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.

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%。

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S函数的调节阀粘滞特性检测方法

调节阀粘滞特性引起的振荡是工业控制回路性能恶化的最常见来源。目前虽然已有许多检测调节阀粘滞特性的方法,但这些方法的复杂性或存在的缺陷限制着其在实际工况中的具体应用。本文提出了一种检测过程控制回路中调节阀粘滞故障的新方法。该方法将控制器输出(OP)和过程变量(PV)的变化(ΔPV)在相平面图中所构成变化趋势与标准S函数进行对比,根据实际函数趋势与标准S函数间的差异计算相关系数,通过相关系数的数值具体得出调节阀中是否存在粘滞特性。仿真实例和实际工业数据分析实验验证了提出方法的有效性。

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。

基于FPGA的AES和ECC算法图像加密

随着数字图像的使用次数日益增多,保护机密图像数据免受未经授权的访问较为重要。针对数字图像在通信、存储和传输等领域存在的安全问题,文中基于对称算法模型和非对称算法模型的优点提出一种具有高安全性和高速度性的数字信封技术密码方案。该方案以AES(Advanced Encryption Standard)和ECC(Elliptic Curve Cryptography)为基础,经优化后用于对称密钥共享的ECC硬件架构来提高密钥的安全性。通过加入伪随机数、使用列移位替代列混淆运算以及三维S-box等方式对传统AES进行优化,在保持香农扩散和混淆原理的同时降低了时间复杂性。基于FPGA(Field Programmable Gate Array)实现AES算法的数字图像加密仿真以及性能测试。测试结果表明,所提密码方案具有快速性、高安全性和有效性等优点,能够有效地实现图像加密。

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。

船用烟气余热S-CO_(2)布雷顿循环发电系统性能分析

开展船舶主机不同负荷工况下的S-CO_(2)布雷顿循环余热系统热力学特性和效能分析是其实现工程应用的必要环节。本文通过性能分析确定系统热力学参数对净输出功率和平准化能源成本的影响变化趋势,最佳运行参数范围以及系统关键热力学参数。通过主机典型负荷工况下的效能评估,分析集成S-CO_(2)再压缩布雷顿循环余热发电系统后的船舶节能减排效益。结果表明:主压缩机入口压力和压比对整个余热发电系统热力学性能和经济性影响最为显著,可调节这2个关键热力学参数以确保系统在船舶主机不同负荷下获得良好系统性能;集成该余热发电系统后,MAN8S90ME-C10.2型主机系统热效率最高可提高0.91%,燃油消耗量平均每年可减少51 t,NO_(2)和CO_(2)的排放量每年可分别减少2.28 t和760 t。

非参数双变量相关分析方法Spearman和Kendall的Monte Carlo模拟比较

目的对Spearman和Kendall’s tau-b两种非参数双变量相关分析方法在偏态分布和等级变量条件下进行模拟比较。方法应用SAS9.13软件编程,采用Monte Carlo方法,设置不同偏态分布类型、样本量及总体相关系数,比较两种非参数方法的样本相关系数及相对误差的大小。结果Spearman方法较之Kendall方法,估计的相关系数与总体相关系数更为接近,且相对误差更小。结论在双变量为偏态分布和等级变量条件下,Spearman法优于Kendall方法。

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。

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。

种间关联参数在Microsoft Excel 2003中的实现——Spearman秩相关分析

种间关联分析是认识植物群落的重要基础。针对种间关联参数计算过程复杂、繁琐、易错等特点,以Spearman秩相关分析为例,提出利用Microsoft Excel 2003的基本功能进行数据处理,快速高效地计算出Spearman秩相关值参数,对其他常用的种间关联参数的计算具有推广性。

基于改进的Spearman秩相关系数的直觉模糊多属性决策

针对属性值为直觉模糊数的多属性决策问题,提出了一种新的Spearman秩相关系数的决策方法。将AHP与熵权法得到的属性权重运用博弈论均衡思想构建优化模型,并运用混合罚函数来求解最优组合权重。依据灰色关联分析思想计算各属性的关联度,将得到的各方案关联度与最优权重按自身大小进行标号,分别作为秩比较序列与秩标准序列带入Spearman秩相关系数计算中,将得到Spearman秩相关系数的大小用于优序排列。最后实例验证了该方法的有效性。

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Spearman等级系数的植被变化趋势分析

针对Pearson相关系数法在长时间序列植被覆盖变化趋势分析中存在对噪声敏感且只能发现线性关系等局限性,采用Spearman等级相关系数法研究了该方法在长时间序列植被覆盖变化趋势分析中的可行性和适用性.首先,使用数据模拟法研究了Spearman等级相关系数法的抗噪性.其次,基于1998—2013年SPOT vegetation归一化植被指数数据,使用Pearson相关系数法、Mann-Kendall趋势检测法、Spearman等级相关系数法对内蒙古地区的植被覆盖变化趋势状况进行检测,并对检测结果进行了图形化处理,同时对比了3种方法结果的差异.实验结果表明:在10%的随机噪声情况下,Spearman等级相关系数法有较好的抗噪性.Spearman等级相关系数法、Pearson相关系数法和Mann-Kendall检验法的植被覆盖趋势变化图和检验数据表明:3种方法的检测结果在空间分布上有较高的一致性,且在植被改善和退化区域的最大差异不超过2%.

基于Spearman秩相关系数的PWV与PM2.5相关性研究

在讨论大气可降水量(PWV)与细颗粒物(PM 2.5)之间的相关性时,传统方法未能很好地顾及连续数据中包含的非雾霾天气信息的影响,为此本文提出2个数据选取标准——时间标准和空气质量指数(AQI)等级标准,用于获取雾霾期间对应的PWV和PM 2.5序列。为解决数据筛选后不连续的问题,引入一种非参数性质的Spearman秩相关系数ρ,在北京市2014~2016年雾霾多发期,分析不同AQI等级对应时段的非连续等距的PWV和PM 2.5序列的相关性可知,筛选后3 a的ρ在第1、4季度的均值分别为0.6613和0.6280,整体均值为0.6447,表明雾霾天气下PWV和PM 2.5序列具有单调正向的相关性,而传统分析方法(未筛选)下两者的相关系数均较小,表明在对数据进行选取后的分析结果更具针对性和准确性。

融合Spearman相关性系数与多尺度框架的立体匹配算法

针对现有立体匹配算法对噪声敏感、匹配率低的问题,提出了一种基于Spearman相关性系数与多尺度框架融合的立体匹配算法。在代价计算阶段,创新性地在固定窗口内通过简化Spearman相关性系数得到两种代价计算模型。在代价聚合阶段,利用多尺度框架在图像金字塔上进行代价聚合,从而使得匹配算法在低纹理区域得到较高的匹配率。实验结果表明,提出的立体匹配算法有效降低了误匹配率:对Middletury2.0测试集中31对标准图像对的平均误匹配率仅为7.98%,Middletury3.0中的15对标准图像对的平均误匹配率为13.45%。实验结果表明,提出的融合Spearman相关性系数与多尺度框架的立体匹配能有效降低图像的误匹配率,并对噪声等具有较好的稳健性。

基于信息增益与Spearman相关系数的电力用户行为画像

随着电力系统新技术的发展以及需求响应等灵活性政策的实施,传统的电力消费者正在逐步转变为产消者,其用电行为习惯也在逐步发生改变。在这一背景下,运用电力用户画像技术可以有效把握电力用户用电特性,挖掘海量用电数据的潜在价值,因此文中提出一种基于信息增益与Spearman相关系数的电力用户行为画像方法。首先,利用基于间隔统计量确定最优聚类数的k-means算法对电力用户用电数据进行聚类分析;然后综合考虑特征有效性与冗余度,构建特征集适应性评价系数;最后采用遗传算法进行迭代求解,得到最优特征子集,对电力用户行为画像进行刻画分析,并通过算例分析验证了所提方法的有效性。