考虑多变量相关性改进的风电场Transformer中长期预测模型

挖掘风电场多变量相关性对提高中长期的预测精度具有积极影响。针对Transformer模型在捕获多变量间相关性方面的不足,提出考虑多变量相关性的多变量中长期预测模型。首先,采用多变量独立嵌入(MIE)对风电场多变量进行独立建模;然后,使用二维概率稀疏注意力(TPSA)提取时间和变量间的特征信息;最后,通过多层式编码器-解码器(MED)将多尺度的特征信息聚合,一次性输出预测结果。算例分析表明,所提模型与LSTM模型、Transformer模型、Informer模型相比,均方误差在各预测时长分别降低了42.58%~66.83%,32.58%~53.49%,14.38%~30.92%,并通过消融实验验证和分析了所提改进的有效性。

变量相关性对隧道二次衬砌可靠指标的影响

以新八达岭隧道工程为依托,采用蒙特·卡罗(Monte Carlo)随机有限元抽样计算方法获取衬砌设计变量统计特征,结合数据表法研究轴力与弯矩等随机变量相关性对衬砌截面可靠指标的影响。结果表明:隧道衬砌设计表达式中,轴力与弯矩之间相关性较强,其余随机变量之间存在弱相关性;当轴力与弯矩之间呈现正相关时,考虑变量相关性因素的衬砌截面可靠指标计算结果偏小,而呈现负相关时,计算结果偏大;变量相关性对衬砌拱部截面可靠指标影响较大,对于素混凝土衬砌,考虑相关性后可靠指标计算值减小67.0%;对于钢筋混凝土衬砌,考虑相关性后可靠指标计算值增大51.9%;变量相关性对衬砌除拱部以外截面可靠指标影响较小,考虑变量相关性与否对其可靠指标计算结果无显著影响。

基于变量相关性特征聚类的多场景分布式电源规划

分布式电源和负荷功率的时序随机性给分布式电源规划带来巨大挑战。首先,将全年各时段的风速、光照强度和负荷大小组成多元时序数据并进行变量相关性特征聚类,得到全年典型规划场景以及对应的权重;然后,建立以分布式电源投资商收益、配电网公司收益最大化为优化目标的分布式电源规划模型,并采用非支配排序遗传算法2对模型进行求解得到帕累托最优解集,采用基于熵权的逼近理想解排序决策法对帕累托最优解集进行多目标折中决策,得到规划方案。仿真算例验证了所提出方法的有效性。

随机变量相关性对钢框架结构体系可靠度的影响

采用β约界法计算钢框架结构系统可靠度时,通常在分析系统失效模式时并没有考虑随机变量相关性的影响。通过分析其框架结构实例,研究随机变量相关性对系统失效模式的影响,进而得出影响规律。分析表明:随机变量相关性的改变将改变系统中单元的可靠度,从而影响结构系统的失效路径。

分工况下风电机组各变量相关性研究

随着发电技术的成熟和政府政策的支持,近年来海上风电产业飞速发展。为对风电机组状态进行更好的监控并预测可能出现的大功率,研究了风电机组多个变量间的相关性。首先在全工况下采集广东某海上风电场数据采集与监视控制(SCADA)系统的数据,探究了该海上风电场风电机组重要相关状态变量的Pearson相关系数、Spearman相关系数和Copula熵,研究其在变量相关性描述方面的应用。然后,通过对相关状态变量散点图的直观观察和数理性分析,获得了三者在描述变量相关方面的一致性。考虑到不同工况对风电机组运行特性的影响及Copula熵在变量相关性研究方面的优越性,提出了一种基于K-means的工况辨识方法,根据风电机组运行特性构造出衍生状态特征——风速差分。分析在K-means算法划分工况下,各工况特征状态变量的相关性。分析结果表明,各工况下风电机组运行特性差异较大,特征变量相关性各不相同,需分情况进行分类分析。

利用CCA原理分析变量相关性

一、CCA原理简介典型相关分析(Canoical Correlation Analysis简称CCA)的思想是1936年Hotelling提出的,主要研究两组随机变量之间的相互关联性,是一种重要的多元数据处理方法,在多元统计分析中的地位也是不容小视的.例如,有两组变量(x1,…,xp)’与(y1,…,yq)’,仅当p>1,q>1时,两组变量间的相关性研究为典型相关分析.

不作为犯罪因果关系的客观属性提倡——“犯罪变量相关性”理论模型之构建

不真正不作为因果关系应与作为因果关系统一按照'不作为—结果—因果关系'的结构认定,当前不作为因果关系的理论通说'义务违反说'将价值判断强加在事实判断之前,并不符合客观判断流程。通过建立'犯罪变量相关性'理论模型,立足于'支配原则',层次性地审查不作为因果关系:首先针对不作为/作为以及危害结果分别设定行为变量与结果变量,其次分析二者之间的相关性,若呈正相关则成立作为因果关系,若呈负相关则成立不作为因果关系。该理论模型建立在实证因果关系的基础之上,辅助以客观规律与一般规范的判断标准,充分考虑不作为犯的排他支配能力及特定地位,以期在一定程度上防止不作为因果关系的过度价值化。

上游干支流洪水相关性对下游洪水频率分布的影响——以鄱阳湖抚河为例

较大流域下游的洪水往往是由上游干支流洪水叠加形成,而上游洪水变量一般会存在一定的空间相关性。为揭示流域不同来源洪水相关性对下游洪水频率分布特征的影响,本文选取江西省抚河流域作为研究实例,通过广义回归模型构建下游洪水变量对上游干支流洪水变量的条件分布,以此刻画上下游洪水变量之间的关系,然后基于二维Copula函数建立上游干支流洪水变量的联合概率分布,最后由全概率公式推导出下游洪水频率分布,在此基础上,进一步探讨上游洪水变量相关性对下游洪水频率分布特征的影响。结果表明,本文提出的洪水频率分布推导法对抚河李家渡站的洪水频率分布具有较好的拟合效果;上游洪水变量相关性是影响下游洪水频率分布的重要因素,具体来说,相关性的强度与尾部相关性对下游洪水频率分布的均值没有影响,但均对偏态系数C_(v)与峰度系数C_(s)等高阶统计特征有较为明显的影响,下游洪水频率分布的C_(v)值会随上游洪水变量相关性的增强呈现增加趋势,上尾相关性越强,C_(v)和C_(s)越大;流域上游洪水变量相关性强度及上尾相关性的增强都会导致下游极端洪水风险升高,此外,重现期较长的极端水文设计值对上游洪水变量相关性的变化更加敏感。

变量多重相关性对主成分分析的影响

目的:阐明变量多重相关性对主成分分析的危害作用。方法:根据主成分分析原理,借助相关矩阵,从方向和数量两个方面说明变量多重相关性对主成分分析的影响。结果:加入与原有变量具有高度相关性的新变量后,增大了该原变量所在主成分对总方差的贡献率,改变了数据变异最大的方向;也未能减小其欧氏距离。结论:主成分分析法并不能真正消除由于变量多重相关性所造成重叠信息的危害。在主成分分析之前,必须慎重地选取变量,才能取得较客观、理想的分析结果。

求解变量重叠型大尺度优化问题的相关性学习协同演化策略

协同演化是解决大尺度连续优化问题的一种有效策略.但是,对于决策变量重叠型(决策变量不可分且相互依赖)的高维问题,其分组方法可能会误导算法的搜索.针对这一情况,本文提出一种全新的协同演化策略(Differential Evolution Cooperative Coevolution with Correlation Learning Between Variables,DECC-CLV),其思想是首先计算演化种群分布所包含的主特征轴,然后计算各维决策变量在主轴上的投影值并利用它们之间的正负相关性进行分组.该算法在迭代过程中,利用期望最大化算法对种群进行概率主成分分析,并根据决策变量在当前种群主轴上的投影值大小关系对其进行动态分组.通过和目前主流的演化算法在CEC2013的第三类函数上的仿真试验和分析,验证了算法的有效性和适用性.

FL燃气调压器变量相关性和调压性能下降原因

基于统计学原理,基于FL燃气调压器运行历史数据,研究FL燃气调压器运行过程中各变量之间的相关性。进行调压器性能检测实验,分析调压性能下降的原因。调压器出口压力和负载压力呈中度负相关。出口压力和流量呈一般负相关。流量和开度呈显著正相关。流量滞后于负载压力变化;将流量曲线的时间向前移动70 s,形式调整后流量;调整后流量与负载压力的相关系数可达0.5以上,呈中度正相关。调压性能下降的原因主要是弹簧弹性下降、燃气中混有杂质。

考虑相关性的多元输出仿真模型验证方法

复杂仿真模型一般具有多个不同类型且带有相关性的输出,现有验证方法存在变量信息缺失、变量相关性度量不准确等问题.为此,提出基于变量选择和概率分布差异相结合的多变量仿真结果验证方法,考虑不确定性的影响,对选取到具有相关性的多个变量进行联合验证.首先,引入分形维数和互信息方法对多元异类输出进行相关性分析,提取相关变量子集.而后对相关变量子集中的各变量提取数据特征,进而计算各相关变量子集关于数据特征的联合概率分布,采用概率分布差异法度量仿真输出和参考输出联合概率分布的差异,并将其转化为一致性程度;在此基础上综合多个验证结果得到模型可信度.通过实例应用及对比实验,验证了方法的有效性.

一种结构不确定分析的改进多维平行六面体模型

多维平行六面体模型是一种能够同时考虑相关变量和独立变量的非概率凸集模型,更适用于工程结构中常见的多源不确定性问题。为更加有效合理地度量结构不确定性,提出一种改进多维平行六面体模型。通过定义区间变量的相关角和边缘区间,给出模型不确定域的显式表达式,进而给出依据实验样本点构建多维平行六面体模型的方法。3个算例分析结果表明,改进多维平行六面体模型能够较好地反映区间变量之间的相关性,是一种比传统多维平行六面体模型更为紧凑合理的模型。

考虑第三偏应力不变量的岩石局部化变形预测模型

现有岩石局部化变形带发生条件与带角预测模型均只考虑2个应力不变量,预测结果与实验观测结果关联度不好,最近的研究表明第三应力不变量在局部化变形中起重要的作用。在Rudnicki与Rice单屈服面和Issen双屈服面模型的基础上,通过相似角表征第三偏应力不变量,得到第三偏应力不变量相关性模型判断岩石局部化变形发生条件和预测变形带角,利用Mogi的Dunham白云岩轴对称拉伸和压缩状态以及Haimson的Westly花岗岩轴对称拉伸实验的变形带角属性作为边界条件,计算得到模型中的弹塑性参数,最后预测得到其他一般应力状态的变形带角,相较于二应力不变量模型,提高局部化变形带角的预测精度。

区域社会-生态系统恢复力协调发展时空演变研究——以陕西省为例

在人口增长、资源开发、城镇化等多因素驱动下,恢复力为区域社会-生态系统可持续发展提供了新的研究视角。以陕西省为研究区,基于社会、经济、生态3个子系统,综合考虑系统的脆弱性与应对能力构建指标体系,通过集对分析法对陕西省107个县级行政单元的社会-生态系统恢复力进行测度,根据恢复力测度结果,运用耦合协调度模型分析二元(社会-经济、社会-生态、经济-生态)及三元(社会-经济-生态)子系统的协调发展程度,从区域层面揭示其2000—2020年的时空演变特征,然后引入双变量空间自相关模型进一步探究二元与三元子系统协调发展度变化的数量及空间关联特征。结果表明:(1)研究期间陕西省社会、经济恢复力增长显著,生态恢复力呈微弱的下降趋势,社会-生态系统恢复力由0.303上升至0.779。(2)子系统协调发展度均呈上升趋势,社会-经济子系统南高北低的协调发展差异减弱,社会-生态、经济-生态子系统形成中部低南北高的协调发展格局,社会-经济-生态子系统协调发展度整体维持南高北低的空间分布特征。(3)二元子系统协调发展变化在数量及空间上与三元子系统协调发展变化有较大的正向关联性,以高-高、低-低类型评价单元在省域北部、中部的集中分布为主。

相关分析应用中检验法的选择

文章通过对变量相关性假设检验常用的两种方法进行比较分析 ,指出其适用的条件 ,并以企业的产品为例对产品相关性进行假设检验。

基于极限学习机的新能源微电网短期负荷预测

常规的新能源微电网短期负荷预测方法主要使用气象相似日集确定预测变量相关性,易受信息矩阵变化影响,导致预测负荷与实际负荷相差过高。因此,需要基于极限学习机设计一种全新的新能源微电网短期负荷预测方法。即生成了新能源微电网短期负荷预测指标,利用极限学习机构建了微电网短期负荷预测模型,设计了新能源微电网短期负荷预测算法,从而实现新能源微电网短期负荷预测。实验结果表明,设计的新能源微电网极限学习机短期负荷预测方法的预测负荷与实际负荷较接近,证明设计的短期负荷预测方法的预测效果较好,具有准确性,有一定的应用价值,为提高微电网运行经济性作出了一定的贡献。

基于灰色关联分析法的物联网数据异常检测方法

物联网数据具有构成复杂、规模庞大、异常形式多样化的特征,导致基于传统异常检测方法得到的结果正确率偏低。文中提出了一种基于灰色关联分析法的物联网数据异常检测方法。该方法利用灰色关联模型计算得到灰色关联系数,对原始物联网数据中的自有变量相关性进行排序,随后采用前向选择法进行变量排序选择,确定反推得到的特征参数误差达到最小值时的变量,并将其作为最优变量子集;在异常检测阶段,用最优变量子集对物联网数据进行异常位置寻优,实现异常检测。测试结果表明,该方法在不同攻击下,异常数据检测结果的F1值未出现明显的波动,对应的F1值为0.84~0.90。

西安都市圈生态系统服务价值与人类活动强度的时空关系

人类活动是影响生态系统服务价值(ecosystem service value,ESV)变化的重要原因之一,对两者时空关系的研究有助于生态环境与社会经济协调发展。以西安都市圈为研究对象,基于1990、2000、2010和2018年4期土地利用数据,在2 km×2 km格网尺度下构建ESV评估模型、ESV流向损益模型、人类活动强度(human activity intensity,HAI)指数评估模型和双变量空间自相关模型,探讨ESV与人类活动强度的时空关系。结果表明:(1)1990—2018年间,西安都市圈ESV在时间尺度上呈持续下降趋势,近30年间共降低12.8亿元;在空间尺度上呈现以西安主城区为中心向外围递增的分布格局;(2)ESV增益主要源于耕地转为林地、水域和草地;ESV亏损主要源于耕地、建设用地的转入以及水域的转出;(3)人类活动强度整体呈现以西安主城区为中心向南北递减的空间分布格局,高影响区集中分布在西安主城区及其周边地区,低影响区分布于研究区南北两端;(4)ESV与人类活动强度呈负相关关系,两者聚类关系以低-高和高-低聚集方式为主,低-高和高-低聚集区域显著性水平高。期望通过对ESV与人类活动强度的空间关系分析为区域可持续发展提供理论支持。