基于滑动四分位距法的地震期间电离层TEC异常

根据IGS中心提供的2016-03-21-04-21GIM数据,将前16天不受太阳、地磁活动影响的VTEC中值作为背景参考值,采用滑动四分位距法分析日本九州岛地震前后共17天震中上空电离层VTEC异常情况。分析结果表明:在排除太阳、地磁活动的情况下,震前、震后均出现了异常(4月6、 9和16日出现了正异常,其中4月6、 9日也出现了1 TECu左右的负异常),地震发生当天也出了负异常。4月6日VTEC正异常出现极大值,异常区域在震中东南方向,自东向西偏移过程中逐渐增强,且异常时间较长;UT00:00-6:00之间VTEC异常出现峰值,峰值点位于震中偏东南方向,而在这段时间内全球其他区域没有出现异常。因此可认为,4月6日震中上空VTEC正异常与此次地震有关。

基于四分位-MAD和朴素贝叶斯的风电数据处理方法

针对风电机组运行数据存在的异常和缺失问题,提出了一种基于四分位-MAD和朴素贝叶斯的风电数据处理方法.文中对实际风功率数据进行研究,分析风速-功率的分布特征,建立了四分位-MAD异常数据识别模型进行异常数据识别,并利用识别后的正常数据构造朴素贝叶斯分类器对剔除的异常数据和原始缺失数据进行补偿.仿真结果表明,所述异常识别方法能够有效识别不同分布类型的异常数据,采用所提补偿方法可以有效补偿数据且改善了数据完整性;经过上述方法处理后,风电功率的预测精度较数据处理前提高了17%,验证了所提方法的可行性和有效性,对风电场功率预测研究具有一定的现实应用价值.

基于优化变点-四分位法的光伏异常数据检测

针对光伏电站运行原始数据中异常数据占比高、数据总体质量差的特点,对数据的异常识别与清洗是进行数据分析、预测的前提。为此,分析了光伏电站辐射强度-功率异常数据的特征和来源,提出一种基于滑动标准差曲线线性拟合的变点检测法,以及一种变点-四分位联合的光伏功率异常数据识别算法。利用多个光伏电站数据验证了所提算法的有效性和普适性,实现了对零散型、堆积型等各类异常数据的良好检测。

基于四分位与CFSFDP的风电机组异常数据清洗方法

在分析风机功率曲线异常数据的类型及产生原因的基础上,将异常数据划分为堆积型和离散型;在进行简单的异常数据剔除后,分别利用四分位–快速密度峰值聚类、快速密度峰值聚类–四分位这2种不同的组合方法进行数据清洗。将取自数据采集与监视控制系统的4台风机历史运行数据用于实验验证,并采用数据剔除率以及相关性指标来判断异常数据的清洗效果。实验结果表明所提算法可行、有效。

基于IKLIEP−四分位模型的风电场异常数据识别算法

风电场功率数据中包含大量异常数据,难以反映风电场真实的风能情况,会影响风电功率预测的精度,从而影响电网决策。针对该问题,通过分析风电场异常数据特征,将其分为堆积型和分散型,并基于时间序列变点检测理论,将密度比是否为恒值作为剔除堆积型异常数据的判断准则,采用改进Kullback Leibler重要性估计程序(improved Kullback Leibler importance estimation program,IKLIEP)剔除堆积型异常数据;再采用四分位法剔除分散型异常数据。最后将所提方法应用于国内蒙西某130.5 MW的风电场,实验结果表明所提方法能够更有效地识别并剔除异常数据,平均识别率提高了6.19%,误识别率降低了2.92%,验证了所提方法的有效性。

基于方差变化率判据-四分位的风电场功率异常数据识别

风电场运行中产生了数量巨大的历史数据,而提升历史数据的质量是实现风电场高效智能运维的前提。为此,文中分析了风电场风功率数据的分布特征和形成机理,提出基于方差变化率判据-四分位法组合的风电场风功率异常数据识别方法。首先,利用物理规则对原始风功率曲线进行预处理,剔除明显异常的数据;然后,利用风功率方差变化率判据法识别并清洗风功率曲线的堆积型异常功率数据点,判据的阈值借助箱型图自动获取;同时,利用四分位法识别并清洗剩余的离散型异常数据点;最后,通过算例验证了所提算法的可行性。研究结果表明所提算法具有易实现、效率高和通用性强的优点,其异常识别效果优于局部离群因子(local outlier factor,LOF)算法和Thompson tau-四分位算法,其耗时比LOF和Thompson tau-四分位算法分别减少9.6 s和0.49 s,且在5个不同位置的风电场验证了所提算法的通用性。

基于滑动四分位和可行搜索圆算法的风速-功率异常数据清洗方法

受气候条件、运行环境等因素影响,风电场SCADA系统所采集的原始风速和风电功率数据常存在大量奇异点,较难反映风电机组真实性能。本研究提出一种基于滑动四分位和可行搜索圆算法的风速-功率异常数据清洗方法。首先,分析了原始数据的时序特征和异常数据分布特点,将数据分为分散型异常数据和堆积型异常数据两类;然后,运用滑动四分位算法实现了分散型异常数据的识别,提出可行搜索圆(FSC)算法,剔除堆积型异常数据,获得符合风电机组出力特性的数据主带;最后,以我国北方某风电机组实际运行数据为例验证,表明本研究方法能较好地识别异常数据,与传统方法相比,本方法清洗效率高、效果好,具有一定的通用性。

基于四分位法的含储能光伏电站可靠性置信区间计算方法

为提高光伏电站接入系统能力,采用光储联合运行方式,研究加入储能前后光伏电站发电特性变化。为评估光储系统接入对电网可靠性的贡献,提出一种可靠性置信区间计算方法。首先对青海省格尔木某光伏电站历史数据做模糊C均值聚类,将其分为晴天、少云、多云、阴雨4种天气类型,利用四分位法对历史数据做统计分析,排除异常值。在此基础上提出一种光储系统功率带提取方法,搭建IEEE-RTS79可靠性测试系统,利用序贯蒙特卡罗法计算光储发电系统功率带对应的可靠性指标,从而得到含储能光伏电站可靠性置信区间。该可靠性区间计算结果为评价光储系统接入电网的可靠性贡献提供理论依据,对发电调度具有一定指导意义。

基于主成分分析与滑动四分位法的震前TEC异常探测对比分析

通过利用IGS提供的全球电离层格网数据对四次震级Mw>7.0的地震(汶川大地震,玉树地震,东日本大地震,于田地震)分别利用主成分分析(PCA)和滑动四分位法进行震前的TEC异常探测。结果显示,两种方法都能有效探测到震前TEC异常,且异常有稳定的时间尺度。两种方法相比,PCA方法更优,其探测到的异常比较直观、简明,而滑动四分位法则探测到的异常天数较多,但两者总体趋势一致,且两种方法得到的结果与其他学者分析得到的结果也一致。从探测的效果上来看PCA不易受太阳地磁活动影响,这也表明PCA的确可用于震前TEC异常分析,分析时将两种方法有效结合,相互补充,能对震前的电离层异常分析起到更好的效果。

四分位偏差分形维及其在齿轮故障识别中的应用

介绍了用于非平稳、非线性信号的四分位偏差分形维算法,并通过仿真实例验证了此计算方法的准确性。针对齿轮振动信号的非平稳、非高斯、非线性特点,将四分位偏差分形维用于齿轮故障分类,结果表明此方法能很好地区分齿轮故障模式。以四分位偏差与相应的截距为特征量进行聚类,能更好地区分齿轮的各种故障模式。可将其用于在线故障识别。

基于四分位偏差分形维与高斯混合模型的故障识别算法研究

针对四分位偏差分形维对信号幅值大小和分布敏感的缺点,提出了适用于故障识别的四分位偏差分形维改进算法,将四分位偏差分形维及其截距组成特征向量,应用高斯混合模型进行故障模式描述(QDFD-GMM),并采用贝叶斯分类器进行故障识别。分别采用QDFD-GMM和基于重构相空间与高斯混合模型算法(RPS-GMM)对同一组故障齿轮振动信号进行分类,结果表明:QDFD-GMM具有更高的识别率和运算速度,具有更强的鲁棒性。

四分位法在地磁日变化观测数据分析中的应用

四分位法可用于描述包括偏态分布、分布不明和分布末端无确定值等任何分布资料的特征,并且可以去除数据中大数的影响,较均值、标准差等更为稳定。针对地磁日变化数据的复杂性,不同时段数据分布特征的差异性和不确定性,在此引进四分位法加以分析。通过分析,提取地磁日变化中来自地磁场扰动、仪器记录错误、人为干扰以及可能与地震的孕育有关因素的相对异常,这对地磁数据质量的监控及其他影响因素的研究提供了一种新的方法。

基于四分位距值的调强放疗计划剂量体积直方图分析

目的 提出一种基于四分位距值的调强放射治疗（IMRT）计划靶区及危及器官剂量体积直方图（DVH）差异分析方法 .方法回顾分析22例宫颈癌IMRT计划,将靶区和危及器官（膀胱、直肠和左右股骨头）5组DVH曲线从Pinnacle3计划系统中导出,对每组DVH曲线求出平均DVH曲线和四分位距值曲线.结果 计划靶区DVH在54.03 Gy处差异最大,四分位距值为6.95%,处方剂量包绕的靶区体积为（96.43±1.63）%.膀胱DVH在17.24 Gy处差异最大,四分位距值为14.62%,V40和V30分别为（32.79±7.06）%和（56.47±9.94）%.直肠DVH在35.92 Gy处差异最大,四分位距值为19.94%,V40和V30分别为（30.17±10.80）%和（58.16±11.99）%.膀胱与直肠的四分位距值差异有统计学意义（z=-6.59,P〈0.05）.左侧股骨头DVH在16.06 Gy处差异最大,四分位距值为31.47%.右侧股骨头DVH在17.47 Gy处差异最大,四分位距值为32.82%,左右股骨头间的四分位距值间差异无统计学意义（P〉0.05）.结论 四分位距值曲线可以分析靶区和危及器官DVH曲线的变化趋势,为自动计划优化参数设置提供指导.

基于GNSS的2023年8月德州平原县5.5级地震异常环境响应分析

为了探测2023年8月6日山东德州平原县5.5级地震引起的异常环境响应,本文基于震中东北方向约26 km的GNSS观测数据,提出滑动时变频率方法并引入四分位距(interquartile range,IQR)法对地震引发的异常环境响应进行分析.结果显示,地震发生后N和E方向坐标速度时间序列在9~10 s处出现显著异常,垂向在16 s时出现轻微异常.滑动时变频率方法能够在速度时间序列异常跳变发生前5~10 s探测到明显变化,显示了更高的灵敏度.研究还发现,在地震发生前一天,电离层在震中上空出现了异常扰动,异常值达到4 TECU.研究表明:GNSS技术能有效探测地震过程中的异常环境响应,为地震监测与预警提供了新的视角和工具.

方程求实根的四分试位算法

给出方程f(x) =0求实根的四分试位算法。不管是否重根 ,只要f(x)连续有实根且初值合适 ,都能较快得到理想的近似根。表 4参

基于M估计量及标准四分位间距的安全监测数据异常识别的改进方法

水电工程安全监测数据的异常识别是科学评价大坝安全性态的前提。为了解决传统的3σ准则运用于“台阶型”、“震荡型”监测数据序列异常在线识别时极易出现的漏判问题,引入Andrews M估计量和标准四分位间距替代传统3σ准则中的总体位置参数和总体尺度参数,构建了新的判别准则。工程实践及敏感性分析表明:该方法能有效消除“台阶型”和“震荡型”离群点对识别结果带来的不利影响;抗离群点影响的比例提升到25%,异常识别的准确性及可靠性提升明显。研究成果可为水电工程安全状况和运行性态的评价提供参考。

基于Thompson tau-四分位和多点插值的风电功率异常数据处理

针对传统风电机组风速-功率异常运行数据处理清洗时间长、模型复杂的问题,提出一种基于Thompson tau-四分位法和多点插值的异常数据处理算法。首先,对切入风速与切出风速间等于或小于零的异常功率数据点予以剔除,通过划分风速区间,采用Thompson tau-四分位法对异常运行数据进行分段精细化清洗,降低异常点辨识的模型复杂度;然后,通过四点插值细分算法对清洗后的异常数据进行重构,获得完整的风速-功率有效数据;最后,以风电机组实际风速-功率数据为算例进行对比分析。结果表明所述方法实现简单、效率更高,尤其在临近风电场数据缺失、异常、不可用情况下,所提出的重构方法能有效提高重构数据质量,且重构效果更优。

基于粗糙集与四分位法的多元质量特性过程能力指数

多元质量特性过程能力指数的求解问题一直未得到很好的解决。本文简述了当前的研究现状,并利用粗糙集与四分位法,给出了计算多元质量特性过程能力指数的一种新方法,实例证明该方法是有效可行的。

“培训-考核-认证-使用”四位一体化分层级专科护士管理模式在儿童医院的应用效果

分析、讨论儿童医院专科护士管理中,实施四位一体化分层级管理方案的意义。方法 选取本院专科护士,总计90例,时间为2020.03至2022.01。以奇偶分组法进行分组。参照组:45例,专科护士常规培养、管理方案。试验组:45例,四位一体化分层级管理方案。另选取98例临床医师,了解其满意情况。对各组医师满意度、科研成果、护理质量评分、专业考核成绩、工作倦怠情况等进行评析、研究。结果 试验组医师满意度、科研成果、护理质量评分、专业考核成绩、工作倦怠情况均较参照组优异,P<0.05。结论 儿童医院专科护士管理中,采取四位一体化分层级管理措施,所得价值确切。

四分位法和迭代法对数据分散的能力验证检测数据统计分析结果的比较

能力验证是指利用实验室间比对,按照预先制定的准则评价参加者能力的活动。四分位法和迭代法均是分析能力验证数据的稳健统计分析方法,可以用来计算数据目标标准偏差,评价实验室上报数据是否合格。通过分析多项检测能力验证数据,比较了两种稳健统计分析方法的计算结果。分析数据的结果表明,当上报数据的标准化四分位距与基于经验模型的再现性标准差之比(H值)大于2或稳健变异系数CV大于0.05时,各实验室间检测能力相差较大,能力验证数据分布较分散,迭代计算次数大于1次,标准化四分位距与迭代法计算的稳健标准差比值大于1,四分位法放宽了能力验证的评价标准。