基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

为了快速准确高效地预测短期电力负荷,提出了一种带扩展记忆的粒子群优化技术(PSOEM)和支持向量回归(SVR)相结合,以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用它来优化组合核函数SVR参数,减少了SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性,平均绝对误差控制在1%以内。

带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用

针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。

基于扩展记忆粒子群优化支持向量机的汽轮机故障诊断

为了提高汽轮机故障诊断正确率,提出了一种基于EMPSO-SVM的汽轮机故障诊断方法。采用扩展记忆系数对PSO算法进行改进,以提高PSO算法的优化性能,采用扩展记忆粒子群算法对支持向量机进行优化,建立了基于EMPSO-SVM的汽轮机故障诊断模型。采用实际算例进行仿真分析,结果表明,EMPSO-SVM模型诊断结果的正确率高达95%,相比PSO-SVM模型正确率提高了7.5%,验证了模型的正确性和实用性。

扩展记忆优化人工鱼群算法在光伏系统MPPT的仿真研究

针对不均匀光照下,光伏发电系统中的光伏阵列输出功率曲线呈现多峰特性,传统光伏阵列最大功率点跟踪(MPPT)监控算法易陷入局部最优解误区,提出一种扩展记忆优化人工鱼群算法(EP-FSA)。该算法在标准鱼群算法上引入速度参数和记忆行为,既保证鱼群算法的全局搜索能力,又增加了记忆算法的快速收敛性,快速得出全局最优解。仿真分析证明,扩展记忆优化人工鱼群算法较持续扰动法和标准人工鱼群算法具有更快的收敛速度和更强的全局搜索性能。

带扩展记忆的粒子群优化算法仿真分析

从心理学的角度提出带扩展记忆的粒子群优化算法(PSOEM),以克服标准粒子群优化算法(PSO)在优化多维函数过程中粒子搜索方向性差、目的性弱的缺陷.采用扩展记忆存储粒子的历史信息,并引入参数表征扩展记忆的重要性.利用经典离散控制理论分析其定值算法的稳定范围.此算法与标准算法是同源异构的,可以与已改进的PSO算法结合使用.基准测试函数的仿真结果验证了所提出算法的有效性.

一种深度扩展记忆的仿人粒子群算法仿真分析

从仿生学和心理学角度出发,提出一种深度扩展记忆的仿人粒子群算法,以解决标准粒子群及其主流改进算法易陷入局部最优等问题.算法对粒子认知进行群体共享,并采用深度扩展记忆积累粒子认知,通过仿人遗忘函数配置不同时期认知对当前决策的影响权重.仿真分析表明,所提出算法对遗忘函数和遗忘因子高度敏感,算法寻优多维多极值函数时,在收敛精度、成功率和优化成本等方面较标准粒子群及其改进算法有显著提升.

基于分数阶差分模型的记忆性扩展方法

由小波变换的去相关性,给出了分数阶差分(FD)模型下小波变换系数协方差矩阵的一种近似计算方法,并由此构造了一种具有扩展记忆功能的矩阵变换,它可以将一个无记忆的、独立同分布的随机序列转化为具有指定记忆特性的随机过程样本,由此实现对随机序列记忆性的扩展。通过对实际构造序列进行模型比较和参数估计证实,基于FD模型的记忆性扩展方法在统计意义上是正确的、有效的。

扩展式记忆英语词汇教学方法浅析

本文主要论述联想图式法、猜词造句及表演、新单词组合编故事、单词类别归纳等四种扩展式方法在教学上的运用。

英语词汇扩展式记忆教学方法研究

本文针对多年以来学生在记忆单词难的问题,根据个人的教学经验,提出教师应该如何正确引导学生走出记忆单词的误区,多角度多方位地记忆单词。本人认为单词的记忆与扩展应从词的归类、词的联想、遣词造句、语篇及语境中归纳与总结,要系统地将机械地、孤立地、单一化地记忆单词转化成有效的、整体的扩展式记忆,本文以高一英语课本教学为例,主要论述联想图式法、猜词造句及表演、新单词组合编故事、单词类别归纳等四种扩展式方法在教学上的运用。

中西汇通学习内科的两种记忆方法

研究中西汇通者古今有之,然中、西医本属不同的理论体系,虽最终目的均为治病救人,但言其汇通者甚难。笔者从临床实践过程中略悟出中西医二者之间存在的内在规律,寻找出两者之间的某些结合点,并用各自的理论,将其延伸扩展。本文选用串联、扩展两种记忆法,使中、西医之间能汇通记忆,其效果相得益彰。文中选用常见的呼吸系统疾病为例,意在举一反三,抛砖引玉。

论记忆英语词汇的有用规律及效率

在英语教学中,词汇在语言应用中的中心地位是劳力费心教师们一个挥之不去的心结。记忆英语单词是一项既艰辛而又重要的学习步骤之一,但只要我们找出其自身内在规律,再认真掌握单词的词素、词根、词缀等构词法记忆单词就不完全是一件苦差事了,它不仅是学好英语无法替代的基本方式方法而且也是最坚实的基础。尽管记忆的方法有多种多样,我们可以综合用之,多方攻之。力求高效,事半功倍,摸索出更好、更快的学习路子,在尽可能短的时间内记住一定的词汇量更兼运用,那么我们学会英语的速度就能得到提高、加快,何乐而不为呢?

噪声方差未知情况下多传感器航迹融合

在多传感器信息融合中,已有的航迹融合算法都是在噪声方差已知情况下基于最优的卡尔曼滤波算法的,而实际应用中噪声方差往往是未知的.针对上述问题,基于扩展记忆因子递推最小平方(EFRLS)估计的滤波方程,研究了噪声方差未知情况下集中式、分布式、混合式多传感器航迹融合方法.并对三种航迹融合算法的跟踪性能和卡尔曼滤波融合算法的性能进行了仿真比较.由于多级式多传感器的航迹融合方法可由本文的方法直接推广,所以只需研究两级的情况就可.

基于PSOEM和神经网络的光伏电站功率预测

分析光伏发电输出功率预测的影响因素,确定了基于BP神经网络的功率预测模型,针对BP神经网络本身易陷入局部极值、收敛速度慢等问题,采用粒子群优化算法(PSO)和带扩展记忆粒子群优化算法(PSOEM)这2种群智能算法来优化BP神经网络的初始值和阈值,分别建立了基于PSOBP神经网络和基于PSOEM-BP神经网络的光伏电站输出功率预测模型。根据某光伏电站2月1日—6月30日的光伏发电历史数据,利用所提3种模型对光伏发电系统进行了功率预测。误差对比结果表明,基于PSOEM-BP神经网络的功率预测精度明显高于基于PSO-BP神经网络的功率预测精度,故采用PSOEM优化后BP神经网络模型进行光伏功率预测,具有一定的理论和实用价值。

输电线路PSOEM-LSSVM覆冰预测模型

针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测。该方法在传统粒子群算法中引入扩展记忆因子,使粒子具有更强的搜索能力,从而加快收敛速度,提高预测精度。最后,采用实际线路覆冰数据对预测模型进行精度检验,结果表明,基于PSOEM-LSSVM预测模型的平均相对误差均小于3%,与其他模型相比,预测效果最好。

基于PSOEM优化LSSVM的接地网腐蚀预测研究

通过腐蚀试验获得60组110 kV变电站土壤成分数据及相应的金属片腐蚀速率,对60组样本数据进行灰色关联分析,结果表明Cl-含量、pH值、含水量和含盐量是接地网腐蚀的主要原因,并以此作为接地网腐蚀预测模型选择支持向量的依据。为提高最小二乘支持向量机模型的预测精度,采用扩展记忆粒子群算法对最小二乘支持向量机的惩罚因子和核函数参数进行寻优,建立基于PSOEM优化LSSVM的接地网腐蚀预测模型。应用试验数据进行仿真分析,结果表明,PSOEM-LSSVM模型在训练拟合和外推预测方面效果更好。

多传感器噪声方差未知情况下的异步航迹融合

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。现有的多传感器信息融合算法大都基于Kalman滤波器,要求噪声方差已知,并且假定各传感器同步采样,不考虑通信延迟。本文在分布式处理的模式下,基于各传感器在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。仿真实验结果表明,这种融合算法是有效的,算法接近集中式融合算法的精度。

一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法.该融合算法在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计.仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法.

未知地震激励下结构恢复力及质量非参数化识别

地震作用过程中结构恢复力是描述结构损伤发生发展过程定量描述的基础,更有助于描述结构在地震中破坏模式的演化。该文研究地震激励下结构部分质量及动力响应信息未知时,结构非线性恢复力、质量以及未知加速度时程的非参数化识别方法。首先,根据部分已知动力响应测量和质量信息,识别地震加速度时程。随后,利用记忆衰退全局加权迭代扩展卡尔曼滤波算法,引入幂级数多项式表征结构恢复力,实现了结构质量与非线性恢复力的非参数化识别。将具有非线性恢复力的磁流变阻尼器中引入到一个剪切型多自由度结构构成非线性系统,考虑测量噪声的影响,通过数值模拟验证了在噪声及较大质量初始误差情况下该方法识别结构质量、非线性恢复力及地震动加速度时程的识别效果。

基于相空间重构和LSSVM的短期风速预测

为了提高短期风速预测精度,提出了一种基于最小二乘支持向量机的短期风速预测方法。首先采用复自相关法和互信息法计算延迟时间,采用伪最邻近点法和Cao式法计算嵌入维数,使延迟时间和嵌入维数取值更合理。其次运用小数据量法计算混沌时间序列的最大Lyapunov指数,G-P算法计算时间序列的关联维数,用以证明风速序列为混沌时间序列并确定支持向量。然后采用扩展记忆粒子群对最小二乘支持向量机的惩罚参数和核函数参数进行优化,建立PSOEM-LSSVM的短期风速预测模型。最后与其他几种风速预测模型对比,仿真结果表明PSOEM-LSSVM预测模型可加快收敛速度,提高计算精度,验证了提出的短期风速预测方法的正确性和实用性。

高三词汇复习之三步曲

本文就高三阶段英语词汇复习的有效性进行探讨，重在词汇学习的方法和应用，旨在帮助学生找到适合自己的词汇复习的方法。