定日镜场的优化设计

高度概括研究目的、方法、结果及结论,展示该研究的创新之处。列出具体的实验条件及主要实验数据。力戒空洞,删除评论性语句。以新能源为主体的新型电力系统,是我国实现“碳达峰”“碳中和”目标的举措之一。塔式太阳能光热发电是一种低碳环保的新型清洁能源技术,因此塔式太阳能热发电电站中定日镜场优化布置问题在当前具有重大意义。本文从已有的数学出发,利用数学模型,借助matlab编程,将吸收塔建于该圆形定日镜场中心,利用几何模型公式计算出太阳高度角、太阳方位角、太阳赤纬角,进而计算出每个定日镜的光学效率,根据给定的月幅照度数据,计算每个时段辐照度,计算出每个定日镜接收的辐照热量并汇总得到总输出功率,再算出单位镜面面积的平均输出功率,最后得到定日镜场的年平均光学效率、年平均输出热功率,以及单位镜面面积年平均输出热功率,有助于合理设计定日镜场的位置以提高转化效率。

基于矩阵的模糊决策系统的属性约简算法

通过矩阵刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集的上(下)近似、重要度等概念,给出模糊决策系统的属性约简算法.将其运用到信息系统的属性约简算法和模糊信息系统的属性约简算法中,用UCI数据集说明算法的可行性.

基于Fisher判别分析的分类模型研究

Fisher判别分析是数据处理的常用技术。Fisher线性判别模型是找到一条合适的直线,使得数据点在投影到直线后可以被分离。本文通过对Fisher判别分析和高斯核函数的分类的研究,通过实际例子,在matlab中编程实现算法,分别画图比较了二维数据和三维数据的分类结果。

基于矩阵的模糊信息系统的属性约简算法

基于模糊粗糙集的知识获取方法在模糊粗糙集的研究中具有十分重要的作用,通过矩阵来刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集和粗糙模糊集的上(下)近似、重要度等概念,给出模糊信息系统的属性约简算法,并用UCI数据集说明算法的可行性。

城市道路交叉口信号配时模型

针对城市交通拥堵日益严重问题,为了提高城市道路通行能力,文章建立道路交叉口车辆延误模型、最佳周期估计模型。通过建立信号灯动态模型获得最佳周期和有效绿灯时间,并以西安市小寨十字为例仿真实验对信号灯配时方案进行优化,得到较佳配时方案,此配时方案可以有效减少车辆延误和排队长队,提高通行能力,缓解交通拥堵。

基于TAN模型的多标签分类算法

本文针对多标签分类问题,建立了一种考虑标签间相关性的多标签分类算法。首先,找出与该标签相关性强的标签。通过贝叶斯网结构学习找到相关联的标签,并且只考虑与其相关性极强的父节点标签;然后,提出基于TAN模型的多标签分类算法,即MLTM(Multi-Label classification algorithm based on TAN Modal)算法,并给出MLTM算法的具体过程;最后,通过数值实验将MLTM算法与二元关联(BR)算法等3种算法进行比较,结果表明,MLTM算法分类效果更好。

小波变换在混合系统时间序列离散事件检测中的应用

为了检测混合系统的时间序列,使用小波分析方法。离散事件的检测是混合系统辨识的一个重要步骤,而小波变换是一种适合于混合系统时间序列分析的方法。将两种小波分析技术相结合,得到了在弱噪声条件下检测转换点的方法。在此背景下,重点讨论了将理论结果用于实时序列离散事件检测时的效果。当系数振幅的评估仅限于较粗尺度时,将基于系数最大值的检测与基于小波的去噪过程相结合,从而允许在转换点附近进行局部细化并减少噪声,使离散事件的失真降至最低。

城市轨道交通乘客路径选择模型

在城市网络化运营的状态下,乘客对路径的选择决定客流的时空分布,是客运组织的关键。本文对影响乘客在网络化路径选择主因进行分析,建立路径广义费用函数模型,应用有效路径搜索算法对其模型进行测算;采用西安市近年轨道交通网络的基础数据对模型进行验证分析。

基于自步学习的半监督中智聚类算法

现有的中智聚类算法,大多利用样本固有的标签信息改善聚类效果,并未关注不同样本对聚类结果的不同程度的影响.针对这一问题,本文提出一种基于自步学习的半监督中智聚类算法(SSNCSPL).首先,引入半监督学习理论,可以通过约束隶属度矩阵与标签矩阵的误差平方和最小,实现标签信息引导聚类结果的目的;其次,引入自步学习刻画不同样本对聚类结果的重要程度的差异性;最后,在各类数据实验表明,与现有算法比较,所提算法既有更好的聚类效果也能有效地减少噪声对模型性能的影响。

基于稀疏中智聚类的图像分割算法

聚类算法是机器学习领域的重要研究课题之一,基于聚类的分割算法无需图像的任何先验信息,减少了人为干涉,所以该算法已广泛应用于图像处理的多个领域。中智聚类算法由于其处理不确定性问题的优越性,而被广泛用于图像分割算法。本文从中智聚类基础性的研究算法(FC-PFS)出发,提出了一种新的基于稀疏正则项的中智聚类算法。首先引入正则化项,增强隶属度矩阵的稀疏性,其次引入数据k近邻,给出正则化项参数的优化方案,降低调参难度,从而学习到结构合理且稀疏的隶属矩阵,提高中智聚类算法的聚类性能,同时利用提出的算法在无噪声图像,不同方差的高斯噪声及不同密度的乘性噪声图形上进行图像分割,试验结果验证了基于稀疏正则项的中智聚类算法是合理且有效的。

自适应半监督邻域聚类算法

为了充分利用监督信息指导聚类过程,提出自适应半监督邻域聚类算法(adaptive semi-supervised neighborhood clustering algorithm, SSCAN)。引入监督矩阵与距离度量结合,构造合理的相似矩阵;充分利用监督信息,通过标签信息矩阵与流形正则项结合调整模型,改善聚类效果。在多种数据集进行试验,并与其他聚类算法作对比,结果表明,SSCAN可以充分利用监督信息,提高聚类的准确率。