注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

汽轮发电机组超速保护对机组热力系统的影响

利用仿真软件对某发电机组的超速保护系统进行建模,模拟机组甩负荷和转子超速后功率负荷不平衡保护和超速保护的动作特性,分析超速保护动作对机组热力系统的影响.结果表明:当机组功率负荷不平衡保护和转子超速保护动作时,快关高调阀和中调阀,会导致阀前主蒸汽压力迅速升高,升至额定压力的1.1415倍,对机组阀门产生一定的冲击力,甚至导致安全阀超压,影响锅炉燃烧.功率负荷不平衡保护存在的唯一优点在于机组超速时能早于超速保护动作,但两种情况对控制超速的效果相差不大,相比较而言,误动作带来的危害更大.      

基于内联关系的方面级情感分析方法

方面级情感分析 (aspect-based sentiment analysis, ABSA) 旨在预测给定文本中特定目标的情感极性. 研究表明, 利用注意力机制对目标及其上下文进行建模, 可以获得更有效的情感分类特征表达. 然而, 目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值, 这类方法无法突出文本中个别单词对于整个句子的重要性. 因此, 提出了一种基于内联关系的方面级情感分析方法, 该方法可以对目标和上下文进行建模, 将关注点放在目标的关键词上, 以学习更有效的上下文表示. 首先使用门控循环单元 (gated recurrent unit, GRU) 对方面信息和句中单词进行融合分布式表达; 然后将分布式表达输入到结合注意力机制的长短时记忆网络 (long short-term memory network, LSTM), 通过查询机制来增加内联关系的权重, 最终得到方面级情感分类. 该模型在公开数据集上进行的实验结果表明, 该方法是有效的, 精确度均超过基线模型.     

基于关键 $n$-grams 和门控循环神经网络的文本分类模型

提出一种基于关键 $n$-grams 和门控循环神经网络的文本分类模型. 模型采用更为简单高效的池化层替代传统的卷积层来提取关键的 $n$-grams 作为重要语义特征, 同时构建双向门控循环单元(gated recurrent unit, GRU)获取输入文本的全局依赖特征, 最后将两种特征的融合模型应用于文本分类任务. 在多个公开数据集上评估模型的质量, 包括情感分类和主题分类. 与传统模型的实验对比结果表明: 所提出的文本分类模型可有效改进文本分类的性能, 在语料库 20newsgroup 上准确率提高约 1.95%, 在语料库 Rotton Tomatoes 上准确率提高约 1.55%.     

基于沉积时间单元的单砂体研究

以尕斯库勒油田N₁—N₂¹油藏Ⅱ号断层上盘Ⅶ砂组辫状河三角洲前缘亚相为例,探讨了基于小层规模的沉积时间单元划分、单砂体的含义与识别标志及构型模式。研究表明,根据自然伽马半幅点可以将小层细分为储层沉积时间单元、隔层沉积时间单元,并在储层沉积时间单元中识别出区域夹层。区域夹层与隔层沉积时间单元为泥岩沉积,储层沉积时间单元在横向上为砂泥岩间互沉积。在此基础上,提出了单砂体的完整概念,认为单砂体就是在三维空间被周围非渗透性的封隔层所包围的独立砂体。并指出了单砂体受沉积、构造及成岩三大因素控制,明确了在这三大因素控制下单砂体的识别标志,同时总结出了单砂体的基本构型模式。笔者成功地将这套研究方法应用于尕斯库勒油田Ⅶ—5小层,把原来小层级别的两个单砂体划分为沉积时间单元级别的17个单砂体,大大提高了单砂体的研究精度。     

根系特征参数对土体强度影响的试验研究

为了明确狗牙根根系对边坡土体强度的影响,沿土体深度方向向下分段测量根表面积指数(RAI)、根系横截面积比(RAR),应用张力监测计获取各分段土体吸力,运用应变控制式直剪试验获取各RAR下土体抗剪强度指标。结果显示:狗牙根根系特征参数随土层深度增大呈指数型递减,RAI与RAR正相关;土体吸力与RAI正相关,当RAI0.029时土体吸力增量几乎为零;当RAR0.022‰时土体抗剪强度指标增量接近于0,存在最优RAR=0.810‰使土体具有最高黏聚力。这说明狗牙根根系对土体强度的提高存在阈值(RAI≥0.029、RAR≥0.022‰),当RAI0.029时狗牙根根系对土体吸力的提高可以忽略,当RAR0.022‰时狗牙根根系对土体抗剪强度指标的提高也可以忽略;当RAR0.810‰时土体黏聚力降低,说明狗牙根根系对土体强度的提高是有限的。     

要素在有限范围变化的DEA模型

本文首先讨论了在数据包络分析（ＤＥＡ）中有些要素（投入或产出）只允许在有限范围变化的情况。然后从生产可能集入手，将这种对要素的限制直接反映到生产可能集中。基于此改进后的生产可能集，提出了比现有研究更广泛意义的ＤＥＡ模型。该ＤＥＡ模型实际上综合了传统的以及投入或产出固定不变的ＤＥＡ模型。此外，在进行决策单元（ＤＭＵ）效率分析时，文中给出的定理为存在投入过多及产出不足的非有效ＤＭＵ提供了改进目标以使之     

GDP数据生成模式

从现代经济计量学的角度分析了国内生产总值(GDP)绝对数的数据生成模式及GDP指数的数据生成模式，得到GDP绝对数的对数序列是一单位根过程、GDP指数的对数序列是一稳定过程。最后，讨论了两模型间的转换。     

美术本科单元制与导师制教学构想

单元制教学模式是把美术课分成几个大块，即单元，每个单元解决一个大的问题的教学模式。导师制是充分发挥教师主导作用的个性化教育模式。导师的任务是帮助学生提高理论水平与鉴赏能力，在实践上掌握正确的观察与思维方法，在创作上发挥学生的创造潜能，引导和培养学生的创新意识，提高学生的综合素质。