计及历史数据熵关联信息挖掘的短期风电功率预测

对风电功率历史数据进行关联信息挖掘,将有助于提高短期风电功率预测的准确度和计算效率。为解决风电功率预测模型的输入、输出变量的相关性冗余问题,尝试采用了一种基于信息熵和互信息的熵相关系数指标,旨在量化评估不同历史日风电样本与待预测日参考样本间的复杂非线性映射关系,并与线性相关系数、秩相关系数、欧氏距离指标进行了对比研究。同时,设计了一种BP神经网络改进模型,通过亲密样本筛选、隐含层结构寻优、网络权重赋初值等环节,克服了传统预测模型的训练数据冗余度大、收敛速度慢问题,提高了预测模型的泛化能力和计算效率。对某风电场实测数据的算例分析表明,所提出的方法在改善短期风电功率预测性能方面具有应用可行性。

基于滑动窗口的船舶导航信息关联挖掘系统

为了准确、快速挖掘用户所需的导航信息,设计基于滑动窗口的船舶导航信息关联挖掘系统。用户在系统客户端的挖掘界面输入挖掘请求信息,客户端将用户请求发送至服务端,由船舶导航信息挖掘模块,将船舶导航信息流划分多个滑动窗口,提取候选数据流,采用Apriori关联规则算法在候选数据流中,挖掘满足用户请求条件的导航信息,完成船舶导航信息关联挖掘。实验结果表明,所设计系统挖掘的导航信息准确率较高,并且挖掘耗时缩短。

基于熵权综合关联度数据挖掘的风电功率实时预测研究

采用一种基于熵权综合关联度指标,来量化评估不同历史时段风电样本与待预测时段参考样本间的复杂非线性映射关系,解决预测模型输入与输出变量的相关性冗余问题,并与Pearson相关系数、Kendall相关系数、Spearman相关系数、互信息相关系数指标进行对比研究。然后,采用一种神经网络改进模型,通过相似样本筛选、隐含层结构寻优、网络权重赋初值等,减小训练数据冗余度的影响及加快收敛速度,提高预测模型的泛化能力和计算效率。通过吉林省某风电场的实测数据进行实验仿真,结果表明该方法可有效提高风电功率实时预测准确率。

Research and strategy employment information based on extension data mining

This paper uses the extension theory of knowledge, probes into the problems of students employment of College of computer science, puts forward to the solving method,specific and provides corresponding strategies. At the same time, it carries on the appraisal to provide strategy, put forward to optimal strategies; it uses of baseing on extension data mining and mining association rules of the corresponding and finding the meaning relations existing in enterprise recruitment,

基于运行速度的公路平纵组合线形路段合理性评估方法

为提高公路设计质量,进行平纵组合线形路段合理性评估,提出了基于运行速度的公路平纵组合线形路段合理性评估模型,并结合统计数据进行实证分析。该模型可根据评估信息的挖掘结果,对评估数据进行频繁项集关联规则重构,提取关联维特征量,以此为约束条件进行关联信息挖掘评判,并进行合理性的统计分析和稳健性检验。仿真结果表明,采用该模型进行公路平纵组合线形路段合理性评估的准确性较好,置信度较高,可有效提高公路平纵组合线形路段设计质量。