基于Copula函数的电网规划指标相关性分析及建模

电网规划决策中,忽略指标间的相关性将影响整个电网规划的可靠性和经济性,引起工程计算的误差,进而影响决策的准确性。电网规划指标间不仅存在线性相关还存在非线性相关,单纯以线性相关为基础的分析研究不能完整精确地表达其相关性。为此,提出基于Copula函数的电网规划指标的相关性分析及建模方法,并引入了相关性测度。首先采用核密度估计法确定变量的边缘分布及图形观测法选取Copula函数,并利用极大似然法进行参数估计。然后以经验Copula函数为基础计算欧氏距离值,评价二元正态Copula和二元t-Copula两模型的优劣。最后,以某省电网规划方案的数据为样本进行实例验证,结果表明所提方法构造的Copula函数模型的有效性,不仅能有效刻画指标间的相关结构和尾部相关性,而且能更好地反映指标间的秩相关性。

改进傅里叶域转换的分子性质预测方法仿真

生物信息分子交换过程存在复杂的量子互斥相互作用,使得分子性质预测难以实现。以图神经网络为基础,提出一种基于分子结构图数据的分子性质预测方法。将由顶点-边结构组成的不同种类图形数据作为神经网络输入,构建图神经网络;结合分子结构图的不规则特征与复杂性,利用傅里叶变换方法在图神经网络中引入谱卷积,完成节点的傅里叶域转换,得到图卷积神经网络。通过融合分子结构图、聚合原子邻域信息、更新原子结构,实现分子性质的预测。实验结果证明了所提方法具有高预测精度,且规模数据集处理能力较强,分子预测的泛化性与迁移性的优越性显著。