可变带宽核估计与卷积神经网络结合的充电负荷预测

针对电动汽车充电负荷预测研究中存在的充电负荷预测耗时长、效率低、结果不准确等问题,提出一种可变带宽核估计与卷积神经网络时间序列预测相结合的预测方法.首先,结合电动汽车的充电行为和行驶习惯,获得大规模电动汽车的充电行驶数据,基于大量的实时数据,深入分析大规模电动汽车充电负荷的多种影响因素,并基于影响因素和实际路况等构建单位里程耗电量模型.然后,为准确拟合数据,引入3种传统概率模型,分析并比较它们的优缺点和拟合的准确度.最后,基于拟合结果,采用拟合准确度最高的可变带宽核估计模型对电动汽车充电负荷进行拟合,基于拟合结果结合卷积神经网络对电动汽车充电负荷进行预测.研究结果表明:所提方法将电动汽车充电负荷预测的平均误差降至3.11%,最大误差降至6.42%,有效提高了预测准确度,可为电网系统的维护提供借鉴和参考.

基于DASH的混合控制码率算法

针对平滑流(SF)算法在带宽预测时存在的"毛刺"现象以及仅依靠带宽预测而没有缓存区控制所导致的频繁播放停滞的问题,提出一种动态自适应混合控制码率算法。首先,通过使用标准差来代替原SF算法中波动参数的计算,消除了预测带宽存在的"毛刺"现象;其次,针对原SF算法存在没有考虑缓存区状态所带来的频繁播放停滞问题以及传统缓存区控制算法存在分级困难的问题,引入一种基于缓存区容量的新型缓存区控制策略;最后,将改进SF算法与新型缓存区控制策略相结合形成混合算法来选择视频码率。实验结果表明,混合算法不但消除了原SF算法在带宽预测中存在的毛刺现象,而且弥补了仅依靠单一算法选择码率的不足,使得所选码率视频既降低了播放停滞频率(恶劣网络环境下效果明显,降低43%左右)又符合实际网络情况,提高了用户的观看体验。

基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法

利用神经网络分位数回归获得预测当天在不同分位点上的电力负荷预测值,将Epanechnikov核函数与不同的最优窗宽选择方法相组合,得到中期电力负荷概率密度估计函数以及在所有分位点上连续的概率密度曲线图。此外,通过选取概率密度曲线峰值处的点预测值,比较不同窗宽组合方法。相对于传统高斯核密度估计方法的组合方式,Epanechnikov核函数的组合方式较优。最后将获得的最优方法与现有的预测方法进行对比,结果表明通过选取最优窗宽可以提高预测精度,更好地反映中期电力负荷的波动性。

预测我国人口总量的具有外生变量的半参数自回归模型

由于现有人口总量线性预测模型不能理想地描述人口这一非线性问题,根据1952-2005年我国人口总量数据和GDP总量数据自身特点及建模的需要,首先对数据进行对数变换和差分运算得到平稳时间序列,然后将GDP总量这一外生变量的滞后量和人口总量的滞后量作为被解释变量建立了含有外生变量的半参数模型。利用RMSE法(即最小化拟合残差)来选择显著变量及最佳带宽,最后检验所建模型的随机误差项服从独立正态分布。结果表明所建模型能较理想地描述非线性问题,其预测精度与其它线性模型相比有了一定的提高。

基于非参数回归模型的局部线性估计云量预报方法研究

为研究云量的分布特点,本文利用历史观测资料,对新义州、定海、隆子3站的总云量和低云量进行了正态性检验,结果显示:总云量和低云量均未达到正态指标,具有一定的随机性.因此,在2004-2007年逐年1月T106L19模式产品和单站地面观测资料的基础上,采用适合被解释对象呈非未知分布的非参数方法——局部线性估计方法,选择合适的窗宽和核函数,创建了上述3站总云量和低云量的短期预报模型,包括不同的长度样本序列.同时,为了比较预报效果,还采用适合被解释对象呈正态分布的参数方法——逐步回归法,建立了相应的预报模型,并利用2003年1月1～31日的逐日T106L19模式产品和3站的云量历史观测资料,对各种预报模型进行了试报和效果的检验,结果表明:在3站的总云量、低云量的月平均准确率和月平均平均绝对误差的检验指标中,非参数局部线性估计的预报精度均高于逐步回归方法;使用短样本序列建立的自适应非参数局部线性估计预报模型与采用长样本序列建立的预报模型相比,效果相当.这意味着,在数值预报产品解释应用的云量预报中,非参数局部线性估计方法可以更合理地考虑其时间分布特征,尤其在缺乏较长时间的历史建模样本时,具有良好的应用前景.

基于小波神经网络的大数据在线负载异常监测技术研究

为了提高大数据负载监测的有效性和准确性,采用神经网络算法对大数据负载进行监测。根据相邻时间段的负载数量变化建立负载预测模型,结合负载变化情况判定当前负载状态。对负载变化明显的时间段,采用神经网络算法对负载情况进行正向和反向运算。根据得到的结果与阈值相比较,超出阈值的负载判定为异常负载,将其从大数据平台剔除,确保大数据平台在线负载连接的真实性和有效性。仿真结果显示,基于神经网络的大数据负载方法在准确性和运行效率上均表现良好。

移动计算环境中的局部线性预测

由于移动计算设备的有限的电源能力和计算能力,需要有一种快速、简单、准确的方法用于移动客户端的预测。该文提出了在移动计算环境中局部线性预测的方法,该方法的计算复杂度较小,同时实验结果表明它的预测结果较为理想。

结合预测机制和QoS约束的网格资源调度算法的研究

资源调度是网格计算领域中的研究热点之一.以达到最优的资源利用率和提高用户对服务的满意程度为目标,定义了资源QoS约束和形式化描述;在任务完成期限和网络带宽的双重属性约束下结合预测机制,提出了网格资源调度算法Senior;应用GridSim工具包实现了相关的调度算法,并对调度算法仿真结果中的数据进行了分析和比较,验证了Senior调度算法在解决类似问题的优势.

承载电网IMS业务的网络带宽测算方法

首先分析了电力调度数据网对IMS的业务需求,提出了调度数据网的组网方法,分析了调度数据网用户规模,深入研究了电力调度数据网承载IMS业务时,网络带宽的计算方法以及多媒体业务模型,计算出了基于IMS的调度通信业务对调度数据网的实际网络带宽,对电网建设IMS调度数据网具有指导意义。

网络游戏中同步问题的研究

在基于client/server网络游戏构架下,对现在网络游戏中基于帧同步的一些错误的同步方法的分析,接着又研究了目前游戏中用到的同步算法,并分析其优缺点,在此基础上,提出了一种新的基于时间同步的算法。

高分辨率地震超前预报应用研究

传感器的灵敏度和频谱范围决定了地震探测深度和分辨率。在TETSP地震主机上装配了两种传感器进行超前预报,一种为频谱范围在0~5 000Hz、灵敏度在2.5V·g^(-1)的加速度传感器,另一种为频谱范围在0~800Hz、灵敏度为2V·cm^(-1)·s^(-1)的速度传感器,单炮数据表明加速度传感器数据初至波起跳点更容易识别,频谱范围更宽。将两种传感器应用于重庆某隧道工程中,针对隧道小偏移距线性观测系统,利用F-K滤波提取超前方向反射波信号,利用菲涅尔带偏移方法压制小偏移距形成的偏移假象,最后将处理结果与探测情况对比分析,加速度传感器探测的结果与实际情况更吻合,说明加速度传感器采集到的原始数据更准确,可以更好的指导隧道安全掘进。

注水站机组状态监测系统的分析、改进与探讨

本文在对本院1993年开发的油田注水站机组状态监测系统进行充分审查和分析的基础上,提出了系统的改进方案,并付诸实施取得了比较满意的结果.最后,本文还对该系统的进一步完善.提出几点看法.

集群政务专网业务需求分析与估算

建立了集群政务专网的业务需求预测模型,将政府部门分为业务量较大、中等和较小3个类别,分别分析和计算了其对应的业务带宽需求,为合理进行政务专网网络规划和建设奠定了理论基础。