The Jacobi elliptic function-like exact solutions to two kinds of KdV equations with variable coefficients and KdV equation with forcible term

By use of an auxiliary equation and through a function transformation, the Jacobi elliptic function wave-like solutions, the degenerated soliton-like solutions and the triangle function wave solutions to two kinds of Korteweg de Vries （KdV） equations with variable coefficients and a KdV equation with a forcible term are constructed with the help of symbolic computation system Mathematica, where the new solutions are also constructed.

A Higher Order BEM for Wave-Current Action on Structures—Direct Computation of Free-Term Coefficient and CPV Integrals

A higher order boundary dement method （HOBEM） is implemented for wave-current action on structures. The freeterm coefficient and Cauchy principal value （ GPV） integrals are computed by direct methods. Numerical experiments are carried out to validate the computation of free-term coefficient and GPV integrals. The results show that the computation precision of free-term coefficient is very high for various bodies, even with edges and corners, and the convergence speed is fast for CPV integrals for different meshes. The comparison of the second order mean drift force due to wave-current action on a uniform cylinder is made with an analytic solution. It is found that good agreement exists between the present calculation and the analytic solutions. Finally, the numerical code is applied for computing wave-current action on Snorrc TLP.

Approximation of Derivative for a Singularly Perturbed Second-Order ODE of Robin Type with Discontinuous Convection Coefficient and Source Term

In this paper,a singularly perturbed Robin type boundary value problem for second-order ordinary differential equation with discontinuous convection coefficient and source term is considered.A robust-layer-resolving numerical method is proposed. Anε-uniform global error estimate for the numerical solution and also to the numerical derivative are established.Numerical results are presented,which are in agreement with the theoretical predictions.

The Series of Reciprocals of Non-central Binomial Coefficients

Utilizing Gamma-Beta function, we can build one series involving reciprocal of non-central binomial coefficients, then We can structure several new series of reciprocals of non-central binomial coefficients by item splitting, these new created denominator of series contain 1 to 4 odd factors of binomial coefficients. As the result of splitting items, some identities of series of numbers values of reciprocals of binomial coefficients are given. The method of splitting terms offered in this paper is a new combinatorial analysis way and elementary method to create new series.

考虑天气特征与多变量相关性的配电网短期负荷预测

针对配电网短期负荷预测受到众多复杂天气特征等随机不确定性因素影响,以及传统预测模型难以有效分析不同特征序列之间的相关性等问题,提出一种考虑天气特征与多变量相关性的配电网短期负荷预测方法。首先,提出多变量快速最大信息系数(multi-variable rapid maximal information coefficient,MVRapidMIC)提取相关性高的天气特征序列。其次,引入探索性因子分析法(exploratory factor analysis,EFA),对高相关性特征序列进行降维处理。最后,将维度分段(dimension-segment-wise,DSW)机制和两阶段注意力(two-stage attention,TSA)机制与Informer模型结合,提高预测模型对不同特征序列相关性的分析能力。通过DTU 7K 47节点实际配电网的历史负荷数据开展仿真测试,验证所提方法的预测精度、鲁棒性和时效性。

一种融合改进TF-IDF与词典模型的情感分类算法

针对传统情感文本分类算法存在情感特征词的极性偏好区分度较低和稳定性较差等问题,提出了一种改进词频-逆文本频率(TF-IDF)模型与词典模型相融合的情感文本分类算法。首先,通过情感特征词在不同情感类型语料中的频率分布和离散系数,度量情感特征词极性偏好所包含的区分度和稳定性,生成情感特征词极性指标;然后,使用该指标改进TF-IDF模型的情感特征词权重;最后,基于改进的TF-IDF模型,使用带决策函数的有监督分类算法计算情感文本的极性得分,并与词典模型所得的极性得分进行调和平均,得到情感文本综合极性得分。

基于MFCC-IMFCC混合倒谱的托辊轴承故障诊断

针对梅尔倒谱系数(MFCC)对托辊轴承高频特征提取能力不足的问题,提出了一种基于梅尔倒谱系数和翻转梅尔倒谱系数(MFCC-IMFCC)的混合倒谱以及长短时记忆(LSTM)网络的托辊轴承故障诊断方法。首先,分析了三种状态下的托辊声音信号,明确了托辊轴承故障信息主要分布在中高频区域;然后,为有效保留高频信息,提取了MFCC-IMFCC,以帧级串联的方式组成了混合倒谱特征;最后,将混合倒谱特征输入到双层LSTM模型中进行了训练,建立了托辊轴承故障诊断模型。研究结果表明:针对托辊正常、滚动体故障和偏心旋转故障三种状态,LSTM结合混合倒谱特征的平均识别准确率达到96.72%,相比于单一的MFCC和IMFCC特征,准确率分别提升3.94%和7.41%,凸显了混合倒谱特征在表征托辊轴承故障信息方面的显著优势。

基于分解算法与元学习结合的综合能源系统负荷预测

针对区域综合能源系统(IES)负荷间关联敏感性高、季节泛化性差导致的负荷预测精度受限问题,提出一种基于分解算法与元学习结合的多元负荷组合预测方法。首先,基于动态最大信息系数量化不同时段多元负荷间相关性,根据动态相关性结果构造特征输入变量。然后,通过窗口滑动将负荷序列分成多个子序列单元,并使用变分模态分解将其划分为多个任务,避免整体分解带来的前瞻性偏差问题。最后,采用双向长短期记忆模型预测子序列,并通过模型无关的元学习算法减少梯度迭代,重构子序列后融合全连通层输出预测结果。基于美国亚利桑那州立大学坦佩校区IES数据集,验证了所提混合模型具有更高的IES多元负荷预测精度。

融合MIC与Res-LSTM模型的有效波高预测

有效波高(significant wave height,SWH)的预测在海洋运输和海上活动方面发挥着重要作用。基于中国阳江海陵岛近岸实测数据,提出一种融合最大信息系数(maximal information coefficient,MIC)、残差网络(residual network,ResNet)和长短期记忆网络(long short-term memory networks,LSTM)的预测模型。首先,采用MIC算法从数据集中筛选出与预测指标相关性高的参数作为模型的输入;然后将ResNet引入LSTM中,构建Res-LSTM预测模型;最后选择相关系数(r-squared,R2)、均方根差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)来评价预测结果。同时,对比了XGBoost(extreme gradient boosting)、SVR(support vector regression)和LSTM网络的预测效果。结果表明,MIC-Res-LSTM模型能够提高短时有效波高预测值的精度。

融合IVMD的海表温度时空智能预测方法

精准的海洋表面温度(sea surface temperature, SST)预测在海洋和气象领域具有重要意义,如海洋渔业捕捞和海洋天气预报等。提出一种融合改进变分模态分解(improved variational mode decomposition, IVMD)的时空混合模型来预测SST,采用中心频率观察法、残差指数最小化和皮尔逊相关系数改进变分模态分解(variational mode decomposition, VMD),去除SST序列冗余,利用图卷积神经网络(graph convolutional network, GCN)提取SST交互特征并结合长短时记忆网络(long short-term memory, LSTM)捕捉时间动态,提高预测精度。选取中国东海海域进行实证分析,实验结果表明:与现有模型对比,本文模型在均方根误差、平均绝对误差和平均绝对百分比误差3个指标上均有显著提升,验证了本文模型的有效性和稳定性。

基于VMD与TCN的台区短期负荷预测算法研究

针对台区短期负荷预测精度不高的问题,提出了一种基于变分模态分解(variational mode decomposi-tion,VMD)的时间卷积网络(temporal convolutional network,TCN)短期负荷预测算法。其利用VMD对负荷数据进行分解,得到规律性更强的子序列,并采用最大信息系数(maximal information coefficient,MIC)选出与负荷相关性强的天气因素,与历史负荷和分解的子序列形成新的负荷数据集,采用TCN模型完成低压台区短期负荷预测。并对TCN、LSTM、GRU预测算法进行对比分析。仿真结果表明,VMD-TCN的预测效果最好,MAPE和RMSE分别为1.65%,15.05kW,表明了采用该算法可以实现对台区负荷进行精准的短期预测,以便于台区的调度管理、优化运行以及节能减排,同时采用了另一种数据集对算法进行了验证,结果表明VMD-TCN的预测结果仍是最好的。

融合寻优算法的双馈风力机控制参数分步辨识方法

为获得准确的双馈风力机(DFIG)控制参数以提高电力系统机电/电磁仿真分析和计算的准确性,将长短期记忆(LSTM)神经网络与改进粒子群(IPSO)算法相结合对DFIG的控制参数进行辨识。首先,利用RT-LAB平台通过硬件在环(HIL)实验获得真实DFIG控制器的响应数据集;其次,为避免无关特征干扰LSTM模型的预测结果,利用最大信息系数提取出DFIG中高相关性的观测量特征;在此基础上,为提高算法的寻优速度,利用LSTM初步寻优到DFIG控制参数的初始值与搜索范围;最后,通过IPSO算法精确辨识出DFIG的控制参数,提高了辨识算法的寻优效率和精度。HIL测试结果证实了LSTM-IPSO辨识方法在20%~80%低电压穿越工况下具有良好的适应性,并能有效提高DFIG控制参数的辨识精度。

基于长短期记忆神经网络的反应液葡萄糖含量预测

目的建立皮尔逊相关系数(Pearson correlation coefficient,PCC)和长短期记忆(long short term memory,LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量。方法通过葡萄糖酸锌制备实验,结合PCC理论确定对反应液葡萄糖含量有较大影响的因素,对这些因素进行数据采集并将其作为神经网络的输入变量,采集反应液葡萄糖含量数据并进行处理,将其作为神经网络的输出变量,进而建立反向传播神经网络(backpropagation neural network,BP)和LSTM神经网络的反应液葡萄糖含量预测模型。结果通过100次模型迭代训练,对照BP反应液葡萄糖含量预测模型可以看出LSTM反应液葡萄糖含量预测模型在测试集的误差约为0.45%,误差较小,准确度较高。结论基于LSTM反应液葡萄糖含量预测模型显著提高了预测精度,相比现有检测方法更加智能高效,能够有效辅助生产进行。

基于多维信息矩阵和DAM-LSTNet的线损预测方法

线损占低压配电网中能量损耗的绝大部分。准确预测线损率(linelossrate,LLR)对于及时消除输电线路异常故障,保证供电安全具有重要意义。现有的线损预测方法很少考虑季节性趋势数据,并且在预测非平稳线损序列时存在滞后效应。针对上述问题,提出一种基于多维信息矩阵和多维注意力机制-长短期时间序列网络(dimensional attention mechanism-long-and short-term time-series network,DAMLSTNet)的预测方法。首先,采用最大信息系数(maximum information coefficient,MIC)方法筛选配电网特征和季节趋势参数。其次,采用遗传算法优化的变分模态分解(variational mode decomposition,VMD)方法,对历史线损数据进行分解,形成具有筛选网络特征参数的多维信息矩阵。最后,将多维信息矩阵放入具有多维注意力机制的LSTNet网络中,以预测线损。算例分析表明,与现有方法相比,所提方法具有预测参数考虑充分、预测权重自适应变化、滞后效应弱、预测准确率高等优点。

基于Informer的负荷及光伏出力系数预测

为了支持可再生能源的布局及装机容量规划,长时间序列的电力负荷和光伏出力系数预测至关重要。光伏出力系数反映了光伏发电系统实际运行中的发电效率,但由于难以准确预测来年的气象信息,每日最大光伏出力系数的预测具有挑战性。为了克服这个限制,提出了利用每7 d计算1次的每日最大光伏出力系数的最大值和最小值构建一个包络线,通过预测该包络线的上限和下限,提供每日最大光伏出力系数可能的区间。这种包络线建模方式有助于在克服气象信息不确定性的同时提供更为鲁棒和可靠的预测结果。选用Informer模型作为预测框架,并与Transformer,LSTM和RNN模型进行了比较。基于实际电力负荷数据序列和光伏出力系数包络线上、下限数据序列进行仿真试验,验证了Informer模型的可行性和良好的预测精度。

基于MIC-EEMD-改进Informer的含高比例清洁能源与储能的电力市场短期电价多步预测

随着电力现货市场的开展,短期电价预测对于各市场主体的决策有着重要意义,而高比例清洁能源与储能的不断接入给短期电价预测带来很大挑战。提出一种基于最大信息系数法(maximum information coefficient,MIC)、集成经验模态分解(ensemble empirical mode decomposition,EEMD)和改进Informer的短期电价多步预测模型。首先,采用MIC分析出与电价相关性较高的几类因素作为模型原始输入序列;然后,将上述原始序列进行EEMD分解后得到多条本征模函数(intrinsic mode function,IMF)和一个残余项后输入改进Informer分别得到翌日24点多步预测结果,再对预测结果进行滤波;最后,将滤波后序列的预测结果叠加得到最终的预测值。以西班牙电力市场数据进行验证,实验结果证明该模型可以有效提高电力市场短期电价多步预测精度。

The quantum thermodynamic functions of plasma in terms of the Green’s function

The objective of this paper is to calculate the third virial coefficient in Hartree approximation, Hartree-Fock approximation and the MontrollWard contribution of plasma byusing the Green’s function technique in terms of the interaction parameter , and used the result to calculate the quantum thermodynamic functions for one and two component plasma in the case of , where is the thermal De Broglie wave-length. We compared our results with others.

考虑气候变化影响的沥青路面长期服役耐久性评估

随着我国长寿命沥青路面技术的不断发展,由于沥青材料自身显著的黏弹特性,气候变化对沥青路面长期使用性能的影响逐步得到关注。文章围绕未来气温变化对沥青路面长期服役性能开展评估研究,首先通过2020年至2099年气候模型的气温预测数据分析我国不同地区的气温变化趋势,进而揭示不同碳排放强度情景(RCP4.5和RCP8.5)下路面设计温度参数变化规律,最后对我国典型地域不同结构类型沥青路面长期服役性能(永久变形与疲劳开裂)进行风险评估。经研究表明,气候变化背景下沥青路面温度设计参数的演化受未来碳排放情景与地域差异的双重影响,且温度调整系数的增长受地域影响较大但增长率的地域差异较小,基准等效温度的增长则受地域影响较小但不同地区的增长率差异相对明显;在不同碳排放强度情景下,考虑气候变化影响后沥青路面的疲劳寿命均不断减小、永久变形不断增加,且RCP8.5情景下气候变化的影响更为显著;不同城市之间气候变化对路面服役性能的影响存在一定程度差异,但总体趋势较为一致,青藏高寒高海拔地区对于气候变化具有更高的敏感性,需关注气候变化带来的永久变形损坏增长风险。因此,未来我国在继续研究优化低碳绿色路面新技术的同时,也需同步研究增强气候变化背景下沥青路面全寿命周期的高品质服役韧性。

二次指数平滑多目标组合模型电力负荷预测

为提高短期电力负荷预测精度,提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法。通过获取负荷目标预测值和残差目标预测值,实现多目标负荷预测;利用Pearson相关系数,选取与电力负荷相关性较高的影响因素;采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征;利用二次指数平滑法平滑处理负荷数据,获得残差项,通过LSTM模型训练和迭代,提取残差数据的波动性特征;将负荷预测值与残差预测值融合得到修正预测值。实验结果表明,该方法在MAE、MSE和RMSE上,对比3种负荷预测模型均有提升。

非负矩阵分解评价法与中国经济高质量发展动态评价

利用非负矩阵分解(NMF)将观测数据转化为非负低维向量,构造NMF评价法,对中国经济高质量发展水平进行短期评价。NMF评价法简单有效,适应数据类型广,综合得分取值非负,便于度量不平等程度,为复杂数据评价提供新的借鉴方法;我国经济系统稳定,所选取的30省份、八大经济区在两时期经济高质量发展排名稳定,北京、上海稳居第1梯队,排名前2,天津、江苏、浙江、广东稳居第2梯队,排名前6;中国经济高质量发展呈现空间聚集现象,局部空间自相关变化较小,地区差异呈现下降趋势;30省份经济高质量发展水平稳步提高,北京、上海、江苏、重庆、浙江等进步快,东北三省、天津等进步有限,导致其相对排名呈现一定下降趋势。