基于改进物元可拓模型的光充储系统运营效益评价

随着光伏发电规模的不断扩大和储能技术的快速发展,光伏发电和储能系统的结合逐渐得到应用,其运营效益可以有效地衡量光充储系统的经济性,也是系统进一步推广的关键.通过建立4个层面18个指标的光充储系统运营效益评价指标体系,并采用了主客观结合的组合赋权模型,结合改进的物元可拓模型对光充储结合系统的运营效益情况展开评价,并对评价结果展开分析.结果 表明:光充储系统总体的运营效益状况良好,并且所构建的光充储系统运营效益评价模型能够进行有效评价.     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

基于改进随机森林的企业破产预测研究

企业破产数据中存在高维不平衡的特性,会导致模型预测性能降低且预测结果偏向于多数类.为了提高具有破产风险企业的预测准确率,将从特征、数据、模型3个方面综合考虑.首先提出一种Pearson相关系数特征提取规则进行特征选择,再使用已有的平衡化技术进行数据平衡化处理,最后提出了一种基于改变分类阈值的随机森林算法构建企业破产预测模型.在包含10173个公司数据集上的实验结果表明,本文的研究方法具有一定的优越性,对后续进行企业破产预测研究也具有较高的参考价值.     

鄂尔多斯盆地致密砂岩气储层饱和度测井评价方法

 以鄂尔多斯盆地某区域石盒子组致密砂岩气储层为例,研究了其饱和度测井评价方法。宏观上基于岩屑石英砂岩及岩屑砂岩,微观上基于残余粒间孔及溶蚀-粒间孔,结合岩样薄片显微分析资料、岩电试验资料以及网络模型数值模拟结果,分析获得致密气储层的导电规律:地层因素F、孔隙度φ与电阻率指数I、含水饱和度S_w的关系由于岩性及孔隙类型的不同而存在差异,岩屑砂岩因其岩屑成分及孔隙类型的复杂性,增加了岩石的导电难度,在同等条件下,地层因素及电阻率指数均高于岩屑石英砂岩;电阻率指数与含水饱和度呈现指数关系,而非Archie模型的乘幂关系。在此基础上,分类型建立了可变胶结指数(m)的改进Archie模型,并应用于石盒子组致密气储层饱和度测井评价,结果显示饱和度计算值的绝对误差小于5%,验证了该测井评价方法的实用性。     

基于改进粒子群算法的梯级水风光短期调峰优化调度

针对大规模风电、光电直接并入电网对系统调峰带来的负面影响,同时伴随高弃风、高弃光率的问题,提出通过利用水电输出通道将湖北一梯级水电站与附近风电场、光电场并入电网联合调峰的解决办法。首先分析了梯级水电站、风电和光电联合调度的必要性和可行性,提出了梯级水-风-光联合调峰策略,构建了以系统余留负荷均方差最小为目标函数的短期调度模型,最后利用收缩因子和改进粒子群算法求解。通过算例仿真,风光与梯级水电站共同参与系统调峰,调峰效果更好,改进粒子群算法(particle swarm optimization, algorithm, PSO)算法有更好的寻优精度和收敛速度。给未来实施梯级水电站与周围风、光电场联合调峰策略提供了参照。     

业务协同驱动的高校数据质量管理模型及应用

从高校业务协同场景出发,结合高校业务数据特点,提出一种数据质量管理框架和评价模型;建立协同业务数据质量的评价指标体系,包括数据源质量、数据关联质量、数据效用质量三个维度7项一级指标;采用比较标度的改进层次分析法设计评估权重,简化构造矩阵的一致性校验的问题。实际应用表明,提出的评价模型可以有效量化评价业务协同场景下各系统和数据集数据质量,发现问题原因,具备可操作性和实用性,为提高数据质量提供参考。     

基于样本扩充与IDANN的刀具状态识别方法

针对机床刀具磨损数据稀少与刀具磨损状态识别精度低的问题,提出了一种基于样本扩充与改进领域对抗网络(sample expansion and improved domain adversarial training of neural networks, SE-IDANN)的刀具状态识别方法。首先对机床刀具数据进行两次特征提取,并通过Smote算法进行样本扩充,解决机床刀具磨损数据量稀少的问题;其次在领域对抗网络(domain adversarial training of neural networks, DANN)模型特征提取器中加入残差块,进一步提取有效特征信息,解决刀具磨损特征微弱的难题;最后将Wasserstein距离作为目标域与源域的数据分布相似度标准引入DANN模型,实现对刀具磨损量的精确识别。通过对机床刀具数据的分析与仿真试验验证,证明该方法能够有效地识别刀具磨损量。     

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。     

震区公路崩塌危险度评价模型研究

以＂5.12＂地震重灾县———青川县（青川生命线道路沿线）作为研究区域,选取产生崩塌及影响其稳定性的9个因素为评价因子,将崩塌危险度分为无危险、低度危险、中度危险和高度危险4个等级,建立了基于改进灰色聚类法的崩塌危险度评价模型。应用该模型对青川生命线道路沿线崩塌灾害点进行评价,将此评价结果与经典灰色聚类法所得的评价结果进行对比。研究结果表明,基于改进灰色聚类法的崩塌危险度评价模型所得的评价结果比经典灰色聚类法所得的评级结果更接近于现场专家勘查结果。由此可见,采用这种基于改进灰色聚类法的评价模型对崩塌危险度进行快速、科学、有效地评价是切实可行的。