基于PI-BBI的高铁沿线秒级风速质量控制算法研究

由于高铁超声波测风仪碍于安装环境限制易受外部干扰产生秒级异常风速,而现有的基本质量控制方法与气象领域分钟级时距质量控制算法无法准确识别秒级异常风速,导致监测风速不能很好地满足高铁秒级风速监测预警需求。为了解决该问题,基于高铁沿线风速监测异常值数据特征,提出一种基于PI-BBI的秒级风速监测数据质量控制算法。该方法首先利用基于物理信息的双向长短期记忆网络对风速异常值进行预测,并得到预测误差;接着通过改进的指数加权移动平均法对预测误差进行平滑;最后使用孤立森林检测平滑误差序列中的异常值,从而能够识别原始风速序列中的异常值。实验结果显示,该质量控制算法能有效改善高铁沿线风速监测数据的质量,从而提高监测预警的准确性。

基于风速升降特征的短期风电功率预测

为提高短期风电功率预测精度,提出了基于风速升降特征的短期风电功率预测方法。该方法分析风速上升或下降对风力发电的影响,根据风速升降特征,为风速添加标记值,增加训练样本维度,从而提高功率预测精度。用上海某风电场2014年9月至2015年9月数据对算法进行验证,并对比最小二乘支持向量机(LSSVM)、极限学习机(ELM)、遗传BP神经网络(GA-BP)三种方法的预测结果。实验结果表明,在风电功率预测中引入风速升降特征能够明显提高了模型的预测精度,适合风电场的短期功率预测。

基于WRF模式和PSO-LSSVM的风电场短期风速订正

风速预测是风电场风电功率预测的基础与前提,以数值天气预报(WRF模式)为基础进行风速预测,为了提高WRF模式预测的准确性,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)对WRF模式输出的风速进行订正。同时,为提高LSSVM算法的精确度和减小拟合过程的复杂度,采用粒子群优化算法(Particle Swarm Optimization,PSO)对其参数进行优化。试验结果表明:采用LSSVM订正可以进一步减小WRF模式预测风速的误差,再经过PSO优化后,相对均方根误差和相对平均绝对误差降低了5%~10%,均方根误差下降了0.5 m/s。与未经优化的LSSVM以及极限学习机(ELM)算法对比分析后得出,粒子群优化最小二乘支持向量机(PSO-LSSVM)对WRF模式预测的风速有较好的订正效果,能进一步提高风速预测的准确性。

基于小波分析和PSO优化神经网络的短期风电功率预测

针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法。首先,通过小波方法将用于神经网络训练的历史风速和风电功率序列进行分解,再针对风速和风电功率的各个分量分别建立相应的神经网络模型,采用分期变异粒子群算法对各个分量的神经网络学习算法进行优化,最后将各个分量的预测值进行小波重构得到风电功率预测结果。江苏如东某风电场风电机组的实验结果证明预测精度较传统神经网络方法有较大提高,验证了所提出方法的有效性。

无线传感器网络中一种改进的DV-Hop定位算法

节点定位是无线传感器网络应用的关键技术,文章分析了DV-Hop算法及提出的一些改进方法;DV-Hop算法简单把跳数作为衡量节点距离的标准,这样会由于跳数相同、实际距离远近不同而选用错误的锚节点定位引起较大误差;通过引入了RSSI测距模型,把测距技术和非测距技术相结合,校正距离锚节点远近,在一跳之内以及多跳情况下分别实现更高精度的定位从而达到在一定程度上降低定位误差的目的。

区域企业集聚科技创新要素水平及集聚效益评价研究

通过分析科技创新要素的内涵及分类特征和科技创新要素企业转移的系统机理,建立企业集聚科技创新要素水平评价指标体系与集聚效益评价指标体系,运用基于相对熵原理的组合赋权法综合评价江苏13市大中型工业企业集聚科技创新要素的水平和集聚效益,分析二者评价值及评价值对比关系并提出改善区域企业集聚科技创新要素状况的对策。

一种基于GEP的地面气温观测资料的质量控制方法

地面观测资料的单站质量控制是气象业务中不可或缺的环节,特别在台站密度较低或新增台站的地区,单站质量控制是观测资料有效性的基本保障。在研究传统单站质量控制方法的基础上,利用气温与相对湿度之间的耦合关系,提出一种基于基因表达式编程(GEP)算法的地面逐时气温资料单站质量控制方法,实现相对湿度对气温的质量控制。并利用该方法对江苏省六市2005—2007年地面观测的逐时气温资料进行质量控制,以评估其适用性,并将控制效果与传统方法进行比较。结果表明,GEP质量控制方法能有效标记出可疑数据,具有可控性强、识别精度高等优点,尤其在每年5—9月的检验效果优于传统的单站质量控制方法。

基于色度学与形态学相结合的细胞识别研究

针对受外界光照环境的影响,尤其是光源颜色,采集来的彩色图像经常会发生彩色偏移,可以采用一种白平衡算法进行校正。白平衡会按目前画像中图像特性,调整整个图像红绿蓝三色的强度,以修正外部光线所造成的误差。从而在一定程度上解决了由光照引起的图像彩色偏移,使得检测结果更稳健。原图像经处理后用阈值分割法把细胞成分从背景中分割出来,最后对二值图进行边界跟踪等处理。经过膨胀腐蚀可以获得区域的外轮廓,以及该区域的内部轮廓,提取特征参数输入神经网络进行训练识别。实验结果表明,识别率得到了较大地提高。

基于S3C44B0X的生化分析仪

鉴于目前国内的生化分析仪研制水平落后,提出了基于S3C44B0X的生化分析仪的设计,它以ARM系列S3C44B0X微处理器为核心,介绍了其工作原理,并且论述了生化分析仪的外围电路的硬件设计及应用。该型生化分析仪具有体积小、使用方便、性价比高等优点,极大提高了仪器的一体化程度,并为远程专家诊断提供便利。

基于CAN总线的自动气象观测系统设计

根据地面气象要素观测的需要,设计了一种基于CAN总线接口的自动气象观测系统,并详细介绍了该观测系统的总体结构设计和工作原理。系统采用主从方式,通过CAN总线将各个观测节点连接起来,并将各个观测节点采集的数据传输到上位PC机处理。观测节点采用MSP430单片机为主控制器,控制和处理传感器采集数据,并通过CAN控制器MCP2515将采集的数据传输给上位机。该系统硬件结构简单、可靠性高、测试结果能满足实际的测量要求。

AI方法在地面气温观测资料质量控制中的应用

提出一种基于自回归与反距离加权的空间质量控制方法——AI方法,该方法能够在时间维度和空间维度对气象资料进行质量控制。选择不同地区4个地面气象观测站(南京58238站,连云港58044站,无锡58353站,徐州58027站)2007年逐时气温观测数据作为被控对象,检验该方法在气温资料质量控制中的适用性。通过对添加的随机人为误差的检验发现,该方法能够有效地标记出存疑数据,相对于反距离加权和空间回归,该方法具有更好的检验效果,稳定性高、适应性强,适用于平原或丘陵地带。

神经网络噪声检测的自适应加权均值滤波算法

针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法。用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护。仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法。

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声。该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算。实验结果表明,本方法中BP网络检测椒盐噪声效率高,整个滤波过程无需针对不同图像设置参数,滤波操作简单且性能优良,在去噪效果、细节保持和减少时间耗费等方面有一定优势。

基于神经网络与模糊推理的尿沉渣成分识别

把神经网络应用于尿沉渣有形成分的识别,并在神经网络识别的基础上引入模糊推理系统。当遇到神经网络无法正确识别的不规则有形成分时,由模糊推理系统进行推理识别。专家对不规则有形成分的识别经验通过建立多规则、多输入的Mamdani模糊推理模型,融入到识别系统中,使整个识别系统变得智能化。实验结果表明,该方法提高了不规则有形成分的识别率,达到预期的效果。

基于粒子群优化BP神经网络的台风灾损预测模型研究

在对浙江省台风灾情实际情况研究的基础上,选择台风路径预报平均误差、预警能力指数等16个因子作为输入量,用粒子群算法(PSO)对BP神经网络的参数进行优化,以避免陷入局部极小和初始参数的抉择问题,提高模型的精度和收敛速度,从而建立了PSO-BP模型,并将模型应用于浙江台风灾情的预测。最后,对PSO-BP网络模型与普通BP模型的台风灾情预测训练效果进行对比,使用三个台风数据测试已训练好的网络,模型的预测结果显示,PSO-BP算法相较于BP算法有更高的精度,能较好的反应历年台风灾情的基本趋势。

基于粒子群支持向量机的湿度传感器温度补偿

针对高分子湿敏电容感应元件容易受温度影响的问题,提出了运用改进的基于非线性递减惯性权重和自适应变异的粒子群优化支持向量机(AMPSO-SVM)方法对湿度传感器进行温度补偿,并与遗传支持向量机(GA-SVM)和标准粒子群支持向量机(PSO-SVM)优化方法进行了比较。结果表明:经过改进的粒子群优化支持向量机方法补偿后,湿度数据的相对误差绝对值均在3%之内,同时仅在25步迭代之后就达到了最优值。因此AMPSO-SVM相比于其他方法有抗早熟能力强,搜索精度高,收敛速度快的优点,用于湿度传感器温度补偿是有效可行的。

基于主成分分析及RBF神经网络的浙江省台风灾害损失预测

本研究基于1953-2007年登陆或对浙江省有重大影响的台风历史案例数据,考虑影响台风灾害损失大小的主要因素有台风致灾因子、承灾体暴露性影响因子与承灾体脆弱性影响因子,运用主成分分析法对表示承灾体暴露性影响因素与承灾体脆弱性影响因素进行数据处理,提取主成分作为RBF神经网络模型的输入,从而建立预测模型。在2006年和2007年影响浙江省的2个台风的实际预测中,主成分RBF预测能够减少台风灾害损失的误差。因此,该模型可用于实际台风灾害损失预测,有效地提高预测台风灾害损失值的可靠性,对于浙江省乃至全国防灾减灾工作有着重大的实际意义。

热电式温显保健水杯的设计与实现

为避免在未知水温情况下饮用过冷或过热的水导致伤害人体,设计了一个热电式温显水杯。该水杯的软硬件部分的实现分别基于C语言和STC89C51单片机。硬件部分主要包括升压电路、储能单元和LCD显示模块;软件部分主要包括系统初始化、数据采集和水温实时显示模块。通过实验分析记录的数据,并和室内温度对比,说明该水杯的软硬件部分可以准确、稳定、实时的反应水温的变化,达到了提醒安全饮水、环保和低碳的目的。

一种基于空间相关性和B样条曲面拟合的地面气温质量控制算法

将B 样条曲面拟合算法引入到地面气温观测资料的质量控制当中,考虑到区域内各参考站与目标站观测值之间的空间相关性,提出了一种基于空间相关性和B 样条曲面拟合的地面气温观测资料质量控制算法( Spatial Correlation and B-spline SurfaceFitting,BSF)。选择2012—2014 年南平站、南京站、太原站、拉萨站、景洪站和长春站以及周围300 km 内参考站的02: 00、08: 00、14: 00、20: 00 定时气温作为观测资料,结合平均绝对误差( Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、一致性指标( Index of Agreement, IOA)和纳什系数( Nash-sutcliffe Model EfficiencyCoefficient,NSC)这4 种评价参数对目标站地面气温资料进行质量控制分析。将BSF 算法的质量控制效果分别与传统的反距离加权法( Inverse Distance Weighted,IDW)和空间回归检验法( Spatial Regression Test,SRT)进行对比,试验结果表明:在不同案例下,BSF 算法的质量控制效果均优于IDW 算法和SRT 算法,能更有效地标记出气温观测数据中的可疑值。

基于EEMD-CES的单站地面气温资料质量控制方法研究

为了去除或减少我国地面气温观测资料中含有的噪声成分,提高观测资料质量,提出了一种新的单站质量控制算法。该算法融合了集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)和三次指数平滑法(Cubic Exponential Smooth,CES)。利用EEMD方法将气温观测资料分解为一系列相对平稳的本征模分量,并基于能量密度和相关性准则从中分析筛选出目标分量,以完成资料重构;利用CES方法对重构资料建立单站质量控制模型,形成了一种基于EEMD-CES的地面观测资料质量控制算法。为检验该方法的可行性与适用性,选取2008年全国9个观测站地面逐时气温观测资料进行质量控制,并对比传统的单站质量控制法、经验模态分解法和三次指数平滑法的质量控制效果。试验结果表明,基于EEMD-CES的质量控制方法能有效地标记出数据的可疑值,相比传统方法,具有更高的检错率和更强的适应性。