基于聚落的人口统计数据空间分解算法

利用人口密度随机森林模型探讨人口密度与影响因子之间的非线性关系,是当前人口分布研究的前沿,但人口统计数据在空间分解过程中非正规约束下的最优输运问题尚未妥善解决。本文基于面积加权法,以矢量格式的村人口数据集为起点,以矢量格式的聚落和公顷网格数据集为约束,设计了一套顾及聚落分布的人口统计数据空间分解算法。通过将村常住人口数据依次分解至聚落和公顷网格之中,获得了栅格人口密度数据集(SJZ_RK)。分析表明,SJZ_RK数据集的人口总数为1039.60万人,仅产生0.04%的误差,说明本文提出的人口统计数据空间分解算法具有较高准确度。经测算,SJZ_RK数据集的人口分布基尼系数(0.8909)>GHS_POP(0.8548)>SJZ_CUN_RK(0.5898)>GPWv4(0.5897),说明考虑聚落分布状况的SJZ_RK数据集很好地刻画了人口分布的空间集聚和异质性特征,为构建人口密度随机森林模型等监督类机器学习模型训练样本提供了高质量的人口密度标签数据。在刻画非聚落区、城市聚落区、值域范围方面,SJZ_RK数据集更接近实际情况,其在前两方面优于GHS_POP数据集,其在这3个方面均显著优于SJZ_CUN_RK和GPWv4两个数据集。本文算法破解了2个难题:①优化了获取高精度栅格人口密度数据集的计算程序,实现了相对准确的人口分布离散化表达;②统一了人口密度标签数据和影响因子数据的粒度,从而为人口密度随机森林模型训练样本摆脱MAUP的困扰,为克服人口密度随机森林模型的区群谬误问题,创造了必要条件。

基于奇异值分解算法的非接触纱线张力测量

为解决目前接触式纱线张力检测易对纱线运动产生干扰的现状,设计了基于图像处理的非接触式纱线张力测量系统。使用高速相机结合纱线弦振动理论基础和图像处理技术采集运动状态纱线图像信息。利用奇异值分解算法通过视频图像数据降维、重组振动位移提取、迭代去噪等操作获取振幅频率信息。借助快速傅里叶变换将纱线振动时域特性转换为频域特性并绘制频域图及时域图,最后搭建纱线振动监测实验平台检验算法的可行性和可靠性。结果表明:纱线张力和纱线频率具有正相关性,当纱线张力在50~80 cN之间时,通过对比实验得到算法求解的纱线张力与实际测量的张力绝对误差小于10%,可较好地反映纱线实时张力情况。基于机器视觉的非接触式纱线张力具有安装简单,实时性强,精度高等特点,避免了接触式张力测量方法存在的损伤纱线和测量精度受工艺环境干扰等弊端。

各向异性问题的多子域区域分解算法

在自然边界归化原理的基础上,构造了一种无界凹角区域上各向异性问题的多子域非重叠区域分解算法,这是两子域的非重叠区域分解法的推广.本文给出了多子域区域分解算法的离散和变分形式,利用等价性理论,通过详细的理论证明说明此算法是收敛的,且与网格参数h无关.

基于奇异值分解算法的电气设备绝缘介损传感信号检测方法

针对信号起伏特性冗余,忽略了双重信号噪声的影响,导致检测结果的绝缘介损因数偏差较大的问题,提出基于奇异值分解算法的电气设备绝缘介损传感信号检测方法。构建时序特征窗口平滑处理原始传感信号,分析处理后传感信号的脉冲与高斯双重噪声,分离重构去除相应噪声值,引入奇异值分解算法将绝缘介质电流传感信号分解出来,解析分解信号的形态波计算得到绝缘介损传感信号检测结果。实验结果表明:所提方法应用后得出的检测结果,表现出的绝缘介损因数偏差较小,检测准确度较高,满足了电气设备绝缘性能运维的实际需求。

基于Matlab工具箱YALMIP的Dantzig-Wolfe分解算法实现研究

Dantzig-Wolfe分解算法(简称DW算法)是求解大规模具有分块结构线性规划的重要算法。该算法将问题分解成主子两级规划交替求解,计算过程烦琐,如何用计算机程序实现算法一直都是相关课程的重难点。文章采用Matlab语言,利用YALMIP工具箱的优化问题求解功能,尤其是通过YALMIP快捷获取主规划约束的对偶乘子,在考虑了子规划约束域存在极方向的情况下,构建了DW算法新的计算迭代形式,并通过一个算例的算法实现,验证了程序的可行性,为DW算法的相关教学与研究提供了素材。

基于EMD分解算法的长距离特高压输电线路接地故障定位

由于传统方法在长距离特高压输电线路接地故障定位中应用效果不佳,不仅定位结果相对误差较大,而且定位时间较长,无法达到预期的定位效果,因此提出基于EMD分解算法的长距离特高压输电线路接地故障定位。利用电压传感器采集输电线路电压信号,通过EMD分解算法对信号进行分解处理,提取信号时域特征,根据时域特征确定接地故障位置,以此实现基于EMD分解算法的长距离特高压输电线路接地故障定位。经实验证明,设计方法定位结果相对误差在2 m以内,定位用时在1 s以内,在长距离特高压输电线路接地故障定位方面具有良好的应用效果。

基于电流型CMOS的n变量函数分解新算法及电路设计

电流型电路具有功耗低、速度快的特点,是当今集成电路研究的一个热点.文章基于阈算术代数系统,改进了非相交分解算法;设计了电流型互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)的异或门电路,并利用改进后的新算法,将n变量函数分解成3变量函数,实现了任意n变量函数电路.模拟测试证明所设计的电路结构简单,且具有正确的逻辑功能.

基于奇异谱分析和辛几何模态分解的短期碳排放预测模型

在短时期内对碳排放水平进行评估和规划,对制定精准的减排目标和有效的政策措施可以起到辅助作用。将奇异谱分析分解法(Singular spectrum analysis decomposition,SSAD)和辛几何模态分解(Symplectic geometry mode decomposition,SGMD)组合成新型的二次信号分解法,并应用于每日碳排放量预测。在对原始序列进行二次分解之后,利用快速傅里叶变换对子序列进行重构,并应用偏自相关函数来选择合适的输入变量。最后,利用麻雀搜索算法(Sparrow search algorithm,SSA)对长短期记忆网络(Long short-term memory network,LSTM)进行优化,建立了SSAD-SGMD-SSA-LSTM模型。通过与其他模型进行对比实验,发现SSAD-SGMD二次分解更加适合碳排放时间序列预处理,并且可以进一步提高预测精度。SSAD-SGMD模型与集成经验模态分解和变分模态分解相结合的二次分解模型相比,模型的可决系数R2提高了1.83%,平均绝对百分比误差(Mean absolute percentage error,MAPE)有所降低,均方根误差(Root mean square error,RMSE)降低了43.16%。此外,经过SSA优化后的LSTM模型,R2提高了1.49%,MAPE有所降低,RMSE降低了38.64%。所提出的模型能够有效提升短期碳排放预测的准确性。

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。

基于无人艇的导航雷达目标检测跟踪算法

在无人艇利用导航雷达进行环境感知的过程中,针对雷达回波图中出现的区域破碎现象以及对运动目标进行跟踪时存在较大误差的问题,提出了一种应用于导航雷达的目标检测跟踪方法提高无人艇对水面目标的检测能力。首先,对雷达原始回波图像解析并进行预处理操作;其次,在图像连通的基础上,设计自适应阈值分割Hausdorff匹配算法对回波图和地图进行匹配,区分属于目标和陆地的回波;然后,对连续两帧的雷达回波图进行目标匹配;最后,通过加入预测序列模型的经验模态分解算法优化检测跟踪结果,提高获取目标信息的准确性。实验验证结果表明:对1 km内相对运动速度低于30节的水面目标,所提方法目标检测概率提升了6.5%,距离误差低于2%,航速误差低于6%,航向误差低于6°,整体性能优于工程中常用的检测跟踪方法。

基于Paillier加密和共识机制的分解协调式算法

随着能源系统的去中心化程度不断加深,分解协调式算法开始广泛应用于求解能源领域的优化问题。但是,分解协调式算法需要子优化问题向协调层算法上传协调变量,存在隐私泄露的风险,并且协调层自身还存在着信任问题。为了解决这些问题,引入Paillier加密和区块链共识机制,对分解协调式算法进行改进。在分解协调式算法的每次迭代中,各个发电商的出力通过Paillier加密后以密文的形式广播给其他发电商,某个发电商作为领导节点负责根据密文计算出所有发电商的总出力,并将所有密文和总出力打包生成区块后广播给所有发电商。所有发电商都会对区块内容的正确性进行检查,检查通过后将区块加入到账本中,完成分解协调式算法的本次迭代。算例结果证明了该算法中Paillier加密能够保护各个发电商的隐私,共识机制能够防止领导节点恶意篡改区块内容,在发电商间构建信任。

基于改进固有时间尺度分解算法的实时次同步振荡监测方法

为解决大规模风力发电并网系统中频繁发生次同步振荡的问题,需要快速准确地识别和检测次同步振荡的方法。次同步振荡发生时具有时变性和不确定性等特征,这给振荡的实时监测带来了挑战,针对该问题,首先提出了基于引入代数估计法改进的固有时间尺度分解算法(intrinsic time-scale decomposition,ITD)的解决方案。该方法不需要任何先验信息,且其性能不受振荡频率构成的影响。其次,利用合成信号、电磁暂态仿真和振荡实测数据进行了综合对比研究,结果表明该方法在信号检查的动态性能和参数估计精度等方面都取得了良好的效果。最后,通过硬件在环测试,验证了该方法的可行性。

基于改进变分模态分解算法的海洋绝对重力数据滤波处理

原子重力仪具有采样率高、精度高及长期稳定性好等优点,适用于远洋深海高精度绝对重力测量工作。受恶劣海况影响,原子重力仪测量的绝对重力数据中存在大量非平稳、非线性的噪声信号,影响重力测量的精度,进而影响地质构造解释的准确性。为了消除重力测量数据中的噪声,本文分析了创新性地引入改进变分模态分解(improved variatio nal modal decomposition,IVMD)算法进行滤波处理。

基于Benders分解算法的反恐应急设施选址-定容-分配问题

反恐应急设施的合理布局和资源配置可缩短救援到达时间并提高应急效率。对已有反恐应急设施选址研究拓展,进一步考虑设施容量有限的情形,并将袭击前后关于应急设施的选址、定容和救援物资分配问题进行集成考虑。将该问题构造为三层规划模型,上中下各层规划分别对应袭击前的选址定容问题、袭击时的袭击点选择问题和袭击后的救援物资分配问题。利用下层规划的对偶变换转化为双层规划,并设计Benders分解算法求解。最后,结合南疆交通网络进行仿真分析,验证了模型和算法的有效性。

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

计及N-1线路故障的连续时间随机安全约束机组组合问题的双层分解算法

伴随着可再生能源装机规模逐步扩大,电力系统的随机性和波动性进一步增强。为了制定更准确的机组启停和发电计划,保证系统运行安全,建立计及N-1线路故障的连续时间随机安全约束机组组合模型。首先采用Bernstein多项式将该无限维的连续时间优化模型转化为有限维的混合整数线性规划(mixed integer linear programming,MILP)模型。由于转化后的模型维度极高,为高效求解该模型,提出逐步对冲-Benders分解(progressive hedging-Bendersdecom-position, PH-BD)双层分解算法:外层采用逐步对冲(progressive hedging,PH)算法对场景打捆后的“场景束”进行分解,实现每个场景束对应问题的并行计算;内层采用Benders分解(Benders decomposition,BD)算法将每个场景束对应问题分解为无线路约束主问题和可并行求解的线路约束子问题。最后在IEEE118节点系统中进行算例验证。结果表明,与离散时间模型相比,连续时间随机安全约束机组组合模型可以更准确地制定机组启停和发电计划以及设置备用容量;与传统PH算法相比,所提出的PH-BD算法显著降低了求解时间。

基于快速分解算法的配电网供电能力恢复研究

传统配电网供电恢复方法无法分析负增量阻抗特征,导致多电平换流过程出现振荡问题,供电输出功率较低。为此提出基于快速分解算法的配电网供电能力恢复方法。构建配电网供电的交流母线接口变换参数模型,控制交流频率与电压,实现分布交流电缆电压的补偿。结合负增量阻抗特征分析方法,抑制配电网供电振荡,采用快速分解算法对配电网供电异常参数快速分解,完成配电网供电能力恢复。仿真实验结果表明,所提配电网供电能力恢复方法的电能输出稳定性更好,供电输出功率增益较高。

变分模态分解方法在轴承故障诊断中的应用研究进展

作为旋转机械的核心和易发生故障的部件,滚动轴承及其故障诊断是目前研究的热点和前沿。有效的特征提取方法对于滚动轴承故障诊断至关重要,其中变分模态分解算法(VMD)因对复杂信号具有较强的分析能力和自适应性,应用潜力较好。对VMD的基本原理及其优势、VMD在轴承故障特征提取方面的应用、VMD参数优化方法以及最新进展进行归纳总结,针对VMD参数优化问题,从适应度函数构造和群智能算法改进上,提出一种新的解决方法,并探讨VMD在诊断滚动轴承早期微弱故障和复合故障等方面的不足之处,最后从理论研究和工程应用的角度,展望VMD未来的发展方向,可为从事滚动轴承故障诊断的相关研究人员提供参考。

基于改进MOEA/D分解算法的天线阵优化设计

针对天线阵列设计需要优化的目标数量多、耗时长且难以收敛的问题,提出一种新的根据拥挤度动态调节邻域大小的基于分解的多目标进化算法MOEA/D。该算法引入一个拥挤参数集合,根据种群拥挤度的排名区间为子问题选取集合中不同的拥挤参数值,根据搜索阶段计算每个子问题的选择邻域和替换邻域,并间隔50代重新进行拥挤度排名计算达到动态调节邻域的目的,以平衡种群的收敛性和多样性。在对比实验中,选取测试函数DTLZ、WFG和直线阵列优化设计问题,将改进算法与其他4种算法进行性能对比。实验结果表明,改进算法在测试函数和直线阵列优化设计问题上表现均优于对比算法,搜索得到的Pareto解集满足天线阵列的设计需求。

MEC动态联合服务缓存和请求调度优化算法

针对移动边缘计算(MEC)中边缘服务器资源有限,服务提供商面临如何充分利用稀缺的边缘资源最大化系统性能的问题,提出一种基于李雅普诺夫优化的动态优化算法。建立服务缓存和请求调度模型,得到在满足服务缓存成本的长期预算约束时最小化系统延迟的优化函数模型;利用李雅普诺夫优化技术将长期优化问题转化为多个连续时隙的实时优化问题,设计对偶分解算法求解实时优化问题。通过仿真实验验证了所提算法的有效性。