基于空间相互作用模型和Markova链的人口流动分析——以江西省抚州市为例

文章根据地区经济发展水平估算抚州市的合理人口,以此作为空间相互作用模型的到达数量,利用空间相互作用模型计算抚州市人口流动的合理格局,并运用Markov链预测未来抚州市人口流动的趋势。研究得出,临川区无论是人口流动还是远期的人口占比与抚州市其余县相比均有显著的优势。

不同时间尺度的风功率建模及LOLP算法研究

风功率与时间的紧密相关性,使得风电有别于常规机组,因此,必须建立能够反映风功率时间特性的模型。大规模风电的接入对电力系统的可靠运行带来威胁,采用随机生产模拟以及序列运算等方法可以评估电源的可靠性,LOLP和LOLE则是其中的核心指标。文章利用每10 min风功率的测量数据,建立在时间序列上的风功率多状态模型,并采用随机生产模拟的方法,提出了含风电场的电力系统长期LOLP算法;建立在时间断面上的风功率马尔可夫链模型和状态转移矩阵;采用序列运算的方法,提出了含风电场的电力系统短期LOLP算法;最后,在IEEE-RTS 79模型中实现了上述算法,得到了相关结论。文章的研究对于含风电场的电力系统电源规划、运行规划以及可靠性评估等具有重要意义。

一种基于DPNN的Markov链等效状态转移模型

针对Markov链状态转移预测,提出一种基于离散过程神经元网络(DPNN)的等效状态转移预测方法和模型,探讨DPNN与Markov模型在一定条件下对于系统状态转移特性描述的等价性问题.利用DPNN对时间序列样本的非线性映射机制和自适应学习能力,可通过对时间序列样本集的训练,确定满足Markov链时间序列状态转移约束关系的DPNN,并将其连接权矩阵作为Markov链等效状态转移矩阵.对于任意的Markov链,给出与之等效DPNN的构建方法和在Markov链状态转移概率条件约束下的网络权值矩阵求解算法,仿真实验结果验证了方法的有效性.

基于马氏链的感知无线电信道状态预测及容量估计

针对感知无线电(cognitive radio,CR)信道的动态特性,对感知无线电频谱占有模型进行了研究,利用马尔可夫模型对频谱占用情况以及信道状态变化情况进行概率统计和估计,基于估计结果,进行实时预测频谱占用情况和实现信道容量估计,并给出了一个容量估计公式。仿真结果显示信道状态预测及容量估计准确性很高,为基于QoS的感知无线电动态选频提供了很好的参考依据。

三峡库区的水上安全监管4R模式及应用研究

分析三峡库区水上交通系统的复杂性,指出水上突发事件具有随机过程的马尔科夫性,确定水上交通安全状态的"常态"和"非常态"分类方法。运用德尔菲法确定了影响三峡库区水上交通安全的影响因素,并应用SPSS软件对影响因子进行了定量的主成分分析,建立了95%可靠度下的6个综合安全因素,并指出气象和水位是影响三峡库区水上交通安全的主要预警因子。

车联网中的异构网络融合机制研究

研究车联网中的异构网络融合机制,重点研究车联网中异构网络的切换机制和异构网络的选择机制。针对车联网场景中异构网络的选择机制,提出了一种基于运动预测的多属性决策网络选择算法。该方案的主要思想是采用基于马尔科夫链的运动预测机制预测出车辆的行驶轨迹,根据多属性决策网络选择算法,使车载移动终端从候选网络集中选择一个最适合的网络接入。实践表明,该算法不仅可以有效避免或减少乒乓效应的产生,减少网络切换的次数,而且能够使车载移动终端选择最适合的网络接入。

基于H-杂交的改进遗传算法研究

遗传算法是一种模仿生物自然进化过程的随机搜索和优化算法。其优势在于可以高效地处理传统搜索方法难以解决的非线性问题[1],但简单的遗传算法作为一种启发式搜索算法,寻优理论还不完善,因此在应用中常出现收敛过慢等问题。为了解决这一问题,我们引入H-杂交并提出一种新的改进遗传算法。带H-杂交的改进遗传算法不必要预选交叉概率,变异概率,不必要将目标函数变换成适应度函数,不必要进行变异算子。由于具有这样的特性,带H-杂交的改进遗传算法在一定程度上克服了现有的一些自适应遗传算法的缺陷。