基于组合赋权与灰云模型的综合能源系统需求响应效益评价

考虑到当前综合能源系统研究缺乏完善的需求响应量化评估方案,难以在优化运行层面综合评估需求响应效益这一问题,提出了一种基于改进AHP群决策—CRITIC组合赋权与灰云模型的综合能源系统需求响应效益评价方法。首先,从综合能效性、社会经济性和需求侧互动性三个维度构建了需求响应效益评价指标体系。其次,采用一致性和权重拟合性更优的指数标度法构造判断矩阵,降低赋值误差,并通过AHP群决策法确定主观权重,从而削弱主观极值偏差对权重的影响;在由CRITIC法确定客观权重后,基于最小欧氏距离建立组合权重模型,并通过非线性规划求取最优组合权重;针对评价等级信息的模糊性与隶属等级的随机性,采用正态灰云白化权模型确定指标分类等级与场景评分。最后,以北方某综合能源系统为例,根据用户参与需求响应方式设置了4种运行场景,分析了不同需求响应对系统运行的影响与作用,算例结果表明所提指标体系与评价方法科学有效。

基于非欧几何权向量产生策略的分解多目标优化算法

随着目标数量的增加,多目标优化问题(Multi Objective Problems,MOPs)的求解越来越困难。基于分解的多目标进化算法表现出更好的性能,但在求解具有复杂Pareto前沿的MOPs时,此类算法易出现种群多样性不足、算法性能下降等问题。为了解决这些问题,提出了一种基于非欧几何权向量产生策略的分解多目标优化算法,通过在非欧几何空间中拟合非支配前沿并进行参数估计,再利用对非支配解目标变量的正态统计采样生成权向量,以此引导种群的进化方向并保持种群的多样性。同时在非欧几何空间中周期性重新确定子问题的邻域,提高分解算法协同进化的效率,进而提高算法的性能。基于MaF基准测试函数的实验结果表明,相比MOEA/D,NSGA-Ⅲ和AR-MOEA算法,所提算法在求解多目标和众目标优化问题方面具有明显的优势。

基于极限学习机模型参数优化的光伏功率区间预测技术

提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明:所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度.

跨类别样本迁移框架下的不平衡分类方法

对于不平衡分类问题,实现类别交叠区域中样本数目和分布的平衡是缓解后续决策偏移的关键,而现有的不平衡分类方法往往只从少数类样本生成新样本来达到样本数目的平衡,没有充分利用多数类样本丰富的信息。特别是在少数类样本绝对数量过少的情况下,仅利用原始少数类样本信息无法有效平衡交叠区域样本的分布。提出了一种跨类别样本迁移框架下的不平衡分类方法。在变分自编码器(variational autoencoder,VAE)隐编码采样过程中嵌入由全连接层构建的映射网络,在VAE充分学习不同类别样本的共性和特性的基础上,在隐编码先验约束和跨域一致性约束下对多数类样本的隐编码进行映射转换,使转换前后隐编码共享相同的分布空间,并通过VAE中解码器实现多数类样本向少数类样本的迁移。同时融入生成对抗机制,对原始样本和新样本以及转换前后的隐编码进行判别对抗,进一步提升迁移样本的可靠性。在此基础上,分别对新生成样本与原始不同类别样本的距离进行加权约束,并筛选得到更加靠近交叠区域的样本,使该区域不同类别样本的数目和分布更加平衡。在16个公共数据集上的实验结果表明,在F1测量值和G-均值上该方法显著优于10种典型的不平衡分类方法,特别是在11个不平衡比例较高、少数类样本绝对数量过少的公共数据集中,该方法性能提升更加显著。

求解加权Euclidean单中心问题的SMO-型算法

通过定义求解加权Euclidean单中心(WEOC)问题的两个近似最优性条件,基于序列最小最优化(SMO)方法,提出一种求解WEOC问题的SMO-型算法.该算法求解WEOC问题满足第二个近似最优性条件的(1+ε)-近似解,并且每次迭代只需更新对偶变量的两个分量.数值结果表明,SMO-型算法执行简单,能有效求解高精度的大规模计算问题.

基于改进模糊物元的输变电设备绿色度评价方法研究

为了向智能电网节能环保战略实施提供可靠数据作为支持,并提升输变电设备绿色度评价效果,提出基于改进模糊物元的输变电设备绿色度评价方法。首先,依据层次分析法,从环境、能源、资源和经济四个角度筛选输变电设备绿色度评价指标,以构建输变电设备绿色度评价指标体系。然后,利用层次分析法与熵权法计算输变电设备绿色度评价指标综合权重,并建立输变电绿色度评价的模糊物元模型。最后,通过计算输变电设备绿色化方案与标准方案之间的欧式贴近度,完成输变电设备绿色度评价等级的确定,以达到输变电设备绿色度评价的目的。试验结果表明:所提方法可对输变电绿色度评价指标各级权重及综合权重进行计算,准确评价输变电设备绿色度等级,且评价结果与实际结果一致。该方法能够准确反映输变电设备的绿色程度,为设备的选型、运营和维护提供重要的参考依据。

铁路行车安全管理的组合赋权评价模型

为提高铁路行车的安全管理水平,构建一种基于组合赋权法的铁路行车安全管理评价模型。首先,利用区域灾害系统论对影响铁路行车安全的因素进行分析,结合相关标准与铁路运输特点确立评价指标及其划分等级;然后,运用融合差异性与相似性的组合赋权法计算铁路行车安全评价指标的权重系数,并且根据欧式距离法客观量化铁路行车的安全性;最后,选取我国“八纵八横”高速铁路网中6条线路进行案例分析,运用余弦值检验法对组合赋权的结果与对照方法的结果进行比较,以验证模型的可行性。结果表明,这种模型的建立能够提高铁路行车安全管理评价的客观性与合理性。

基于组合权重-灰色欧几里得关联分析法的医疗器械供应商评价体系的建立与验证

医疗器械供应商选择是可持续供应链管理的重要环节,对医疗器械供应商进行综合评价可以为医疗器械采购提供科学决策依据。但目前的医疗器械供应商评价存在若干定性和定量评价因素在性质上相互冲突的问题,而现有的研究方法无法很好地处理这两方面的均衡问题。为解决以上问题,该研究建立了一种基于组合权重-灰色欧几里得关联分析法的医疗器械供应商评价体系,并通过将该体系应用于某医院血压计供应商的评价案例,验证了该评价体系的可行性和有效性,同时为完善供应商评价体系建设提供了参考。

基于高斯曲率的航空模锻件点云降噪方法研究

为了让大型航空模锻结构件全型面海量三维点云数据在高效降噪过程中避免过度光顺而丢失边缘特征点,论文提出了基于高斯曲率的分区域双边点云降噪方法。首先将散乱点云栅格化进行降采样,剔除了第一类噪声点;然后基于高斯曲率对点云分区域,同时添加欧式距离权重来保持点云空间特征,利用改进的双边滤波方法去除第二类噪声。最后在开源PCL1.10.1平台上,验证了论文点云降噪方法的有效性,试验表明论文点云滤波方法在点云降噪的同时,在避免曲面过度光顺和保持边缘特征方面有一定的效果。

图像处理中应用图像降噪算法的研究综述

日常生活中,在发送、存储图像和拍照形成图像的过程中往往会因操作不当而导致图像不清晰,无法反映图像本质。为此采用图像降噪算法将图像中的杂质去除,还原出无噪声的图像,同时还可以使大部分的细节因素保留在图片中,让图片更加清晰。在去噪方法的运用上通常是采用无噪图像和含有噪声的先验信息,但弊端是二者并没有进行有效的结合。为了解决这个问题,采用小波、非局部均值等方式进行去噪,并且在非局部均值去噪中从欧氏距离和权重分配方面进行一些优化。

汉江汉中监测断面加权欧式距离法水质综合分析

根据《地表水环境质量标准》(GB 3838-2002)评价标准,选用Ⅰ类水质标准作为原点,利用变异系数法得到各评级因子指标权重,计算待评价因子的变权欧式距离,建立水环境质量评价空间,对比分析2023年汉中1月~12月水质断面监测成果与水质评价标准的加权欧式距离,以此确定其水质级别,旨在探讨加权欧式距离法在地表水水质分析中的应用。通过加权欧式距离法评价水质级别,水质状况总体呈现偏好趋势。

基于改进粒子群和K-means聚类的优化算法

为了解决粒子群优化(particle swarm optimization, PSO)收敛速度慢和迭代次数多,以及传统K-means聚类算法采取的欧氏距离划分准则会导致聚类效果不理想等问题,构建了基于改进粒子群和K-means聚类的优化算法.根据Sigmoid函数优势,对PSO算法中速度更新公式的惯性权重参数实施改进,得到新的惯性权重公式,有效提高PSO算法的收敛速度;在PSO算法的位置更新公式中引入时间权重,通过调整时间权重大小,控制粒子的空间搜索范围,增强粒子的搜索能力;在传统的欧氏距离中引入属性权值,得到新的欧氏距离计算公式,该公式在计算两个向量相似度时,同时考虑了两个向量间的累积差异以及它们之间的相似性,与改进的PSO算法相结合,设计了基于改进粒子群和K-means聚类的优化算法.在6个基准测试函数和13个UCI数据集上,将所提出的优化算法与其他算法进行对比实验分析.实验结果表明:所提算法在收敛速度和寻优稳定性方面得到了明显提升,有效地提高了聚类准确率并且降低了迭代次数.

基于改进PSO的无线传感器网络数据自适应聚类算法

为解决无线传感器网络数据类项过于繁杂的问题,将相似信息参量整合成独立的簇类对象集合,提出基于改进PSO的无线传感器网络数据自适应聚类算法。按照改进PSO算法的作用机制,确定欧氏距离指标的计算数值,实现对网络数据的处理。在无线传感器网络体系中定义聚类排序原则,结合相关数据样本求解自适应期望熵,完成无线传感器网络数据自适应聚类算法研究。实验结果表明,在改进PSO算法作用下,无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个,能够解决无线传感器网络数据类项过于繁杂的问题,满足按需整合相似信息参量的实际应用需求。

基于区域划分的非局部均值图像去噪算法的改进

为改善非局部均值(Non-Local Means,NLM)算法的去噪性能,解决NLM算法参数分配以及去噪后图像边缘模糊等问题,对基于区域划分的非局部均值图像去噪算法进行了改进。通过Canny边缘检测算子和形态学膨胀处理对图像进行区域划分,对划分后的不同区域进行参数的调整,并对欧氏距离和权重函数进行改进,提升NLM算法的去噪性能,使去噪后的图像保留更多的细节纹理信息。实验结果表明,该算法相比于传统的NLM去噪算法、参数自适应的NLM算法以及基于转动惯量的改进权重函数的NLM算法,有着更好的峰值信噪比和结构相似度值。

基于模糊物元模型的煤炭企业低碳绩效评价研究

“双碳”目标是中国为应对全球气候变化做出的重大决策。从煤炭企业低碳绩效评价方法创新入手,基于物元理论构建煤炭企业模糊物元低碳绩效评价模型,采用AHP法和熵权法对评价指标组合赋权,根据欧式贴近度及评价标准,以8家上市煤炭企业为实证对象进行研究。研究表明:通过模糊物元模型得出评价结果与各企业实际情况相符,验证了该模型稳定性;根据评价结果对煤炭企业低碳绩效评价及企业低碳发展总结出三条启示:使用科学的低碳绩效评价方法;建立制度化的低碳绩效评价标准体系;将低碳绩效考评纳入企业发展的重要工作内容。

基于改进加权欧氏距离的光谱反射率重建样本选择方法研究

获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证,这对纺织服装、出版印刷、网络电商、远程医疗等对颜色有较高要求的行业有重要作用。光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系,从而避免使用分光光度计等专业设备所带来的成本高、操作复杂、分辨率低等问题。训练样本的选择是影响光谱反射率重建算法效果的重要因素。从物理角度看,光谱反射率是一条关于波长的光滑曲线,光谱反射率向量最大的相关性特征就是其光滑性,因此,训练样本的选择应同时考虑空间距离和形状的相似性。针对局部学习方法中局部样本选择问题,提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法,以提高光谱反射率重建的精度。该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量,根据样本容量动态地选出相似度较高的样本。实验以孟赛尔半光泽数据集(munsell matte)为样本集,基于伪逆法进行光谱反射率重建,以光谱均方根误差和色差为评价指标,与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。实验结果表明,基于改进加权欧氏距离的样本选择,能够在保证均方误差最小的条件下,显著降低色度误差,同时添加不同噪声水平后,文中方法的均方根误差和平均色差依旧保持最小,该方法能够更好地利用局部样本的信息,而且具有较好的抗干扰能力,可以有效地提高光谱反射率重建的实际应用效果,进而为颜色的真实再现提供保障。

基于最大均值差异测度的装配体相似性研究

基于距离的装配体相似性度量方法由于忽略了对距离分布的分析,在其案例初筛过程中,采用该方法时易导致丢失部分相似的案例。针对这一问题,提出了一种基于最大均值差异(MMD)的装配体相似性度量方法。首先,利用装配体中零部件数量及零部件类型数量、连接数量及连接类型数量,共4个参数,将装配体模型化为一维数据集合;然后,使用最大均值差异(MMD)算法,将表示装配体模型的一维数组映射到再生核希尔伯特空间(RKHS),在该空间内计算出装配体间的距离,并利用离散系数对距离进行了统计学分析;最后,通过基于实例的实验和基于装配体参数生成规则的仿真比较实验对其进行了验证。实验及研究结果表明:在准确度上,MMD算法与欧氏距离(ED)和加权距离(WD)算法一致;在鲁棒性上,无论进行相似性分析的两装配体零部件数量是否一致,该方法的距离分布在零部件数量超过6个后即可达到基本稳定,最高离散系数约为WD算法的23%,距离分布的鲁棒性有了较大程度的增强。

基于测量报告信号聚类的指纹定位方法

针对基于加权K最近邻(WKNN)和机器学习算法的指纹库定位方法存在精度和定位效率较低的问题,提出一种基于测量报告(MR)信号聚类的指纹定位方法。首先,把MR信号分为室内、道路和室外这3种属性;其次,利用地理信息系统(GIS)信息将栅格分为建筑物、道路和室外子区域,并将不同属性的MR数据落入对应的属性子区域;最后,借助K均值(K-Means)聚类算法对栅格内的MR信号进行聚类分析,以创建子区域下的虚拟子区域,并采用WKNN算法对MR测试样本进行匹配。此外,利用欧氏距离计算平均定位精度,并通过生产环境的一些MR数据测试了所提方法的定位性能。实验结果表明,所提方法的50 m定位误差占比为71.21%,相较于WKNN算法提升了2.64个百分点;平均定位定位误差为44.73 m,相较于WKNN算法降低了7.60 m。所提方法具备良好的定位精度和效率,可满足生产环境中MR数据的定位需求。

基于模糊评判技术的储备资源优化模型及仿真试验

在市场需要导向下,为提升电力企业管理培训评估效果,设计基于模糊综合评判技术下电力营销优化配置模型评估方法,有效评估培训课程质量。利用数据库搜集电力营销企业管理相关资料;通过数据访问层采集与存储培训评估相关的数据;业务实体层利用系统管理模块根据存储的数据构建评估指标体系,培训评估管理技术模块依据指标体系通过模糊综合评判方法完成培训评估,按照欧式距离定义指标权重分配方案选择方法,获取最佳指标权重;通过外观和规则层控制不同级别用户查看评估结果权限,由用户界面层为用户呈现评估结果。实验表明,该系统可有效提升企业管理培训评估效果。

基于目录哈希树的车联网数据同步传输方法仿真

针对当前使用的数据传输方法受到威胁数据影响,导致数据同步传输时间较长的问题,提出了基于目录哈希树的车联网数据同步传输方法仿真。通过车联网数据监控平台自助分析监测结果,设计了处理逻辑时序示意图,并确定了同步传输时序。构建目录哈希树,针对车辆道路切换、紧急路况两种情况设计数据同步传输流程,计算加权欧氏距离,获取最佳隶属度矩阵和规范矩阵,并构建威胁目标识别模型,实现威胁数据的精准识别。由仿真结果可知,该方法在数据大小为200 kB时,车联网数据同步传输时间的优势更为明显,最短为53.12×10-3s,具有良好传输效果。