采用动态赋权的风储协调多目标优化控制方法

风储协调控制中需要处理多个具有不一致性的子目标,各子目标的权重系数对控制效果具有关键作用。首先,通过仿真分析验证了基于固定赋权法的多目标优化控制难以适应风电出力的随机性特点。然后,提出一种通过网格化搜索进行权重系数在线调优的动态赋权方法。为了判定最优的权重系数,提出了一种基于隶属度与熵权法的评价方法。算例分析表明,所述方法能够根据风电功率波动情况、储能荷电状态(SOC)及储能出力等情况,自适应地改变各子目标的权重系数,从而在平抑风电功率波动的同时,提高了储能充放电效率,并显著改善对储能SOC的控制效果。

考虑动态赋权的江水源热泵供能系统模糊综合评价方法研究

针对当前江水源热泵供能系统评价指标体系单一、赋权忽略动态变化及定性指标无法量化等问题,通过分析江水源热泵供能系统的工作原理及运行特点,从技术、经济及环保三个方面构建了江水源热泵技术经济综合评价指标体系。文中采用模糊评价方法量化定性指标,并通过层次分析法-熵值赋权法获得评价指标体系组合权重。考虑到江水源热泵供能系统在不同场景运行下的权值动态变化,提出基于动态赋权的权值动态修正方法,实现评价指标的动态赋权。针对长江沿岸地区某江水源热泵供能系统进行评价方法的应用,验证了该评价方法与实际情况相符。

基于K-means聚类的调查问卷动态赋权统计方法

为了保证调查问卷统计结果的可靠性,文章提出了一种基于K—means聚类算法的动态赋权统计方法。该方法在保证调查问卷效度和信度的基础上,分层次编制调查问卷问题量表;通过K—means聚类算法演绎不同层次下样本数据的归类分布情况,结合类容量大小确定样本的动态权重系数,进一步地赋权计算综合结果。将该方法应用于某高校图书馆服务质量满意度的调查实践,结果表明:动态赋权统计方法能够客观、真实地表征主体人对客体物的认知差异水平,其调查统计结果在有效性、可靠性等方面优于平均赋权算法,具有一定的实用价值。

产品设计评价中专家权重动态赋权方法及应用

为提高产品设计评价结果的可靠性,构建了一种基于群体共识度和聚类分析的专家权重动态赋权流程。引入群体共识度和贴近度模型来判断、识别及排除差异性较大的专家评价结果,促进群体评价达到共识度阈值要求;利用系统聚类算法演绎不同评价准则下专家群体的归类情况,确定类容量大小,进行动态赋权;最后通过加权计算获得综合评价结果,为设计决策提供评价参考。以车用智能警示牌概念方案的设计评价为例,验证了其可行性和有效性,并进行不同赋权方法下综合评价结果的对比研究。结果表明,该方法能够客观、真实地表征专家个体对不同评价对象的认知程度,其综合评价结果在可靠性上优于平均赋权方法和静态赋权方法,具有一定的实用价值。

一种动态赋权红外光谱特征选择算法研究

大规模的红外光谱数据集中存在大量无关冗余的特征。针对这一问题,提出了一种动态赋权红外光谱特征选择算法(Dynamic Weight Infrared Spectrum Feature Selection Algorithm,MBDWFS)。该算法把对称不确定性度量标准与近似Markov Blanket相结合,以删除原始光谱数据集中无关冗余的特征,从而获取数据规模较小且最优的特征子集。通过与FCBF、ID_3和ReliefF三种经典特征选择算法的性能仿真对比试验,证明所提出的MBDWFS算法在整体分类性能上优于其他三种算法,用于红外光谱的物质分析领域时效果更好。

基于动态赋权近邻传播的数据增量采样方法

数据采样是快速提取大规模数据集中有用信息的重要手段,为更好地应对越来越大规模的数据高效处理要求,借助近邻传播算法的优异性能,通过引入分层增量处理和样本点动态赋权策略,实现了一种能够非常有效地平衡处理效率和采样质量的新方法.其中的分层增量处理策略考虑将原始的大规模数据集进行分批处理后再综合;而样本点动态赋权则考虑在近邻传播过程中对样本点进行合理的动态赋权,以获得采样的数据空间上更好的全局一致性.实验中,分别使用人工数据集、UCI标准数据集和图像数据集进行性能分析,结果表明:新方法与现有相关方法在采样划分质量上可达到同等水平,而计算效率则可实现大幅提升.进一步将新方法应用于深度学习的数据增强任务中,相应的实验结果表明:在原始数据增强方法上结合进高效增量采样处理后,在保持总训练数据集规模的情况下,所获得的模型性能可实现显著的提升.

基于Boosting算法软件可靠性动态赋权组合建模

目前,许多软件可靠性增长模型(SRGMs)被提出并应用于软件开发过程,但还没有在不同条件下都表现良好的普适性模型。将若干独立模型进行组合可提高单个模型的可靠性评估和预计精度。本文基于机器学习算法(Boosting算法),建立基于单个模型变异的动态赋权组合模型(ASCM)。ASCM模型可有效地改进单个原始模型的拟合性能。

基于动态组合赋权云模型的弧形钢闸门安全性评价

闸门的安全性评估是闸科学管理的关键环节。鉴于传统单一评估方法赋权存在的局限性,综合考虑闸门安装质量、启闭力、腐蚀程度等安全性评价指标,针对某些评价指标具有不确定性和模糊性的特点,引入动态组合赋权算法,重点考虑时间推移下弧形钢闸门各评价指标权重的变化,利用三标度法与熵值法得到组合权重,最终实现评价指标权重的主、客观与动静相结合,构建了基于动态组合赋权的弧形钢闸门安全性云评价模型。工程应用结果表明:所建立的评价模型不仅能定量且直观地反映弧形钢闸门安全性评价结果等级,而且能体现评价等级的时间推移规律,使得评价结果更符合实际情况,可以更好地反映钢闸门的运行情况。

基于矩阵距离修正Topsis的动态赋权方法

在采用面板数据进行综合评价时,各年份截面数据时间权重的确定至关重要。本文根据面板数据中,截面数据与理想状态偏离程度越小的年份、其时间权重越大的赋权思路,在Topsis中引入矩阵距离,建立基于矩阵距离修正Topsis的动态赋权模型以确定截面数据的时间权重。本文既弥补了现有时序动态赋权参数人为确定,导致同一年份的时间权重差异较大的弊端;也弥补了现有Topsis仅能确定指标或者评价对象的权重,无法对不同年份截面数据进行赋权的不足。

基于动态赋权的时空集成评价模型研究

在属性值的频率法概率标度及熵变换基础上,定义了属性规范化变换的有序度测度模型.基于变权思想与信息熵原理定义权重,通过动态权向量对对象、属性进行动态赋权,提出动态赋权法时空集成综合评价模型.通过实例说明方法在资源环境时空集成综合评价中的应用与实证方法的有效性.

基于动态组合赋权的农业机械综合评价研究

构建了农业机械综合评价指标体系,借助熵权法和G1法对评价指标进行动态组合赋权,利用综合指数法对农业机械进行优选;最后通过实例进行分析,说明了方法的有效性。

基于评判者心理偏好的动态组合赋权法

为弥补现有评价方法中主观赋权法和客观赋权法的不足,对现有企业竞争力评价方法中的权重确定方法进行分析,根据初始权重的确定,融合多种主观赋权法和客观赋权法的赋权结果,用属性坐标分析比较的方法进行学习调整,总结提出基于评判者心理偏好的动态组合赋权(Dynamic Combination Weighing Approach,DCWA)法.通过算例表明利用该方法所给出的权重信息更科学、合理,能对评价指标给出合理的权重,同时又充分体现评判者的心理偏好,较好地克服单一赋权法的不足,从而使最终的评价结果更符合实际,对企业竞争力评价分析更正确.该方法的思想也可应用于经济、管理等评价和决策系统中.

基于动态组合赋权的供应商综合评价

构建了包含产品成本、供应商实力、供应商服务水平、产品质量、供应商发展潜力和供应商信息获取能力6个指标的供应商评价指标体系,借助熵权法和G1法对评价指标进行动态组合赋权,利用综合指数法对供应商进行优选,建立供应商的综合评价模型,最后通过实例分析,说明方法的有效性。

基于均值修正G1组合赋权的第三方农产品物流供应商综合评价

构建了包含管理水平、供应商实力、供应商服务水平、协调能力、运输成本、供应商发展潜力和供应商信息获取能力的物流供应商评价指标体系,借助变异系数法和均值修正G1法对评价指标进行动态组合赋权,建立物流供应商的综合评价模型,最后通过实例进行分析,说明方法的有效性。

基于熵值法的员工绩效指标权重确定方法

针对传统的员工绩效评价指标的权重相对稳定,不能随情况变化而灵活变动的缺点,用熵值法对初步给定的绩效指标权重进行调整,做到静态赋权与动态赋权相结合,增强了评价的合理性和科学性. 应用实例表明,调整后的权重,能更准确的反映被评价对象的实际情况,为企业的人力资源管理提供了依据.

基于动态MAUT的油气勘探风险决策模型研究

油气勘探项目的风险决策是一个系统、复杂的过程。传统决策方法很少考虑决策者的风险承受能力与风险偏好,从而导致决策结果与客观实际不相符合。基于此,以Suslick提出的MAUT决策框架为基础,从风险-收益的角度,凝练出"地质风险"、"市场风险"和"经济收益"3大属性。通过效用函数,将决策者对待风险的态度、经验及判断能力等主观因素与勘探项目的客观损益有机结合;并综合专家赋权法和随机赋权法的优点,对属性实施动态赋权,构建了基于动态MAUT的油气勘探风险决策模型。该方法不仅充分考虑了决策者的风险偏好,且能够反映决策结果的稳定性,有利于决策者以动态、全面的眼光进行风险决策分析,从而使得决策更加科学、合理。实例应用表明,该模型决策结果符合客观实际,且操作简便,对同类研究具有借鉴作用。

基于信息熵的软件可靠性多模型动态预测方法

针对经典软件可靠性预测模型中的不一致问题和"变点"问题,研究了一种基于信息熵的软件可靠性多模型动态预测方法,采用固定步长滑动窗口的动态赋权策略,运用信息熵对多个经典模型预测性能进行动态融合,实现了软件可靠性的综合预测。试验结果表明,在一定步长情况下,基于信息熵的软件可靠性多模型动态预测方法比单个经典模型有更好的预测性能。

基于模型预测控制的动态多属性决策方法

动态多属性决策问题包含有多时间阶段的属性值，反映了各时间节点对于决策对象的状态评估。基于模型预测控制思想，提出了一种基于相似关系的动态赋权重方法，通过灰色预测模型GM（1，1）对属性值进行预测，对集成权重实施滚动优化，从而有效地解决动态多属性决策问题，实例分析表明了所提方法的有效性，并通过预测模型精度验证方法的可靠性。

常年灌溉地带节水灌溉效益评估——基于动态可拓TOPSIS法

针对节水灌溉效益评估中定性与定量指标不相容以及评价过程过度依赖主观判断的问题,借助动态可拓赋权并结合改进后的TOPSIS法增加客观性,开展了节水灌溉效益评估模型构建和实证分析。调整可拓法中简单关联函数的最优点位置,克服了传统可拓法存在的区间内逆向变化和权重未归一化问题;使用相对熵值替代欧几里得距离,增加了TOPSIS法的稳定性、准确性和可操作性;构建评估模型,并以常年灌溉地带为例,筛选指标、确立等级、输入数据,对其进行了分区域效益评估,评估结果与实际情况及类似研究成果[1]一致。

基于量子和声搜索算法的可再生能源渗透率组合预测模型研究

“双碳”目标极大地促进了我国可再生能源的发展。针对可再生能源渗透率的准确预测问题,提出基于量子和声搜索(QHS)算法的可再生能源渗透率组合预测模型。首先,采用多层感知器筛选出与可再生能源渗透率强相关的因素;其次,选择4种不同的单项预测模型,采用改进折现均方预测误差加权(MDMFSE)组合模型对单项预测模型结果进行集成;最后,利用QHS算法对MDMFSE的加权系数进行动态优化,构建QHS-MDMFSE组合预测模型,实现对可再生能源渗透率的预测。算例分析表明,所提模型相较其他传统模型具有更高的预测精度,且稳定性更高。