低压电力网标准时间传递研究

结合扩频通信技术原理,给出了一种基于低压电力线网的标准时间传递方案,并讨论了它的网络节点地址分配。该方案结构简单,特别适用于单变压器供电区域内标准时间的传递和分配。     

隧道地震反应分析中几种边界条件的比较

比较了粘弹性边界、粘性边界和固定边界条件的精度，根据不同边界条件，采用振动方法和波动方法，进行了在地震荷载作用下隧道结构的反应分析，分析了无限地基对计算结果的影响以及在地震荷载作用下隧道衬砌的薄弱部位。     

掺Pr3+钛酸盐红色长余辉发光性质比较

通过荧光光谱和磷光衰减曲线比较了CaTiO3∶Pr3+(CaTP),Ca0.8Zn0.2TiO3∶Pr3+ (CaZnTP)和Ca2Zn4Ti15O36Pr3+(Ca2Zn4TP)掺Pr3+钛酸盐的红色长余辉发光性质.测定了它们的热释光曲线.CaTP,CaZnTP和Ca2Zn4TP的热释光峰值分别是49 ℃,62 ℃和75 ℃,热释峰相对强度分别是220,186和1 254,这表明掺Pr3+钛酸盐晶体中的缺陷陷阱能级深度为Ca2Zn4TP>CaZnTP>CaTP,陷阱中电子的逸出速率是CaZnTP>CTP>Ca2Zn4TP.从理论上解释了余辉时间顺序为Ca2Zn4TP > CaZnTP > CaTP,起始发光强度顺序为CaZnTP>CTP>Ca2Zn4TP的变化规律.     

基于无监督对抗学习的时间序列异常检测

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神...     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

页岩油藏开发合理焖井时间数值模拟

为解决页岩油藏焖井开发过程中,合理焖井周期难以确定等问题,建立了包含油水渗吸置换的数学模型,基于全隐式方法构建了油水两相渗流、渗吸数值模拟模型.通过与实际井的生产数据进行对比验证模型的准确性.针对Y区块压裂水平井Y-1,分别计算了焖井0～160 d的累产油量.研究认为:随着焖井时间的增长,累产曲线的曲率变化逐渐平缓,压...     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

一类区间时滞切换系统的稳定性分析

在过去的几十年里,具有离散和分布时滞的混合系统受到很多关注,并有着广泛应用,如绝对稳定控制,非线性延迟MIMO系统周期控制T不变性等。有关切换系统的研究中,稳定性问题引起较多关注,因而,研究具有混合时滞的切换系统稳定性有着重要意义。讨论了一类具有离散和分布时滞的切换系统指数稳定问题。首先,运用平均驻留时间法构造分段Lyapunov函数和切换规则;其次,引入倒凸组合技术和Jensen积分不等式对求导后的分段Lyapunov函数进行放缩,得出系统指数稳定的充分条件;最后,利用LMI工具箱实现仿真算例验证了定理的有效性,得到保守性更小的时滞上界。     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。     

我国自然灾害风险预警模型

自然灾害风险的预警对防灾减灾有重要意义,做好风险预警除了要考虑常规的相关因素外,更要考虑自然灾害在大跨度时间区域内的变化趋势。该文基于时间序列ARIMA模型,分析全国31个省75个月(2014年3月至2020年5月),由自然灾害造成的直接经济损失和受灾人口情况,得出其依照时间线的规律,并预测未来12个月直接经济损失和受灾人口的发展情况。结果表明,我国自然灾害造成的直接经济损失和受灾人口的变化趋势基本相同,在一年内均有两次较大起伏,最高值分别处于夏季的7月份和冬季的1月份,最低值则分别处于春季的3月份和秋季的11月份,最高值约为最低值的2～4倍。