基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。

基于多尺度融合的岷江流域国土空间资源环境承载力评价

[目的]进行基于多尺度融合的流域国土空间资源环境承载力评价研究,为后续有针对性地开展国土空间格局优化打下基础,也为流域的可持续发展提供科学依据和参考,促进资源和环境的协调发展。[方法]以岷江流域为例,从国土空间的多功能性特征与内涵出发,构建多尺度的国土空间资源环境承载力评价体系,并通过应用改进后的多尺度融合模型,对2000,2010和2020年3期研究断面的评价结果进行微观细部分析。[结果]①长期以来,流域整体生态承载力(CC_(E))多数在中等水平,生活承载力(CC_(L))多数在中等及以下,生产承载力(CC_(P))以低等级为主,造成综合承载力(CC_(C))以较低等级为主且无高等级;②研究期内,所有承载力的较低等级区域均有所扩张:CC_(E)多发生在流域中部与东南部,CC_(L)在流域上、中、下游均有发生,CC_(P)多发生在双流西部、南部与仁寿县,CC_(C)多发生在汶川县、蒲江县、井研县等地;③岷江上游具有高CC_(E)、低CC_(L)和CC_(P)的原因应归结于受到了地势地貌条件与社会经济水平所带来的双重影响,而成都主城区在社会经济高质量发展的推动下取得了突出水平的CC_(L),CC_(P)和CC_(C)并得以长期稳定保持。[结论]岷江流域在自然本底条件和社会经济水平方面存在巨大的区域差异,造成各地区承载力水平不一,阻碍实现地区间协调均衡发展。坚持推进高质量发展,调动省会成都的溢出效应与辐射作用,有利于提升承载力等级,缩小地区差距,带动流域整体协同发展。

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。

统筹城乡视域下农户土地利用意识多尺度认知研究

农户作为农村经济发展的微观行为主体,其土地行为决策受制于农户对环境与政策的认知,而这一响应程度不仅关系到农户土地利用行为的合理性与有效性,还直接影响着相关惠农政策的落实程度与实施绩效。农户土地利用意识源于土地意识但不同于土地意识,是农户在特定时空条件下,不断认知、熟知到适应政策、协调传统继承和现实模仿冲突,开展土地利用时的心理思考;农户土地利用意识调整与改变是一个渐进而非突变过程,是农户自身条件变化、内在利益驱动、外在环境刺激间相互博弈,农户对土地产品和服务需求的自我更新与累积;基于田块、农户、村尺度构建多尺度融合推拉动力模型能实现对农户土地利用意识调整与改变的内外诱因识别,为政策绩效评价和土地利用变化(LUC)研究提供了新的视角。