基于暂态电压Pearson相关系数的柔性直流配电网纵联保护方法

柔性直流配电网故障特征复杂,快速可靠的故障保护方法是柔性直流配电网亟需突破的关键技术。基于此提出了一种基于直流线路限流电抗器暂态电压皮尔逊(Pearson)相关系数的直流配电网纵联保护方法。首先,分析了区内外不同故障类型下直流线路两端限流电抗器暂态电压的特征差异。其次,利用正、负极线路电压的变化率构成保护启动判据,通过直流线路两端限流电抗器暂态电压的Pearson相关系数识别区内、外故障,并利用直流线路正负极电压变化率间的正负关系设计故障选极判据。最后,在Matlab/Simulink仿真软件中搭建柔性直流配电网仿真模型验证所提保护方法的可行性。结果表明所提保护方法能满足柔性直流配电网保护速动性和选择性的要求,且耐过渡电阻能力强,受通信延迟影响小,具有一定的抗干扰能力。

基于Pearson相关性的VAR模型煤电水煤比寻优应用

本文为解决350MW燃煤机组在煤质频繁变化情况下水煤比失衡的问题,使用向量自回归(VAR)模型在机组参数波动工况下进行水煤比寻优。通过使用Pearson相关系数分析机组运行参数,确定寻优模型的输入数据,计算VAR模型最优阶数,并建立VAR模型从多个参数的时间序列寻找对应工况下水煤比最优值,同时使用三种不同分析方法确保该最优值的准确性和安全性。实践证明,该方法能有效解决机组由于煤质频繁变化导致锅炉给水策略不适配引发的主蒸汽温度和主蒸汽压力偏差大等问题。

基于Pearson相关系数与广义S变换的低压直流微电网的故障选线方法

针对低压直流微电网线路的故障选线方法的研究有限,提出一种基于Pearson相关系数与广义S变换的故障选线方法。首先,介绍了低压直流微电网的一般组成。在此基础上,研究了低压直流微电网的单极故障以及极间故障的故障特征,提出选线方法,对各线路正负极首末端电流差进行Pearson相关系数计算来确定故障线路。然后对所选故障线路正负线路首端的电流量进行广义S变换,计算出其能量和的比值判别故障极性或者极间故障。最后,在PSCAD/EMTDC中搭建出低压直流微电网模型以输出各线路电流数据,并利用Matlab对数据进行仿真。结果表明,所提选线方法直接有效,且耐受过渡电阻的能力较强。

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。

基于Pearson-KPCA和LSTM的伺服电机滚动轴承剩余寿命预测

针对伺服电机滚动轴承的寿命预测,提出一种基于皮尔逊相关系数及核主成分分析的长短时记忆网络预测方法。提取滚动轴承的时、频域信号,通过移动平均法进一步获取相关特征,并采用皮尔逊相关系数筛选高度相关特征指标,利用KPCA提取高度相关特征指标中的若干主成分;将第一主成分作为长短时记忆网络模型的输入对滚动轴承进行剩余寿命预测。采用IMS轴承数据集进行验证,得到的轴承寿命预测RMSE值和可决策系数值分别为0.0543和0.989。将其与长短期记忆网络模型和BP神经网络的预测结果进行对比,证明所提方法具有较高的精度。

Statistical analysis of fracture properties based on particle swarm optimization and Pearson correlation coefficient method

Prediction of reservoir fracture is the key to explore fracture-type reservoir. When a shear-wave propagates in anisotropic media containing fracture,it splits into two polarized shear waves: fast shear wave and slow shear wave. The polarization and time delay of the fast and slow shear wave can be used to predict the azimuth and density of fracture. The current identification method of fracture azimuth and fracture density is cross-correlation method. It is assumed that fast and slow shear waves were symmetrical wavelets after completely separating,and use the most similar characteristics of wavelets to identify fracture azimuth and density,but in the experiment the identification is poor in accuracy. Pearson correlation coefficient method is one of the methods for separating the fast wave and slow wave. This method is faster in calculating speed and better in noise immunity and resolution compared with the traditional cross-correlation method. Pearson correlation coefficient method is a non-linear problem,particle swarm optimization( PSO) is a good nonlinear global optimization method which converges fast and is easy to implement. In this study,PSO is combined with the Pearson correlation coefficient method to achieve identifying fracture property and improve the computational efficiency.

基于聚类分析和Pearson相关系数法的电网负荷数据清洗与去重

针对电网负荷数据存在冗余和价值密度低等问题,本文提出一种结合K-means算法与Pearson相关系数计算的集成学习方法,对负荷数据进行清洗与去重。设置仿真实验将某地区连续730日的负荷数据进行聚类、切片、排序、比对、去重等分析处理,得到清洗后的新数据集,将新数据集与原数据集代入相同的BP神经网络模型和随机森林模型进行负荷预测,实验结果表明新旧数据集具有相似的特征特性与数据挖掘潜力。与传统的数据去重方法相比,本文提出的数据清洗策略在进行训练集的预处理时,效率和准确度方面均有更好表现,可以为训练用于负荷预测的网络模型提供支持。

基于3D激光扫描技术的粗集料三维形态特征分析

为了能够建立精确的沥青混合料细观力学模型、优化混合料性能,需要先构建具有真实形态学特征的集料模型并计算分析集料形态参数,利用3D激光扫描技术采集了辉绿岩、石灰岩、玄武岩与卵石4种集料共500颗样本的三维点云数据,通过球谐函数简化集料模型,建立了三维集料样本库。归纳总结了现有集料的形态指标,通过皮尔逊相关性分析,选取F_(I)、A_(I)定量表征粗集料三维形态特征,对不同种类以及粒径集料的F_(I)、A_(I)进行统计分析。研究结果显示:当球谐序列阶数为10,三角形映射网格数为643时,简化后集料模型基本形状、体积与表面积均与真实集料非常接近;集料的F_(I)、A_(I)服从正态分布与对数正态分布,且随集料类型和粒径的变化而变化。

中高应变速率轧制AZ31镁合金板的抗拉强度预测

本文采集了不同轧制温度、应变速率以及压下量等三个工艺参数下中高应变速率轧制的AZ31镁合金抗拉强度的27组样本,通过惯性权重、学习因子的改进和引入变异操作对PSO-BP神经网络进行改进,并与BP、PSO-BP神经网络对比,进行抗拉强度的预测。结果表明:BP神经网络不能预测AZ31镁合金抗拉强度的非线性变化,PSO-BP神经网络和改进的PSO-BP(IPSO-BP)神经网络均能较好地预测AZ31镁合金抗拉强度的非线性变化;这三个模型中IPSO-BP神经网络预测最为准确,相较于PSO-BP神经网络,其平均绝对误差从15.3764降低至3.4288,平均相对误差从5.94%降低至1.32%,均方误差从251.3662降低至20.7199,相关系数从0.7753提高至0.8937;通过Pearson相关性计算判断出应变速率、压下量对抗拉强度的影响均大于轧制温度,而应变速率与抗拉强度呈负相关关系,压下量与抗拉强度呈正相关关系。

基于合肥光源数据库的束流寿命分析与诊断

高质量的电子束流寿命数据可以直接反映装置的健康状态,为了获得高质量的束流寿命数据,提出一种束流寿命数据清洗方法,并开展了影响束流寿命的关键因素研究。基于合肥光源历史数据库对2022年以来累积的束流寿命原始数据进行分析,采用Python开发了自动化数据清洗程序,用于获取和处理合肥光源的原始束流寿命数据,以获得长时间跨度的束流寿命变化趋势。通过使用Pearson相关系数对束流寿命异常原因进行分析,发现合肥光源束流寿命受储存环真空压强和高频腔压的影响较大。该束流寿命清洗程序处理快捷,获取的高质量束流寿命数据可以为合肥光源的健康状态检测诊断和预警提供重要依据。

基于双隐含层BP神经网络的某金矿回收率预测研究

为掌握某金矿选矿工艺影响因素对金实际回收率的作用规律并预测金的回收率,采用正交试验方法开展了金矿浮选试验,通过Pearson系数分析金回收率对不同工艺因素的敏感性,并利用双隐含层BP神经网络对金回收率进行预测。结果表明:生产过程中金回收率对不同因素的敏感性由大到小依次为2#油用量、Na2S用量、丁基黄药用量、CuSO_(4)用量和磨矿细度。在此基础上,选用2#油用量、Na_(2)S用量和丁基黄药用量3个主要影响因素,使用不同隐含层激活函数的BP神经网络对金回收率进行预测。预测结果表明:当使用“logsig”作为激活函数时,其拟合度与精度较高,拟合优度R2为0.9792,相对平均误差仅为0.666%,说明该模型能够较好地预测金回收率。研究结果对贵金属矿山生产中金属回收率的预测有一定的参考意义。

融合SEIR与LSTM模型的传染病预测研究

针对现有的传染病预测模型未充分考虑时间序列的复杂度且预测性能不稳定等问题,提出一种基于传染病动力学模型SEIR与长短时记忆网络(LSTM)的传染病组合预测模型.首先,通过计算Pearson相关系数分析气候因素与传染病新增人数之间的相关性;其次,通过FE(Fuzzy Entropy)算法提取序列的局部特征且保证序列的平稳性,降低时间序列的复杂度,提升时间序列的可预测性;最后,根据传染病特点,构建SEIR模型分析不同人群传播情况,并结合LSTM模型实现大幅度提升传染病预测精度.仿真结果表明,相较于传统的模型算法,本文提出的混合模型能保证预测的平稳性并实现更高的预测精度,同时,本文使用该混合模型在不同的干预策略下进行预测,表明了提早采取防控措施对遏制传染病传播的重要性.

基于图像分析的掘进工作面粉尘颗粒检测方法

基于光散射原理测定粉尘质量浓度只能定时定点手动检测,实时性差,且只能检测出粉尘质量浓度,并不能给出粒径分布范围。目前基于图像分析的粉尘颗粒检测研究主要是针对粉尘质量浓度或粒径分布进行单方面研究,并不能实现粉尘质量浓度和粒径分布范围的同时检测。针对上述问题,提出了一种基于图像分析的掘进工作面粉尘颗粒检测方法,探究图像特征与粉尘质量浓度、粒径分布间的关系。通过粉尘样本收集及图像采集装置,采集粉尘颗粒图像并获取采集图像时的粉尘质量浓度。编写粉尘样本图像处理算法,提取图像的灰度特征、纹理特征、几何特征相关参数。对提取的图像特征与实测粉尘质量浓度进行相关性分析,选取相关性较大的图像特征作为参数建立回归数学模型。提取粉尘颗粒对象像素点个数,结合转换系数,基于几何当量等效面积径计算粉尘粒径大小及分布范围。实验结果表明:实测粉尘质量浓度与建立的图像特征多元非线性回归模型数学模型计算值间的平均相对误差为12.37%,标准实测粒径与几何当量等效面积径得到的粒径分布间的最大相对误差为8.63%,平均相对误差为6.37%,验证了基于图像特征的粉尘质量浓度回归数学模型和基于几何当量等效面积径分布数学模型的准确性。

柔性钻柱扭转振动及控制研究

在旋转钻井中,钻杆承担着传递扭矩以助钻头破岩的重要作用,钻杆的粘滑振动是降低钻井设备使用寿命和钻进效率的主要原因之一,因此,通过研究粘滑振动的机理,探寻一种有效的抑制方法。提出了基于改进粒子群优化PID参数的鲁棒控制器,抑制钻头的粘滑振动并且使得其它部件保持期望的速度上。采用四自由度粘滑振动模型,包括转盘、钻杆、钻铤和钻头,同时考虑钻头与岩石接触的非线性相互作用。利用Matlab/Simulink建立模型仿真进行数值分析,并且设计模拟钻头卡钻实验。结果表明:粘滑现象会带来严重的后果,改进的粒子群优化PID参数可以使钻头及其他部件稳定在给定的转速的附近,控制响应时间小于40 s,减少了钻头扭矩波动,有效地抑制了钻柱粘滑振动。

考虑大规模新能源接入的电网性能评价指标体系

为了解决传统电网评价体系在评价大规模新能源和电网相互作用复杂机理时存在的不足,建立一套考虑大规模新能源接入的电网性能指标评价体系。首先,从新型电力系统的核心特征出发,贯穿“源网荷储”各个环节,构建包含接入水平、协调水平、适应水平以及承载水平4个维度的电网性能评价指标,显性表达各个指标的统计或计算方式。其次,采用AHP-CRITIC法进行主客观组合赋权,依据电网发展数据自身的客观属性,考虑数据离散程度以及皮尔逊相关系数,挖掘指标间的冲突性和变异性,以增强权重设置的科学性。最后,利用某城市新能源和电网数据对指标体系进行测算,通过对比分析说明所提指标体系与评价方法的有效性,并依据指标灵敏度大小对电网薄弱环节提出发展建议。

基于真实世界数据的大型影像设备资源配置模型的构建与分析

目的构建基于真实世界数据(Real World Data,RWD)的计算机断层扫描(Computed Tomography,CT)、磁共振成像(Magnetic Resonance Imaging,MRI)设备的资源配置模型,以优化公立医院大型影像设备的配置问题。方法选取我院2018年1月至2023年12月医学影像科CT、MRI设备作为研究对象,使用年投资收益率指标分级评价设备的经济效益,然后采用Pearson相关系数法分析医院门诊人次、出院人次、CT/MRI设备检查量与时间的相关性,最后构建基于数据拟合与回归分析的配置预测模型并进行分析评价。结果CT和MRI设备检查量与住院人次的Pearson相关系数r分别为0.557和0.851(P<0.01),住院人次、CT和MRI设备检查量与月份的r分别为0.415、0.559和0.731(P<0.01),相关性强。通过数据拟合与回归分析得到三次配置拟合模型更符合我院实际情况,在未来3年内至少需要增配1台CT和2台MRI设备以顺应医院高速发展需求。结论构建基于RWD的CT、MRI设备的资源配置模型,有效地优化了大型影像设备的配置规划,为公立医院配置大型影像设备提供决策依据。

融合对比学习和特征选择的入侵检测模型

入侵检测系统可以主动识别恶意流量,是保护网络安全的重要工具.针对网络流量中存在的冗余特征以及现有的入侵检测算法在特征选择过程中存在的不足,提出一种融合对比学习和特征选择的入侵检测模型(contrastive learning and feature selection,CL-FS).利用皮尔逊相关系数(Pearson correlation coefficient,PCCs)对预处理后的网络流量进行相关性分析,过滤掉相似特征;使用自编码器(autoencoder,AE)进行深度特征提取,在提取阶段融入对比学习,减少类间相似性,将提取的新特征和过滤后的特征融合,得到表征能力更强的特征集;利用改进的鸽群算法进行包裹特征选择,根据贝叶斯分类器的性能选择最优特征子集,提高分类精度.在NSL-KDD,UNSW-NB15这2个数据集的实验结果表明,CL-FS模型可以提升分类精度并减少处理时间,在2个数据集上的2分类实验准确率分别为90.45%和88.52%,分类处理时间大约减少为原来的一半.

基于VMD-Stacking集成学习的新能源发电功率预测模型

在“双碳”背景下,新能源发电功率的准确预测对于电力系统的平稳运行至关重要。提出了一种自适应性的VMD-Stacking集成模型,以解决数据集变化时传统学习模型预测精度不高的问题。利用皮尔逊相关系数选择与发电功率强相关的气象特征,通过变分模态分解(Variational mode decomposition,VMD)将功率数据分解为多个模态分量,由此构成新的数据集。运用贝叶斯优化算法调整超参数,综合评判随机森林等8种学习模型的评价指标,自适应选出预测性能最优的3种模型作为基学习器,并选用稳定性和泛化能力相对较强的线性回归(Linear Regression)作为元学习器,建立Stacking融合模型。对各分量的预测值叠加,得到最终预测结果。以某新能源场站为例,对风、光电站的发电功率进行预测。算例验证结果表明,该模型在面对不同数据集时,体现出较强的适应性,预测性能也得到显著的提升。

高校科技投入与科技成果转化关系研究——以江苏省高校为例

研究分析高校科技投入与科技成果转化之间的关系。首先,以江苏省高校为例,用科技人员数量、研发经费等指标表征高校科技投入的情况,用高校科技成果转让数表征高校科技成果转化的情况;然后,用Pearson相关性分析方法和灰色关联分析方法分析高校科技投入与科技成果转化之间的关系;最后,提出三点促进高校科技成果转化的对策建议:一是高校要加大对人才的激励支持,二是企业要深化与高校的协同创新,三是政府要优化对项目的资源配置。

基于IDBO-LSSVM的输电线路覆冰厚度预测模型

针对输电线路受多种气象因素影响导致覆冰厚度预测精度低的问题,提出基于改进蜣螂优化(improved dung beetle optimizer,IDBO)算法优化最小二乘支持向量机(least square support vector machine,LSSVM)的输电线路覆冰厚度预测模型。首先,使用皮尔逊相关系数(Pearson correlation coefficient,PCC)计算输电线路覆冰厚度与不同气象因素之间的相关性,选择具有高相关性的气象因素以确定输入变量;其次,通过引入Halton序列、Levy飞行策略和T分布扰动来改进蜣螂优化(dung beetle optimizer,DBO)算法;最后,使用IDBO算法寻优LSSVM参数:调节因子、核函数宽度,提高模型预测精度。以某地输电线路历史监测数据为样本,将IDBO-LSSVM的输电线路预测结果与其他7种预测模型进行比较,发现平均绝对误差分别降低了约27%、36%、25%、23%、24%、44%和39%。该研究证实了基于IDBO-LSSVM的输电线路覆冰厚度预测模型可以有效提高预测精度。