤岩层对比中,取得了较好的效果,比常规的单一方法和简单的组合方法效果要好。     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

基于IPSO-BP神经网络的坝基扬压力预测方法研究

针对坝基扬压力预测的传统BP神经网络模型初始权值和阈值随机性强、易陷入局部最优等局限,采用惯性权重动态调整的改进粒子群算法对BP网络的初始权值和阈值进行优化,建立了基于IPSO的BP神经网络坝基扬压力预测模型．通过算例验证算法的优越性及程序的准确性,并以某大坝多年扬压力监测数据进行工程实例应用,结果表明,IPSO—BP扬压力预测模型与传统BP模型相比,拟合相关系数大,统计误差小,预测精度更高．