基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

面向对象的活塞CAD/CAM述评

介绍了活塞CAD/CAM技术及其发展现状。该技术主要包括在三维有限元的基础上 ,采用面向对象的技术和专家知识型的数据库建立活塞的实体模型 ,并在进行有限元的剖分和边界条件的确立后对分析结果优化设计 ,最后将设计好的实体通过在计算机自动生成NC程序。活塞CAD/CAM是一套在三维实体建模基础上的CAD/CAM一体化系统     

基于运动对象的电子物流系统

本文给出了电子物流产生的必然性及基本特征，讨论了电子物流中重要的研究对象——运动对象管理系统的建模，同时架构了电子物流中运动对象的模型设计及详细描述了MOMS子系统。     

O/W型乳液破乳剂的合成及性能评定

探索并建立了用环氧氯丙烷与混合胺反应制备阳离子Ｏ／Ｗ型乳液破乳剂的方法。通过正交实验，选择出合成反应的最佳条件及合成路线，并对其破乳性能和最佳用量进行了初步的考察。实验结果表明，这种阳离子型Ｏ／Ｗ乳液破乳剂具有良好的破乳性能，其破乳效率优于目前油田普遍使用的反相破乳剂ＣＷ０１。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

公路网上移动对象连续k近邻查询的一种方法

公路网上移动对象连续k近邻查询是最近时空数据库查询中的一个研究热点,它是在一个时间段内找到离查询点最近的K个移动对象.我们分析了现有查询方法,存在的问题主要是运动对象位置随时间而频繁变化以至于不能及时更新运动对象的信息而导致返回KNN结果不正确.为了解决这些问题,采用一种距离预计算方法,使计算量减少,从而为更新通讯获得更多时间.通过实验证明,我们提出的方法是有效的.     

—种基于Baker映射与时空混沌的图像加密算法

分析了Baker映射在图像加密中的局限性,在此基础上提出改进措施,即基于比特位的图像分块与置乱方法.将此改进方法与时空混沌相结合,提出了一种新的图像加密算法.在该算法中,时空混沌的状态值用于确定图像的分块规则和改变明文比特的值.利用密文反馈模型,确定时空混沌的迭代次数,动态生成时空混沌的状态序列,并通过时空混沌系统的迭代,扩大密文反馈的影响.因此,算法具有很好的混淆与扩散特性.仿真实验和对比分析均验证了该算法具有良好的安全性和应用前景.     

基于数据库信息构建贝叶斯网络的GA方法

主要论述了以现实存在的大量数据库信息为基础构建贝叶斯网络 (BayesianNetworks ,BN)的主要问题。讨论了不确定性知识的图形表示方法 ,以及如何利用专家知识指导属性的排序与选择。鉴于网络结构的复杂度随论域中结点个数的增加呈指数上升 ,如何寻找最佳贝叶斯网络就成为NP -Hard难题 ,应用遗传算法 (GeneticAlgorithms,GA)给出了最佳贝叶斯网络设计的一种新方法 ,并进行了实例计算。     

社会科学数据库建设初探

本文从中外社科数据库的发展情况,阐述如何建立中文社科数据库;确定数据库的标准;数据库的设计;加强专业人员的培养;建立完整的管理机构     

榛属种质资源性状描述系统数据库的研制

在榛属种质资源性关描述系统和榛种质资源描述符研究的基础上,研制出榛属种质资源性状描述系统数据库２个,即中文ＤＣＧＲ和英文ＤＣＧＲＥ。该数据库可同时输入榛属种质资源的多项中文或英文信息,并具有增删、修改、检索、打印、拷贝等功能。为充分评价及合理开发、利用、保护榛属种质资源提供了方便。