组合预测模型的回归分析方法

给出求解组合预测权系数的回归分析方法，文章首先给出了基于最小二乘和最小一乘准则的线性回归组合预测模型，然后应用最小二乘原理得到权系数最小二乘估计值。由于最小一乘准则下，目标函数不可微，传统的优化规则方法无法求解，故文中提出用基于最小二乘的逐步变权方法进行求解。同时，还给出了百分误差绝对值最小为目标的组合预测模型及权系数求解方法。通过实例分析，表明组合预测模型的预测精度很高，回归效果很显著。     

网络K度薄弱最小割集及其快速搜索算法

本文建立了k度薄弱最小割集概念,以表征网络传输薄弱环节薄弱的程度。在此基础上提出了一种搜索大型网络k度薄弱最小割集的算法。计算复杂性分析表明,该算法的计算频度较低,可有效应用于大型网络传输容量充足度分析之中。     

一种新型蚊蝇拍的设计

本文设计了一种新型的蚊蝇拍装置,主要将弹簧、旋转式拍面及前后伸缩按钮结合,实现了垂直击打、长短可调、多方向多角度击打的三大功能.运用能量的相互转化,将弹簧的弹性势能转化为装置的机械能.同时该装置中弹簧的伸缩是可通过伸缩按钮控制的,具有半自动化的特征.     

最小一乘线性回归模型研究

用5个定理给出最小一乘线性回归的相关性质,为其工程应用奠定了基础。文中首先证明了“由“最小一乘”准则确定的直线y=b1x1+ b2x2经过其两个样本点”以及“由最小一乘准则确定的直线y=b1x1+ b2x2+a经过其三个样本点”。然后应用数学归纳法得到如下定理:设有n(n>P)个样本点(x1i, x2i, ? xP i, yi,),则由最小一乘准则确定的线性非奇次模型y=b1x1+b2x2+?bPxP+a经过其P+1个样本点,而相应的奇次模型必经过其P个样本点。通过大量工程实例证实了最小一乘具有较强的稳健性,同时也证实了定理的正确性。     

大系统可靠性评估的快速分块算法

网络的最小割集等效是大系统可靠性评估中常常遇到的重要问题,也是出现“维数灾难”的主要原因。本文提出了一种快速分块算法,并从理论上对其正确性进行了证明。算法中的连通性判断采用了链表数据结构和深度遍历法(DFS)相结合的方法,从而有效地提高了判断连通性的速度。文中还提出了一种判断已知边集是否为最小割的方法。计算复杂性分析和网络可靠性评估的算例表明了该算法对大系统可靠性评估的有效性。     

函数型连接神经网络偶发事件分类器设计

偶发事件分析是电力系统安全分析和可靠性计算中的关键问题,需要大量的计算时间.为了有效地减少大电力系统开断模拟的计算工作量,提出一种用于识别偶发事件的函数型连接神经网络(FLNN)分类模型和算法.为获取事故后的系统状态信息,用相对于故障前系统状态的变化量反映事件的行为特征,设计了一组行为指标(PI),构造出神经网络分类器.讨论了各种行为指标及其组合对分类器的不同影响,指出支路功率行为指标是较好的行为指标.通过对IEEE-RTS24试验系统进行的分类计算表明,该分类器不仅网络结构和学习算法简单,而且提高了计算速度和精度.     

抽油杆裂纹信号的特征分析及处理方法

论述了基于LF方法检测抽油杆裂纹的原理,并对采用这种方法所测得的抽油杆裂纹信号的特征进行了分析．在此基础上,提出了有效波形自动分离以及相关参数自适应调节的算法．实际应用表明,该算法在抽油杆的缺陷检测中具有很好的应用价值．     

计及输电线路相关停运的大电网可靠性评估

为了计算和分析输电线路对大电网可靠性评估的影响,提出一种计及双回平行输电线路独立停运、共同模式停运和相关停运的大电网可靠性评估模型和算法.计及共同模式停运和相关停运时,双回平行输电线路的两回线实际上是一个具有多个状态的元件.提出的算法可以在形成可靠性指标时,同时计算这种多状态元件造成系统失效状态下独立停运、共同模式停运和相关停运的概率和频率,减少了计算复杂性.通过对RBTS系统、IEEE-RTS96区域A系统和一个实际电力系统进行的可靠性计算分析,验证了提出的算法的正确性和有效性.     

一种节能的无线传感网异构配置模型

依据对实际传感信息分布与无线传感网络工程需求的分析,提出一种新的无线传感网异构配置模型(WSNHEDPM).对传感节点中的传感模块按需要进行组合,使其与感知物理特征量空间分布特征相适应,以减少信息冗余,降低无线传感节点的能量负担.对两种配置方法进行了配置成本、能量消耗与生存周期方面的理论和实验分析比较.理论和仿真实验表明,该模型使无线传感网在面向实际普通应用环境时更为能量有效和合理.     

基于粗糙集与神经网络的电力负荷新型预测模型

针对电力系统多因素负荷预测问题的复杂性,融合粗糙集方法与神经网络方法各自的优势,提出一种新型的负荷预测模型——粗糙集径向基函数神经网络模型(RSRBFN).运用粗糙集方法和信息熵概念,在不改变样本分类质量的条件下约简负荷影响因素,简化了网络输入变量.通过消去冗余信息,提炼学习样本,获得典型样本.用典型样本约简隐含层神经元和训练网络,并将网络连接权值学习的非线性极值问题转化为线性规划问题,使网络结构得到优化,提高径向基神经网络的计算效率和预测精度,增强实用性.数值实验结果说明RSRBFN模型是可行、有效、实用的.