考虑洪水预报误差的水库汛限水位动态控制风险分析

利用洪水预报信息,采用水库防洪预报调度方式能有效增加洪水资源利用率,是确定水库汛限水位动态控制域上限的主要方式之一。本文在汛限水位动态控制风险率定义的基础上,以大伙房水库为例,针对最关键的风险源—洪水预报误差,分析其分布规律及预报误差域,研究在不同洪水预报误差范围内,水库采用防洪预报调度方式进行汛限水位动态控制的风险.分析结果表明,大伙房水库利用洪水预报信息动态控制水库汛限水位,既提高了洪水资源利用率,又没有额外增加防洪风险,在实践上是可行的。     

考虑降雨预报的跨流域调水供水调度及其风险分析

建立考虑降雨预报的跨流域调水供水调度模型,利用决策树算法根据水库当前状态和GFS降雨预报信息获取跨流域调水规则,以确定跨流域调水量,然后进行水库供水调度;选择调水保证率,供水可靠性（缺水风险率）,供水恢复性,供水破坏率作为风险评价指标建立风险综合评价体系,对跨流域调水供水调度模型进行风险评估．实例表明,采用考虑降雨预报信息的跨流域调水供水调度模型较水库常规调度和优化调度,综合风险率低,且能有效的提高水资源的利用效率．     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

一种基于加工匹配度的车间作业调度方法研究

单件小批量生产形式下的作业车间调度是生产调度中的重要问题.在综合考虑订单优先级、加工时间等诸多因素的基础上,提出了加工匹配度的概念来研究作业调度问题,建立了相应的调度模型,设计了一种启发式作业调度算法.在某制动阀生产企业数控车间的实际应用结果表明,该方法能够较好的辅助车间调度人员进行车间作业调度.     

基于多服务类比例公平的分组调度算法

研究了同时满足多性能目标的资源管理模型和算法, 基于服务质量模型实现比例公平性原则, 考虑了包括延迟、丢失率在内的服务质量要求及对于综合的多服务类数据流非常重要的公平性问题, 提出了一种分组网络中的比例公平调度模型, 该调度模型综合描述了网络效率、用户QoS要求和系统公平性等多维目标. 分析论证了能有效满足比例公平的调度策略PFS(proportional fairness scheduling), 同时在Linux上实现了该算法. 最后在模拟和实验测量的基础上对PFS调度算法的性能和系统开销进行了分析讨论.     

灰色微分动态模型的自忆预报模式

以灰色微分动态模型DHGM(2, 2)为基础, 结合动力系统自忆性原理, 建立了DHGM (2, 2)灰色微分方程与自忆性原理的耦合方程, 用该方程进行洪水预报以及实时预报. 并讨论了不同预见期对预报的影响. 根据DHGM(2, 2)3个参数所代表的性质, 从预报结果分析出不同降雨对预报结果的影响. 对此保持记忆系数不变, 加入了对这3个参数的实时校正, 对每一时长采用定常遗忘因子递推最小二乘法进行校正, 使模型更具适应性. 经过实例检验, 证明了此法具有满意的拟合和预报精度.     

基于TSP-203 plus系统的隧道超前预报质量控制研究

对YSP-203plus系统的组成和工作原理进行了较为详细的介绍;明确了其在实践应用中存在的问题;提出了从准确设定参教、严格控制爆破地震波质量、牢固安装接收器套管和科学合理解读信号四方面提高预报质量的建议。为正确掌握TSP-203plus系统、高水平隧道超前地质预报提供参考。     

考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

一种基于Bayes信任模型的可信动态级调度算法

提出了一种基于信任机制的任务调度模型，该模型通过借鉴社会学中的人际关系信任模型，建立网格节点间的信任关系，利用Bayes方法对节点的可信度进行评估，将节点的可信度并入DLS算法得到可信动态级调度（Trust-DLS）算法．仿真结果证实，提出的Trust—DLS算法能以较小的时间花费为代价，有效提高应用任务在可信方面的服务质量需求，保证网格环境中任务安全可信的执行。     

基于压缩感知的土壤呼吸监测传感网动态采样调度策略

土壤呼吸监测传感网通常部署在野外,无法直接访问电力,并且土壤呼吸测量过程比较复杂、能耗较高,因此在满足重建准确度要求的前提下,希望以尽量少的采样次数来进行测量.利用土壤呼吸真实物理过程中时间序列的相关性,可以采用压缩感知理论来实现采样调度.本文提出了一种基于压缩感知的分段动态采样调度策略:利用前期测量数据进行分析得到的先验知识,对测量时间区间的数据序列进行分段线性拟合,依据分段数据子序列的线性程度度量指标,动态确定各段的采样率.土壤呼吸测量仪在进行监测时,按照分段动态变化的采样率构造压缩感知采样和重建所需的测量矩阵.实验结果表明,相比平均采样率相同的固定采样策略,本文提出的分段动态采样策略能够得到更好的重建质量,即如果以确定的重建误差阈值作为需求,则本文的动态采样策略具有更小的采样率.虽然计算动态采样率会带来一定的计算开销,但减少的采样次数可以节省更多的能量.本文提出的基于压缩感知的分段动态采样策略,虽然在土壤呼吸监测传感网的应用场景中进行了实验和分析,但其思想对于其他类似应用的采样调度和节能问题也具有借鉴价值和潜在的可应用性.     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

基于经济发展方式转变的生态创新动力机制研究

生态创新是驱动经济发展方式转变的关键,是现代经济的基本特征。文章首先探讨了生态创新的内涵和特征,然后分析了经济发展方式转变的内容,在此基础上分别从宏观和微观层面研究了基于经济发展方式转变的生态创新动力因素,形成了市场机制、政府激励、科技推动、生态竞争四位一体的动力机制,以此来促进经济发展的转型升级。     

基于PLS及时间序列法的卷烟销量组合预测方法

以A省及17个地市约七年间的销售面板数据为研究对象,首先建立三个单项预测模型,即Hoher—Winter季节乘积模型、时间序列分解法模型和偏最小二乘回归模型。在得到三个单项模型预测值之后,再运用组合模型方法,对三种模型的预测结果进行优化。实证结果显示,本组合预测方法更进一步的提高了预测精度,同时对卷烟销量预测实际工作具有借鉴意义。     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.