随机配置网络在短时电力负荷曲线预测中的应用

传统梯度类神经网络负荷预测模型在面对高维度、大规模负荷数据集时，存在模型构建复杂、训练时间长等问题.为提高负荷曲线预测模型训练的时效性和预测准确性，提出了一种基于随机配置网络的短时电力负荷曲线预测方法.首先针对弱局部负荷波动对预测模型的影响，利用Savitzky-Golay滤波器对负荷时序平滑进行处理，将时序滤波处理后的负荷序列、节假日、气象等数据作为预测模型的输入组成部分.在此基础上，发挥随机配置网络模型的随机增量学习优势，完成负荷曲线预测模型的训练.利用某电厂采集的短时负荷数据及其影响因素数据对模型的预测效果进行验证，仿真结果表明，随机配置网络预测模型相较于深度神经网络模型在模型训练的时间效率方面更具优势，预测的效果基本与深度神经网络模型接近.     

数学中的新数谱

讨论传统有穷、无穷概念体系中数学分析理论的缺陷，引进新的数量形式．构造新的数谱．     

有限增量定理在高维空间上的推广

本文从重积分的新的求法入手,利用积分中值定理,给出并证明了有限增量定理在高维空间推广的一个结果.     

人类基因组中L1元件及其5''''UTR的研究

讨论了L1在人类染色体中的分布密度与染色体长度以及L1的密度与基因密度之间的关系.发现在大多数染色体上L1的密度和染色体的长度表现为正相关,而L1的密度和染色体中基因的密度表现为负相关;对人类L1的5'UTR进行了详细的研究后,发现在L1元件的5'UTR部分含有许多转录因子结合位点.对基因的转录起始位点上游进行统计分析,发现其中含有大量的L1序列.通过对人类的EST数据库进行BLAST分析,新发现了51条和人类L1 5'UTR相似性较高的EST片断,根据它们分布的组织特异性,说明L1元件可能调控与发育过程有关的基因的表达;最后应用多样性增量的方法对人类和大鼠的L1 5'UTR进行了区分,得到了较好的预测结果,说明大部分L1的5'UTR的调控作用是人类特有的.     

基于PID增量计算的板坯连铸液面自动控制

本文介绍了基于PID增量计算的板坯连铸机液面自动控制系统的主要设备构成、控制算法原理及应用效果。     

Ornstein-Uhlenbeck过程项无穷级数和过程的增量的若于结果

本文证明了Ornstein－Uhlenbeck过程无穷级数似于Wiener过程的整体连续模、整体不可微模和滞后增量定理．     

"增量与平均量的比较"在微观经济分析中的应用

运用“增量与平均量的比较“可以简洁地解释总产量、平均产量和边际产量、平均成本、平均可变成本和边际成本以及平均收益和边际收益等之间的关系理解上的难点,对于帮助理解这些理论具有较大的引导作用.     

耐力训练后最大摄氧量增量(%△(V)o2max)的因素分析

根据有关文献资料的统计结果,进一步分析各负荷因素对(V)o2max的影响,揭示(V)o2max增量规律,掌握改善(V)o2max的训练方法和运动处方,为发展耐力素质和科学健身提供研究资料和科学依据.