基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测

为提升多区域电力负荷的预测精度,聚焦于多区域电力数据的时空相关性分析,提出了一种基于Spearman-GCN-GRU的超短期多区域电力负荷预测模型。该模型通过Spearman相关系数分析不同区域电力负荷的时空相关性,构建Spearman邻接矩阵并输入图卷积神经网络(graph convolutional network,GCN)和门控循环单元(gated recurrent unit,GRU)提取数据中的空间特征和时序特征,最后由多层感知机(multilayer perceptron,MLP)解码输出预测结果。与基于距离邻接矩阵的模型进行对比,验证了SpearmanGCN-GRU模型的可行性。在模型的预测精度上,与传统统计模型和神经网络模型相比,Spearman-GCNGRU模型在通用的评价指标中均取得最优结果。就均方根误差(root mean square error,RMSE)而言,SpearmanGCN-GRU模型与神经网络模型GRU、GCN和深度神经网络(deep neural network,DNN)相比,RMSE指标分别下降了13.90%、11.66%和8.36%,验证了模型具有更好的预测效果。

基于Spearman相关系数的接地电阻与土壤体积含水量相关性分析

【目的】防雷接地是防雷工程设计、施工和验收中的主要工作。通过了解土壤体积含水量对接地电阻的影响,能有效减少其对防雷接地设计的影响。【方法】对重庆市南川区金佛山国家综合气象观测专项试验外场2021年的接地电阻值和不同深度(地下0.1m、0.2 m、0.3 m、0.4 m、0.5 m、1.0 m)的土壤体积含水量数据进行特征分析,并对接地电阻、土壤体积含水量日均值进行正态性检验,利用Spearman相关系数进行相关性分析。【结果】深度为0.1~1.0 m时,接地电阻与不同深度的土壤体积含水量之间均呈现负相关关系,与深度为0.5 m的土壤体积含水量之间相关度最强,与接地极的埋深较为一致。【结论】对防雷接地设计有一定的参考价值。

基于Spearman秩相关系数与AHP法的天然气管道运行风险绩效评估

由于城镇天然气管道敷设的隐蔽性与其风险状态的复杂性,加大了天然气管道风险管理的难度。面对风险指标之间信息冗余且缺少关联性,邀请10位专家从人因、管理、技术、环境四大类初步构建天然气管道泄漏风险评估指标体系,首先引入Spearman秩相关系数筛选出了关键风险评估指标;其次,描述了AHP法求解步骤,利用yaahp软件确定关键风险指标权重,建立了天然气管道运行风险绩效评估方法;最后,将该绩效评估方法应用天然气管道风险绩效评估实例中,得到该企业风险评估结果达到良好状态。该风险评估方法可为天然气管道日常运营及检查提供决策参考。

Spearman秩相关系数的Python程序设计及应用——图书阅读与隐性知识习得能力相关性实证分析

样本若无重复数据时,计算Spearman秩相关系数的程序比较容易设计。如果样本出现重复数据时,则可以从样本数据的结、秩平均值等概念出发设计程序;此时,既要考虑不重复数据的秩,也要考虑对重复数据秩平均值的确定。该课题基于清华大学王星教授给出的数据结、秩平均值定义,设计Spearman秩相关系数的计算程序,并在实证分析中运用,操作简便易行。

基于多维可预知特征的TCN-LSTM城轨短期客流预测

地铁客流量波动受众多因素影响,准确的客流预测数据有利于制定更高效的行车控制方案和客流管控方案。为提高客流预测精度,提出一种基于多维可预知特征的时序卷积神经网络-长短期记忆神经网络模型(TCNLSTM)地铁短期客流预测方法。考虑外部因素的影响,引入Spearman相关系数分析并提取日期、天气等可预知特征及其状态集,以提升预测精度,缩小特征空间,克服了冗余特征数据导致的模型过于复杂问题;通过融合时序卷积神经网络(TCN)提取的客流时间序列特征和可预知特征状态集构建了长短期记忆神经网络(LSTM)层输入,组合模型学习客流与外部影响因素的长短期依赖,从而实现常规日、节假日、不同天气等多场景下的短期客流预测。基于某西南城市地铁刷卡交易数据,对比差分整合移动平均自回归模型(ARIMA)、TCN、LSTM及TCN-LSTM模型的短期客流预测结果,得出组合模型的总体平均绝对误差(MAE)值比其他方法低27%~48%,均方误差(MSE)值低13%~35%,平均绝对百分比误差(MAPE)值低2.8%~6.7%,上述3项指标均表明TCN-LSTM模型的客流预测效果更好。此外,对比实验表明通过融入提取的可预知特征数据,TCN-LSTM模型在测试集上的预测误差评价指标明显降低,所提方法能有效提高地铁短期客流预测精度。

一种WiFi混合滤波的RSSI室内定位算法

针对接收信号强度指示(RSSI)在基于WiFi的室内定位应用中易受到环境影响出现波动、突变进而导致定位精度降低的问题,提出了一种WiFi混合滤波的RSSI室内定位算法。首先,根据WiFi信号距离衰减模型设计一种自适应阈值滤波器剔除观测信号异常值;然后,根据自适应阈值滤波、卡尔曼(Kalman)滤波、均值(Mean)滤波设计了一种混合滤波算法(ATKM)对RSSI数据进行滤波;最后,提出了一种基于斯皮尔曼-欧几里得距离的加权K近邻算法(SEWKNN)进行位置估计。在真实环境下的实测结果表明,本文提出的ATKM滤波算法能显著降低RSSI信号的波动,提出的SEWKNN算法在室内环境中平均定位误差为1.17 m,在走廊环境中平均定位误差为1.53m,相比传统的WKNN算法平均定位误差分别下降18.18%和16.84%。

基于F-score和二进制灰狼优化的肿瘤基因选择方法

针对肿瘤基因数据维度高、噪声多、冗余性高的现状,结合Spearman相关系数改进F-score算法,在此基础上优化二进制灰狼算法,提出了一种基于改进F-score和二进制灰狼算法的肿瘤基因选择算法.首先,考虑特征之间的相关性,计算每个特征的F-score值和特征之间的Spearman相关系数的绝对值;然后,计算权重系数得出各个特征的权重值,依据重要性进行排序,选出初选特征子集;最后,通过收敛因子的衰减曲线和初始化方法优化二进制灰狼算法,调整全局搜索和局部搜索所占比例,增强全局搜索能力并提高局部搜索速度,有效节省时间开销,提升特征选择的分类性能和效率,得到最优特征子集.在9个肿瘤基因数据集上测试所提算法,在分类准确率和筛选特征数目两个指标上进行仿真实验,并与4种其他算法进行对比,实验结果证明所提算法表现良好,可有效降低基因数据维度,并具有较好的分类精度.

气象因子相对危险度在电网用电负荷预测中的应用

[目的]准确高效的短期用电负荷预测是保证电力系统安全可靠运行的前提,也是电网合理安排发电计划的依据,因此研究气象与用电负荷的关系对负荷预测的工作具有重要意义。[方法]以石家庄为例,利用国网河北省某电力公司提供的2013年1月1日至2021年12月31日逐15 min用电负荷资料,以及对应的石家庄站气象观测资料,分析日用电负荷峰值的时间变化特征,重点分析了当日用电负荷峰值较前1日用电负荷峰值变幅超过10%的样本对应的气象条件。采用Spearman秩相关方法分析石家庄日用电负荷峰值与前1日气象要素的相关关系,得到相关性显著的气象要素。利用平滑曲线拟合法绘制各相关性显著的气象要素对次日用电负荷峰值的响应曲线,分析得出随着各气象要素的变化日用电负荷峰值变化趋势以及响应阈值。按不同阈值区间,基于泊松分布计算得出石家庄地区各气象要素对日用电负荷峰值变化的相对危险度,进而揭示石家庄地区各气象要素在不同阈值区间发生单位变化造成的日用电负荷峰值的变化幅度,即不同气象要素的变化对日用电负荷峰值变化的定量影响。[结果]以气温为例,当日平均气温、日最高气温、日最低气温高于阈值时,每上升1℃,次日用电负荷峰值的相对危险度分别增加2.25%、1.92%、2.07%;低于阈值时,每上升1℃,次日用电负荷峰值的相对危险度分别减少0.62%、0.57%、0.60%。[结论]基于不同气象要素对石家庄地区日用电负荷峰值的相对危险度提出1种次日用电负荷峰值的预测方法,利用2022年逐日用电负荷和气象资料进行检验,发现预测效果可以满足日常电力气象服务需求。

脑卒中后认知障碍发病现状及相关因素分析:一项基于脑卒中全周期康复的多中心横断面研究

背景脑卒中后认知障碍(PSCI)会极大限制脑卒中患者各个阶段的康复,并导致患者活动参与能力和生活质量的下降。目的基于脑卒中全周期康复理念,通过调查PSCI的发病率,分析不同年龄及疾病时期下的PSCI差异及其潜在影响因素。方法采用简单随机抽样的方法,于2022年10月—2023年7月在全国不同地区27家医院的康复科住院抽取脑卒中患者进行横断面分析。根据研究标准最终纳入402例患者,根据我国统计局标准将患者分为青中年组(18~64岁,n=234)和老年组(≥65岁,n=168),根据国际卒中康复联盟定义的脑卒中恢复分期将患者分为急性期组(1~7d,n=25)、亚急性期组(8~180d,n=338)、慢性期组(>180d,n=39)。通过访谈、评估和电子病历系统收集患者的基线资料。使用蒙特利尔认知评估量表(MoCA)评估认知功能,并计算每个认知领域的得分和量表总分。使用美国国立卫生研究院脑卒中量表(NIHSS)、Fugl-Meyer评定量表上肢部分(FMA-UE)、Fugl-Meyer评定量表下肢部分(FMA-LE)、Berg平衡量表(BBS)、改良Barthel指数(MBI)、医院焦虑抑郁量表-焦虑(HADS-A),医院焦虑抑郁量表-抑郁(HADS-D)评估患者的疾病情况和身体功能。采用Spearman秩相关分析探究不同年龄与疾病时期下PSCI与其他临床指标的相关性。结果脑卒中患者PSCI患病率为76.4%(307/402),其中老年患者PSCI患病率为81.0%(136/168),青中年患者PSCI患病率为73.1%(171/234);脑卒中急性期患者患病率为56.0%(14/25),亚急性期患者78.4%(265/338),慢性期患者71.8%(28/39);不同年龄与疾病时期分组结果显示:老年组患者视空间与执行功能、注意力、计算力、延迟回忆得分及MoCA总分比青中年组更低(P<0.05);亚急性期组患者视空间与执行功能、语言、延迟回忆得分及MoCA总分低于急性期组(P<0.05)。相关性分析显示,MoCA总分与文化程度(rs=0.314)、脑卒中类型(rs=0.114)、FMA-UE(rs=0.245)、FMA-LE(rs=0.242)、BBS(rs=0.265)、MBI(rs=0.293)呈正相关(P<0.001),与性别(rs=-0.107)、年龄(rs=-0.103)、高血压史(rs=-0.112)、偏瘫侧(rs=-0.139)、病程(rs=-0.135)、NIHSS(rs=-0.107)、HADS-A(rs=-0.239)、HADS-D(rs=-0.280)呈负相关(P<0.05)。进一步分层分析显示:青中年组和老年组在文化程度、NIHSS以及FMA-UE、FMA-LE、BBS、MBI、HADS-A、HADS-D均与MoCA总分相关(P<0.05)。急性期患者中,病程、FMA-UE、HADS-A与MoCA总分相关(P<0.05);亚急性期患者中,年龄、文化程度、高血压、饮酒史、脑卒中类型、偏瘫侧、病程、NIHSS以及FMA-UE、FMA-LE、BBS、MBI、HADS-A、HADS-D与MoCA总分相关(P<0.05);慢性期患者中,文化程度、高血压、HADS-D与MoCA总分相关(P<0.05)。结论PSCI与脑卒中患者年龄、疾病发展时期、文化程度、运动功能、平衡能力、日常生活活动能力和焦虑抑郁水平关系密切,应根据不同分层认知潜在影响因素为患者制定个性化预防策略和干预方案,并在疾病早期至康复后期提高对认知的筛查与重视。

时序数据分析的复杂化工过程异常智能溯源研究

对复杂化工过程异常工况进行智能推理溯源是实现安全关口前移、降低灾难性事故发生的有效途径。提出了一种基于Spearman-Apriori的化工过程异常智能溯源分析方法,旨在研究复杂化工过程异常工况发生的前置原因,并形成一种智能决策模型。针对化工工艺参数之间耦合性强、关联关系分析难度大的特点,引入Spearman相关系数,通过Spearman实时在线分析过程参数间的相关关系,并设置强关联阈值将Spearman相关系数分析与Apriori算法进行关联耦合,利用Apriori算法中的支持度和置信度二维挖掘各参数之间的超强关联规则。将该方法应用于合成氨工艺中合成工段的异常工况智能推溯,并选取氢氮比、管路工艺气流量、给水换热器冷凝剂流量等8个关键监测指标,研究发现氢氮比增大和给水换热器冷凝剂流量升高分别是导致合成塔入口压力超压、合成塔第一床层温度过低两组异常工况的前置原因,该分析结果与实际生产工艺相符,证明该方法可以有效地对化工过程异常原因进行推溯并筛选主要影响因素。研究为使用生产过程大数据实现化工过程异常智能溯源提供了理论基础,为进一步完善过程风险精细化管控提供了新思路。

阿勒泰荒漠区草本植物生态位与种间关联

草本植物的种间关系在生态修复中具有指导意义。为揭示阿勒泰荒漠区草本植物的种间关系,本研究基于野外调查数据,采用生态位测定、方差比率法、χ^(2)检验、种间联结系数AC和Spearman秩相关系数等方法,分析了14种优势草本植物的生态位特征和种间关联性。结果表明:1)72个样地共发现121种草本植物,以菊科、禾本科和藜科为主,草本优势种中角果藜(Ceratocarpus arenarius)、猪毛菜(Kali collinum)和白茎绢蒿(Seriphidium terrae-albae)的重要值和生态位宽度较大;2)草本优势种的总体生态位重叠程度较低,平均值为0.11,物种间竞争较小;3)草本优势种的总体关联性为显著负联结,群落处于不稳定的演替状态;4)χ^(2)检验、种间联结系数和Spearman秩相关系数结果均显示物种多呈不显著联结,物种间联结性较低。因此在阿勒泰荒漠区草本植物的生态恢复工作中,可以选择生态位宽度较大、种对间呈显著或极显著正关联的植物搭配种植,恢复群落稳定性。

小鼠血液中年龄相关的DNA甲基化微单倍型的筛选与验证

目的DNA甲基化微单倍型是指极短范围内多个甲基化位点的组合,其单倍型具有丰富的多样性。筛选和验证小鼠血液中年龄相关的DNA甲基化微单倍型。方法首先,构建基于小鼠参考基因组的DNA甲基化微单倍型理论数据集。其次,利用网络数据库中小鼠血液DNA甲基化高通量测序信息,采用Spearman秩相关分析方法筛选年龄相关的DNA甲基化微单倍型。最后,以验证数据集交叉验证。结果小鼠基因组中50 bp范围内的DNA甲基化微单倍型位点数量共计6787142个,由个位数的CpG位点所组成的DNA甲基化微单倍型占比98.64%。在58个小鼠血液样本中共筛选出5835个年龄相关的DNA甲基化微单倍型(Spearman秩相关检验,|rho|>0.5,P<0.01),在DNA甲基化微单倍型中占0.086%。最后,在95例独立的样本中对具有高相关性的前100个年龄相关的DNA甲基化微单倍型进行验证,最终得到44个位点。结论本研究筛选出的年龄相关的DNA甲基化微单倍型可以为后续小鼠血液表观年龄预测及衰老研究提供借鉴。

基于趋势秩的Spearman相关方法

针对Spearman秩相关方法在两个变量局部数据的大小次序不一致时描述变量间趋势相关性效果不佳的问题,提出了基于趋势秩的Spearman相关方法(T-SRC).T-SRC设计了将数据转换为趋势秩的方法,专门捕获数据的变化趋势,从而提高了Spearman相关方法发现变量间趋势相关的性能.真实数据的实验结果表明,与传统的Spearman秩相关方法相比,T-SRC挖掘变量间的趋势相关关系的性能更优,验证了方法的有效性.

基于EMD与Spearman相关系数的混合直流线路纵联保护方法

混合直流输电系统兼备常规直流以及柔性直流的优势,是直流系统发展的必然趋势。现有直流差动保护易受线路分布电容的影响,纵联保护依赖于边界条件,在混合直流输电系统中适用性差。针对以上问题,提出了一种基于经验模态分解(EMD)与斯皮尔曼(Spearman)相关系数的混合直流线路纵联保护方法。在分析故障电流增量的极性特征、考虑分布电容影响的基础上,首先对线路两端故障电流信号进行镜像延拓,通过EMD提取表征电流变化方向的残余函数,再计算残余函数的Spearman相关系数,以此识别线路内外部故障。该方法不受分布电容影响、不依赖于边界条件。通过仿真验证,所提保护方案动作速度快、可靠性高,且具有较强耐受过渡电阻与抗噪声干扰的能力。

南京市大气VOCs污染特征及其臭氧生成潜势分析

基于2016—2022年南京市大气挥发性有机物(VOCs)自动监测数据,分析VOCs污染特征及其臭氧生成潜势(OFP)。结果表明:2016—2022年南京市大气VOCs及其组分体积分数均显著下降,TVOCs 7年均值为21.7×10^(-9),各组分占比从大到小依次为烷烃>烯烃>芳香烃>炔烃;TVOCs及烷烃、烯烃、芳香烃季节变化一致,均为冬季>秋季>春季>夏季,炔烃为冬季>春季>秋季>夏季;TVOCs及烷烃、烯烃、炔烃月变化整体呈“V”字型特征,芳香烃近似为“W”型;除炔烃外,小时体积分数日变化基本呈“单峰型”特征。2016—2022年OFP年际变化呈显著下降趋势,7年均值为132.1μg/m^(3);OFP贡献较大的组分为烯烃(39.1%)和芳香烃(38.1%),臭氧生成的VOCs关键物种为乙烯、间/对二甲苯、甲苯、丙烯和异戊二烯,控制烯烃和芳香烃排放有利于南京市的臭氧污染防治。

换流站交流滤波器过负荷保护误动作机理及防误动策略

换流站是耦合交直流系统的关联区域,站内设备众多、运行环境复杂。交流滤波器配置的保护虽然较为齐全,但在各类异常扰动情况下,电气量特殊的暂态特征仍会引发过负荷等保护的误动作。通过分析典型过负荷和励磁涌流工况下交流滤波器电阻支路电流波形的特点,揭示涌流引起交流滤波器过负荷保护误动作的机理。从波形相似度角度考虑,结合斯皮尔曼等级相关系数,提出了基于斯皮尔曼等级相关系数的交流滤波器过负荷保护辅助判据,并利用仿真试验验证该判据识别励磁涌流工况扰动的有效性,以防止保护误动的发生,提高保护的可靠性。

模糊理论在智能变电站通信网络评价中的应用

针对目前智能变电站通信网络状态评估难、网络复杂等问题,在智能变电站体系结构的基础上,提出了一种模糊理论用于智能变电站通信网络状态综合评价。采用隶属函数将元素转化为隶属度,并结合层次分析法和斯皮尔曼相关系数法确定权值,根据隶属度和权值得到综合评价结果。通过算例对不同情况进行对比分析,验证了该方法的优越性。结果表明,该方法可以反应整个通信网络的状态,也可以进一步反映负荷状态、报文传输效果等,为系统状态的维护提供一定的依据。

Spearman秩相关系数的批量计算

介绍了采用Visual FoxPro计算机语言对环境质量多时段监测数据计算Spearman秩相关系数的方法,用评价指标与时间序列间的相关性分析,并检验相关系数的显著性意义,进行环境质量变化趋势的评价;给出了实例和源程序。

基于Spearman秩相关系数的红外弱小目标检测

针对红外弱小目标检测,目标运动跨像元,引起目标的丢失的问题,提出了一种基于Spearman秩相关系数的红外弱小目标检测新方法。该方法首先采用时空域中值滤波的方法估计背景;然后通过计算邻域像元点与目标处于像元中心位置时的Spearman相关系数,获得候选目标点;最后采用二次滤波和运动方向匹配得到目标运动轨迹。该方法充分利用邻域信息,即使在目标处于像元边缘处,也能有效地检测到目标。仿真分析表明了该算法的有效性。

基于spearman秩相关的序值决策系统约简

约简是知识发现的重要过程。经典的基于等价关系的粗糙集理论,没有考虑系统取值的序值性,并且对数据噪声较为敏感。提出了一个基于spearm an秩相关分析的序值决策系统约简方法,该方法通过各属性对被决策个体的spearm an秩次的影响来确定约简结果。实验结果表明,该方法不但考虑了系统属性值的序值关系,并且对数据噪声不敏感,因而更符合实际应用的要求。