基于灰色关联分析的“白屋顶计划”评价模型

在已知人为热释放、风速、日照时数和相对湿度的前提下,以芜湖市为例,运用灰色关联分析求出以上四个影响因素对行为因子(城市热岛效应)的关联影响程度,算出日照时数在四个环境因子中的比重,从而将白色屋顶计划对城市热岛效应的作用量化,建立了灰色预测模型。通过回归分析计算白屋顶计划对城市温度的影响,最后将预测数据与真实数据进行对比,模型结果表明"白屋顶计划"是合理且可行的。     

灰色模型的病态问题研究

针对灰色模型在参数辨识过程是否出现病态问题利用矩阵条件数进行了研究,研究结果表明:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.     

基于相对误差的线性组合预测研究

在讨论传统的组合预测方法的基础上,对相对误差准则下的线性组合预测进行了研究和推广。分别以"相对误差平方之和最小"、"相对误差之和最小"和"最大相对误差最小"为准则,给出了9个线性组合预测模型,其中有6个线性组合预测模型是新提出的,并且讨论了模型的解法。以美国加州电力日均价为例,给出了9种线性组合预测模型的预测结果,验证了新模型的精确性和优越性。     

基于级联思想的欠驱动AUV三维轨迹跟踪控制

为解决模型预测控制器(MPC)在执行器约束下初始状态量偏差大导致的无解问题,设计一种基于级联思想的MPC控制方法：首先,针对欠驱动AUV模型进行级联系统划分,再对划分出的模型分别进行MPC控制器设计;然后,利用微分跟踪器将期望量平滑处理;最后,基于非线性干扰观测器对外界干扰进行补偿。仿真结果验证了该方法的有效性。     

基于机器学习的商品评论特征提取有用性研究

在线上购物商品销售预测问题上,由于受商品自身的款式、材料、买家的好评与差评以及商家好评返利等多种因素影响,一般的回归预测算法往往不能支持多种特征变量,导致预测准确率较低、鲁棒性差.本文采用一种主题-随机森林算法对口罩销售量进行多变量综合投票预测,并与多重线性回归（Multiple Linear Regression,MLR）算法和随机森林（Random Forest,RF）算法相比较得出最终结论 .实验结果表明,LDA-RF算法各项指标均优于MLR和RF算法,LDA-RF算法建模速度快,鲁棒性较强,受到离群点影响比较小,散点主要集中在线性回归附近,可以有效地提高口罩销量预测精度.     

基于系统动力学模型的山东省农业供需水优化

为了探讨农业水资源不同发展模式对山东省农业供需水量变化的综合影响,采用系统动力学模拟软件Vensim建立农业用水供需平衡模型,综合考虑作物灌溉面积、水资源供水量等因素的影响,仿真模拟基于现状年条件下山东省农业缺水率的未来变化趋势。结果表明：在灌溉保证率为50%的条件下,中长期规划发展模式、跨区域调水发展模式、灌溉水高效发展模式、最佳效益比发展模式、综合发展模式5种发展模式中山东省2018—2025年农业缺水率都呈现下降的趋势,其中综合发展模式中2025年农业供水量达到1.556 1×10¹⁰ m³,需水量达到2.239 4×10¹⁰ m³;农业缺水率为30.1%,与其他4种发展模式相比,分别降低了15.45%、 4.7%、 7.1%、 3.99%;综合发展模式更适合于未来山东省农业优化发展策略。     

基于改进的分形理论的短期电力负荷预测

为提高负荷预测结果的精度,设计了一种基于改进的分形理论的短期负荷预测模型。选取与实测日气象数据相似的日期作为基准日,对其进行重标极差法分析,从而确定其具有分形的特征,根据分形插值区间计算迭代压缩因子和确定迭代函数系统(IFS:Iterative Function System)建立实测日的分形插值函数,通过移动平均函数对数据进行处理,利用最小二乘法(OLS:Ordinary Least Square)建立数据拟合方程,将时间数据带入拟合方程中计算预测数据。经过仿真对比实验,改进后的比改进前的预测模型预测的负荷数据平均绝对百分比误差(MAPE:Mean Absolute Percentage Error)下降了0.26,证明了改进分形理论的短期电力负荷预测模型可以有效提高负荷预测结果的准确性。     

布谷鸟算法优化BP网络的电力负荷预测

针对BP神经网络容易出现过拟合和陷入局部最优现象导致电力负荷预测准确性不高的问题,建立了在不同日期和气温等影响因素下的布谷鸟算法(CS)优化BP神经网络的电力负荷预测模型.训练BP网络确定基本结构,运用布谷鸟算法搜寻最优解替换为BP网络的最优参数,结合安徽某地区的电力负荷数据进行仿真分析,可以得出布谷鸟算法优化后的预测模型相比于单一的BP神经网络准确性得到提高,证明了所建立的CS-BP模型具有良好的预测性能.     

无人机自组网三维GPSR协议研究

针对无人机高速运动导致通信链路易断开的问题,提出最大跳距的概念并据此设计了下一跳候选区域,以增加最佳下一跳的可选范围;考虑到高动态网络中GPSR信标交换不及时引起的位置信息失效提出了移动性预测机制,通过对邻居节点实时的位置预测,使得建立的通信链路更加稳健.为解决GPSR协议周边转发在三维空间不适用的问题,引入按需路由DSR泛洪寻找路由的思想,可以以最小跳数恢复贪婪转发.仿真结果表明和PSPFP路由协议相比,不同移动速度下的CA-GPSR协议在端到端时延、分组投递率和网络吞吐量等方面的性能都有不同程度的提升.     

基于LSTM的四旋翼无人机轨迹预测方法

实时、准确、高效的轨迹预测是对四旋翼无人机进行有效管控的重要前提.基于深度学习理论,提出一种基于长短期记忆神经网络(LSTM)的四旋翼轨迹预测方法.在LSTM基础上,使学习速率自动调整,基于四旋翼无人机位置坐标与速度参量,对轨迹数据进行训练与预测,其经度、纬度、高度误差分别为6.04、6.45、2.33 m.分析历史时间步长对于预测精度的影响,结果表明历史学习步长为40～45时,LSTM预测结果最佳;比较不同预测步数的预测误差,结果表明一步预测、两步预测误差结果较好,三步预测误差显著增大.