基于优化分解与误差修正的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于优化分解降噪联合误差修正模型。该模型分为3个阶段,第一阶段,首先用基于全局搜索的鲸鱼优化算法(GSWOA)选取变分模态分解(VMD)的参数,之后运用优化后的VMD对原始数据进行分解;然后利用互相关分析重构高频分量,最后对高频分量进行小波软阈值降噪(WTSD);第二阶段,运用门控循环单元(GRU)对每个分量进行预测,将所有分量预测结果叠加起来得到初步预测结果;第三阶段,对初始预测结果进行误差修正(EC)。为验证模型的有效性,利用宁夏太阳山光伏电站2021年1、4、7、10月份的光伏实测数据进行实验,实验结果表明,相比于LSTM、GRU、VMD-LSTM,该混合模型表现出更好的性能。

基于误差阈值和分层搜索的快速分形图像压缩方法

针对基本分形图像压缩方法耗时过长的不足 ,提出一种快速分形图像压缩方法 .首先给出分层搜索算法以减小待匹配父块的数量 ,然后引进误差阈值以减小待比较像素个数 .理论分析和试验结果表明 ,相对于经典分形压缩方法 (Jacqain) ,该方法在不影响信噪比和解码图像质量的前提下 ,大大提高了压缩速度 .

AdaBoost分类器的一种快速训练方法

针对训练AdaBoost分类器的计算量随候选特征和训练样本数量的增加而急剧增加问题,提出了AdaBoost分类器的快速训练方法.AdaBoost分类器由多个决策桩构成.由于正负样本特征值分布的随机性,现有方法都在训练样本的特征值中穷举搜索来获得最佳决策桩.首先,注意到优秀特征阈值-误差(T-E)曲线的近似凸性,提出使用二分搜索法确定最佳决策桩.与穷举搜索相比,比较操作时间复杂度由O(N)降低为Olog N AdaBoost分类器的快速训练方法.在公开行人检测数据集Inria Pedestrian dataset和Caltech Pedestrian Detection Benchmark上的实验表明,提出的快速训练方法得到的分类器与普通方法的检测性能相当.

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-BoxJenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.

方程误差系统的多新息辨识方法

多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均(EEMA)系统(即CARMA系统),研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均(EEARMA)系统(即CARARMA系统),提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.

一种新的快速分形图像压缩方法

本文针对基本分形图像压缩方法耗时过长的不足 ,提出一种快速分形图像压缩方法。首先给出分层搜索算法以减小待匹配父块的数量 ,然后引进误差阈值以减小待比较像素个数 ,从而达到提高图像压缩速度的目的。理论分析和试验结果表明 ,相对于经典分形压缩方法 (Jacqain) ,该方法在不影响信噪比和解码图像质量的前提下 ,大大提高了压缩速度。

基于MEDLL的分级搜索抗多径算法

以多径估计延迟锁定环路（MEDLL）为代表的参量式基带抗多径算法以其能够同时估计直达信号和多径信号各参数而受到广泛关注,然而该类算法估计精度的提高是以计算复杂度的增加为代价的。为了在保证估计精度的同时降低资源消耗并加快搜索速度,提出了一种MEDLL最大似然（ML）估计搜索方法,将粗搜索后得到的参数估计值作为下一级搜索的先验信息,缩小搜索范围后减小搜索步进,完成逐级精细的参数估计。推导了原始MEDLL及树状分级结构的MEDLL（T-MEDLL）算法计算复杂度表达式;其中在存在一路多径信号的情况下,对于0.01 chip的多径延迟分辨率,复杂度可以降低为传统盲搜索的30%~50%。进一步基于自研的数字中频（IF）GPS信号模拟器和软件GPS接收机平台对不同多径情况下盲搜索法与分级搜索算法的参数估计精度及码伪距多径误差等性能进行了对比,验证了更低计算复杂度的T-MEDLL可以达到与传统MEDLL算法同样的跟踪精度。

核燃料棒点云圆柱拟合及三维重建方法研究

完整的核燃料棒几何形貌是核电站正常运行的重要依据,当前利用结构光进行水下燃料棒扫描时,因受水中杂质和燃料棒表面反光影响,会导致大量点云噪点的产生,进而影响检测形貌的精准重构。为此,文中提出一种高效准确的方法以实现对燃料棒形貌的三维立体重建。首先借助拓扑原理将圆柱点云数据分别进行最小二乘法直线拟合和平面拟合,进而利用直线方向向量和平面法向量实现点云空间坐标的转换;接着利用误差阈值搜索法计算圆柱点云的圆心和圆柱半径;最后将圆柱点云进行可视化处理,从而实现曲面三维重建。实验结果表明该方法拟合圆柱直径精度可达0.12 mm,圆柱间夹角精度可达0.4°,验证了该方法的有效性。