基于ML模型的样本量研究

在BL模型（2项选择Logit模型）样本量确定方法的基础上,分析推导ML模型（多项选择Logit模型）样本量的确定,对建立多项Logit模型开展相关调查确定样本容量具有指导作用。     

一种基于模糊集的混合空间推理方法

基于模糊集合理论, 提出一种将定性空间推理与定量空间推理相结合进行混合空间推理的方法. 将对象间的空间关系解释为表达有关对象空间信息语言变量的限制, 引入语言变量表达定性空间关系; 把语言变量与模糊集合关联起来, 获得定量空间信息; 通过将语言值映射为模糊集合, 以及将模糊集合的元素映射为语言限制词, 实现了定性空间信息和定量空间信息间的转换. 此外, 还给出了与Allen提出的二元基 本关系关联的模糊关系, 并得到了基于模糊关系的Allen推理算法, 从而实现了空间关系间 的推理.     

（2＋1）维Broer-Kaup方程的新分离变量解

运用一种改进的多线性分离变量法,将(2 1)维Broer-Kaup方程约化为含有关于x,t和y,t的任意函数的一个线性演化方程,并通过进一步改进这种方法,寻找形如f=p(x,y,t) q(y,t)形式的解,从而得到了原方程的一些包含分离变量形式的新解。     

管壁流体滤失条件下水平圆管中平衡砂床运移模拟

根据水流紊动理论和颗粒运动特征,将床层表面水流速度视为正态分布,得到床面颗粒的各运动状态概率。根据颗粒状态概率代表运动趋势的原理,建立了圆管中砂床平衡高度的计算模型,可以用于存在管壁流体正滤失、负滤失和无滤失条件下圆管砾石充填过程中砂床形成和运移过程的可视化模拟。     

宽带随机激励下结构损伤的小波监测

小波变换已被用于监测结构发生损伤时所引起的响应信号奇异性,但是,当结构受宽带随机激励时,结构响应信号的奇异性也会由激励所引起．研究了分离激励和结构损伤两方面引起的响应信号奇异性的小波变换方法,并将该方法应用于美国土木工程师学会（ASCE）结构健康监测基准的有限元模型分析中．仿真结果表明,该方法是有效的．     

应用分形理论和光线投射算法的卫星云图模拟技术

卫星云图模拟是气象卫星成像仿真所研究的核心问题,针对快速生成效果逼真的卫星云图的要求,以分形理论为基础,设计了一种基于随机中点位移算法的云体数据生成模型,并采用光线投射算法将产生的三维云体数据绘制于二维平面图像上,实现了卫星云图的模拟,得到了比较满意的结果.     

基于随机矩阵理论和改进粒子群优化-深度置信网络的无功优化

配电网无功优化是使电网能安全稳定运行的重要问题,本文将深度学习应用于配电网无功优化上,提出基于改进的粒子群优化 (Particle swarm optimization, PSO)深度置信网络（Deep Belief Networks,DBN）模型的配电网无功优化方法。首先,利用随机矩阵理论将配电网运行过程中产生的环境以及电气数据构造五种随机矩阵,每种矩阵构建8种特征指标,共提取40种特征指标;其次,以随机矩阵理论所提取的各特征指标为输入,以变压器分接头档位和节点的无功补偿容量作为输出,利用改进的PSO优化DBN网络的初始权重,建立PSO-DBN模型,学习各特征指标输入与变压器分接头档位以及节点无功补偿这两种控制策略之间的关系,得出相应的无功优化策略。最后,以改进的IEEE33节点系统作为算例仿真对象,验证了所提方法可降低网损和减少电压波动。     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。     

基于随机矩阵理论的局部放电脉冲快速检测方法

局部放电(partial discharge, PD)的检测是开展电力设备状态评估的重要手段之一。由于现场背景噪声及干扰信号影响,采集到的局部放电信号往往淹没在噪声中。噪声抑制算法是提高局部放电脉冲检测的有效方法,但这些噪声抑制算法往往需要针对所有采集的数据展开,当数据量特别大的时候将严重影响其实时性。因此,提出了一种基于随机矩阵谱分布理论的局部放电脉冲快速检测新方法。利用特高频传感器接收到的PD时间序列构造高维随机矩阵,再根据随机矩阵理论下时间序列模型的经验谱分布理论,提出了基于滑动时间窗的局部放电脉冲快速检测方法。仿真及实验室测试结果表明,所提方法能快速地识别出时间窗数据中的PD脉冲。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。