基于CEEMDAN算法及NARX神经网络的短期负荷预测

为了提高电力负荷预测精度,提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)算法和外部输入非线性自回归(nonlinear auto regressive with exogenous inputs,简称NARX)神经网络的短期负荷预测模型.首先,通过CEEMDAN算法对电力负荷原始信号进行分解,得到若干个本征模态函数分量和1个残差分量;然后,将得到的若干个本征模态函数分量和1个残差分量输入NARX神经网络进行预测;最后,将各分量的预测结果进行叠加得到短期负荷预测的最终结果.实验结果表明:CEEMDAN算法与NARX神经网络相结合的负荷预测模型有较强的收敛性能,能减少噪声对预测结果的不良影响、有效提高预测精度.     

基于二次模态分解的LSTM短期电力负荷预测

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。     

基于CEEMDAN-GRU的主泵电机绕组温度预测

针对核电站主泵电机绕组温度的预测问题，提出了基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和门控循环单元(gated recurrent unit,GRU)的预测模型。首先使用CEEMDAN对采集到的绕组温度序列进行分解，经过分量重构得到其高、低频分量和趋势项，在此基础上分别构建各分量的GRU预测模型，将各分量的预测结果叠加集成得到绕组温度的整体预测值。仿真结果表明，与传统的循环神经网络(recurrent neural network,RNN)、长短期记忆(long short-term memory,LSTM)模型和GRU模型相比，本文提出的预测模型在多元评价指标方面均优于其他模型，具有更高的预测精度，验证了该模型的可行性。     

基于改进经验模态分解和支持向量机的短期风速组合预测

为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。     

基于经验模态分解-粒子群优化-长短期记忆的车间电力能耗预测方法

针对传统能耗预测方法不能充分提取数据特征并利用神经网络的学习、预测能力，提出了一种基于经验模态分解-粒子群优化-长短期记忆(EMD-PSO-LSTM)的电力能耗预测模型。该模型首先采用经验模态分解算法将时间序列数据分解为多个本征模函数分量和趋势分量，然后对每个分量分别建立长短期记忆网络进行预测。各个长短期记忆网络的参数则由粒子群算法分别进行最优化求解，最后将所有分量的预测结果进行叠加得到最终的能耗预测结果。将预测结果与实际能耗数据进行对比分析来验证所提模型的预测性能。试验结果表明，该方法能够对电力能耗数据进行合理预测，预测精度较高。     

基于VMD-IPSO-RFR模型的光伏发电功率预测

针对预测数据噪声过大或超参数调整不当,导致随机森林回归(RFR)模型预测光伏发电功率精度不高的问题,提出一种基于变分模态分解(VMD)结合改进的粒子群(IPSO)优化随机森林回归(RFR)的光伏预测模型。该方法先用灰色关联度系数法(GRA)选取相似日,再使用VMD把相似日功率数据分解为一系列相对平稳的子模态,突出光伏发电功率的局部特征信息,降低数据的不稳定性,然后利用IPSO对RFR中超参数进行寻优,将优化后的IPSO-RFR模型对各个分量进行预测,最后将预测结果进行叠加重构。实例证明,该模型在晴天和阴雨天的预测平均绝对百分比误差分别为10.64%和5.42%,预测精度相对较高。     

基于MWSA的热力系统单参数时序预测方法

热力系统的状态参数变化可以实时反映系统的运行状态，针对热力系统参数运行数据预测手段匮乏的现状，基于4种算法提出一种单参数预测方法并简称MWSA,对当前设备状态参数进行分解降噪、趋势提取和时序预测，并将预测结果作为下一步运行管理策略和装备维修的参考，对系统的长期安全稳定运行具有重要意义.首先，利用中值回归经验模态分解(MREMD)方法将监测得到的运行状态参数分解为若干个本征模态函数(IMF)和残余分量.然后，对不符合筛选条件的分量进行小波阈值降噪(WTD),并将去噪后的分量与原本符合筛选条件的分量重组成新的IMF分量.最后，利用基于奇异值分解(SVD)和优化参数排列熵(PE)的K-means聚类算法，对重组后的IMF分量进行分类，取熵值较低的一类分量重构为趋势项并采用整合滑动平均自回归模型(ARIMA)进行预测.经实际案例验证，该方法能够有效克服原始参数时序中高频噪声的干扰，与不采用降噪处理的同类方法相比，该方法预测的准确度更高.     

基于双阶段注意力机制的大坝变形深度学习预测模型

为提升大坝结构变形预测精度，采用完全自适应噪声集合经验模态分解(CEEMDAN)法将变形实测序列解耦为一系列具有不同时频特征的本征模态函数，使用小波阈值消噪对高频分量平稳化处理后进行重构，利用基于双阶段注意力机制的长短期记忆网络(DA-LSTM)模型对重构变形序列进行预测。实例验证结果表明，联合CEEMDAN算法和小波阈值消噪方法能够有效识别并清洗实测数据中的异常值，提升了测值对大坝运行性态的表征能力，同时DA-LSTM模型可以充分挖掘大坝变形的滞后性和增强网络的可解释性，据此构建的变形预测模型具有优良的稳健性。     

基于经验模态分解的CEEMDAN-FE-LSTM传染病预测

针对现有的传染病预测模型未充分考虑到时间序列的复杂度,提出了一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和模糊熵（FE）改进长短时记忆网络（LSTM）的传染病组合预测模型.首先,运用CEEMDAN算法将序列分解成若干个不同频率的模态分量与残差分量,以降低原始时间序列的复杂度;然后,运用FE算法计算各分量的时间复杂度,并将其重构为不同尺度的序列以提高运算效率;最后,建立LSTM模型对重构序列分别进行预测,得到最终预测结果.根据2010年1月至2021年12月肺结核、乙肝、布鲁氏菌病和艾滋病发病数据进行模型预测,并与SARIMA模型、CEEMDAN-FE-SARIMA模型和LSTM模型进行对比.结果表明,提出的模型较常规模型可以更好地把握传染病发病的变化规律,降低时间序列的复杂度,提高传染病预测精度.     

基于WPD-AHA-ELM模型的水质时间序列多步预测

根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH₃-N多步预测.首先介绍AHA原理,在不同维度条件下选取6个典型函数对AHA进行仿真测试,并与灰狼优化(GWO)算法、旗鱼优化(SFO)算法、粒子群优化(PSO)算法的仿真结果进行比较;其次利用WPD对水质时序数据进行小波包分解,以降低水质序列数据的复杂度;并在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入、输出;最后通过各分量训练样本构建ELM适应度函数,采用AHA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值建立WPD-AHA-ELM模型对各子序列分量进行超前1步至超前5步预测,将预测结果加和重构得到最终多步预测结果.结果表明：AHA具有较好的寻优精度和全局搜索能力,寻优精度优于GWO、SFO、PSO算法.WPD-AHA-ELM模型对实例断面pH、CODmn、DO、NH₃-N超前1步至超前5步...     

冬虫夏草菌生物转化人参皂苷Rb1的研究

研究冬虫夏草菌对人参皂苷Rb1的生物转化性质。利用冬虫夏草菌对人参皂苷Rb1进行生物转化,根据薄层色谱和液质联用检测结果构建生物转化途径,并对转化后的代谢产物进行相对定量分析,阐明转化动力学趋势。冬虫夏草菌能够将人参皂苷Rb1转化为稀有皂苷F2,转化途径为Rb1→Rd→F2,其转化率约为70.16%。冬虫夏草菌可以相对特异性地将人参皂苷Rb1转化生成F2,转化效率高,过程稳定,可以为人参皂苷F2的大规模发酵生产奠定基础。     

两种赤潮藻对汞富集和甲基化影响的研究

研究塔玛亚历山大藻(Alexandrium tamarens)和锥状斯式藻(Scrippsiella trochoidea)两种赤潮藻对海水中汞的富集和甲基化的影响, 探讨赤潮藻对硫铁还原地杆菌 Geobacter sulfurreducens PCA (G. sulfurreducensPCA)汞生物甲基化的抑制作用。实验结果表明, 不同种类藻对汞的耐受性不同, 高浓度HgCl₂ (≥25 μg/L)抑制锥状斯式藻的生长, 而对塔玛亚历山大藻的影响较小。两种藻均可有效地富集无机汞, 但直接进行汞甲基化的效果不显著。FTIR分析发现, 藻细胞表面分泌的大量羧基、氨基和羟基等官能团是富集汞的主要位点。汞-藻-菌实验中, 当HgCl₂初始浓度为10 ug/L时, G. sulfurreducens PCA驱动的汞生物甲基化效率可达 (6.38±0.4)%, 在G. sulfurreducens PCA与塔玛亚历山大藻共存的实验组中, 汞甲基化效率为 (1.04±0.44)%,G. sulfurreducens PCA与锥状斯式藻的实验组中汞甲基化效率低至 (0.76±0.05)%, 两种赤潮藻的加入抑制了G.sulfurreducens PCA的汞生物甲基化。     

基于SiC材料的激光加速质子束辐照特性研究

通过辐照核能材料SiC, 表征激光加速质子束连续宽能谱、短脉冲和高瞬态流强的特点。将SiC样品放置在距离靶体4 cm处, 连续进行300发满足指数能谱分布的能量为1~4.5 MeV的激光加速宽能谱连续质子束辐照。表面和截面拉曼光谱显示辐照后的SiC散射峰强度减小, 且拉曼光谱截面测量的整体趋势可以与SRIM模拟的能谱加权后的深度能损分布对应, 从而通过实验对能量连续分布的激光加速质子束进行表征。此外, 实验结果显示, 激光加速质子束的短脉冲特性可在SiC表面产生相当高的瞬时束流密度。这种快速的宽能谱辐照为模拟反应堆中子辐照提供了可能性。     

基于时空影响域地震加权网络的研究

为了研究地震活动的时空复杂性,在时空影响域地震网络的基础上,考虑地震活动之间相互影响程度的差异性,提出了一种地震加权网络的构造方法.使用1984~2014年加州地震数据构造了地震加权网络,研究其基本性质以及网络节点的连接性质来揭示地震活动的内在联系.分析结果表明:地震加权网络的点权分布及边权分布均具有幂律分布特征;网络节点的点权与度关系表明,相对于大地震,中强地震对网络性质的影响也同样较强;研究地震网络的平均近邻度和聚集系数,发现强震地区之间可能更容易发生强连接.研究结果表明,基于时空影响域的地震加权网络可以更好揭示无权网络无法发现的地震系统的内在联系.     

基于内容特征的碎片拟合算法研究

针对碎片拟合过程中存在大量由碎纸机形成的相似、相近甚至相同的碎片边缘,再好的边缘拟合算法也难以正确选择唯一候选碎片边缘的问题。提出了基于碎片中文字、图、表等内容信息在碎片边缘留下的内容特征,判定与目标碎片匹配候选碎片的思路。界定了特征点、特征向量等碎片内容特征的概念,给出特征点、特征向量的提取算法以及基于内容的碎片拟合算法。实验结果表明该算法正确、有效,为计算机自动合成碎片奠定了基础。     

基于混沌离散序列的图像加密算法研究

针对传统加密算法密钥空间小、加密结构简单等不足,提出了一种能极大扩充加密密钥的双重图像加密算法.在发送端,通过连续混沌系统产生图像位置映射矩阵对图像像素位置进行置乱,再通过将图像像素值信息加入离散混沌系统进行扰乱.加密的图像通过以太网进行传输,并在接收端进行像素值同步解密和位置复原.该方法同时利用混沌系统的初值敏感性和混沌系统的同步性对图像进行双重加密.构造的双重混沌图像加密系统结构复杂不易破解且具有极大的密钥空间.实验表明,基于Liu混沌系统与离散混沌同步系统的双重图像加密能够抵挡图像统计攻击与无穷举攻击,并能够在Windows系统上进行实现.     

基于车身变形的Ishikawa回弹模型改进研究

为克服弹性恢复系数人为选取对Ishikawa回弹模型再现事故的影响,考虑车辆变形这一重要参数,在Ishikawa回弹模型的基础上,增加能量守恒公式,建立新的碰撞动力学模型并再现一起实际事故,通过pc-crash进行验证表明:所建模型能很好地再现交通事故,且该模型不易受弹性恢复系数选取的影响,对弹性恢复系数的选取有指导意义。     

基于密度泛函理论的KDP(100)表面吸附水分子研究

基于密度泛函理论中的第一性原理计算方式,开展KDP(100)面表面吸附水分子的性质研究。结合Bader电荷、电子密度、差分电子密度和电子局域函数等参数进行电子密度拓扑分析,结果显示水分子在KDP(100)表面的最佳吸附位点为氢钾桥位,吸附能为–0.809eV,表明KDP(100)表面可以自发地吸附水分子;水分子中的氧原子通过吸附,与KDP(100)表面磷酸根基团上的氢原子形成含共价效应的强氢键O—H...O_w,拟合键能为–18.88 kcal/mol。     

超小口径元件光谱参数检测设备改进

为实现超小光学元件(直径小于φ15 mm)光谱参数的检测,在现有商用分光光度计的基础上,对设备进行了改进完善,通过在测试光路和参考光路增加衰减比相匹配的缩束小孔,成功实现了检测光束的缩束。实验结果表明:改进后的设备基线平直度不大于!0.001 A,标准元件检测结果与标定值偏差不超过0.05%。     

创伤对机体脂质过氧化及抗氧化能力影响的实验研究

摘要: 目的探讨创伤对机体脂质过氧化及抗氧化能力的影响。方法选择普通级新西兰兔11 只采集血样,采集后双侧耳缘小静脉反复穿刺,隔日1 次,连续2-3 次,建成创伤模型后采集血样,检测建模前后2 组血清丙二醛( MDA) 、超氧化物歧化酶( SOD) 、过氧化氢酶( CAT) 、谷胱甘肽过氧化物酶( GSH-Px) 、总抗氧化能力( T-AOC) 指标,并予以统计分析。结果MDA: A 组( 3. 048 ± 1. 259) nmol /L,B 组( 3. 251 ± 1. 695) nmol /L,A 组水平低于B 组;T-SOD: A 组( 384. 314 ± 50. 122) U/mL,B 组( 348. 942 ± 45. 852) U/mL,A 组水平高于B 组; CAT: A 组( 6. 121 ±4. 097) U/mL,B 组( 4. 563 ± 2. 223 ) U/mL,A 组水平高于B 组; GSH-Px: A 组( 377. 808 ± 72. 726 ) U/mL,B 组( 349. 942 ± 54. 021) U/mL,A 组水平高于B 组; T-AOC: A 组( 5. 537 ± 2. 128) U/mL,B 组( 4. 633 ± 2. 074) U/mL,A组水平高于B 组; 组间差异均无统计学意义( P ＞ 0. 05) 。结论创伤对机体脂质过氧化及抗氧化能力具有一定影响,但无显著性影响。