基于开关周期平均模型的PWM变流器的改进型SVPWM控制

建立了PWM变流器在整流状态和逆变状态下的平均空间状态数学模型,以及在同步旋转坐标下的数学模型;给出了改进型SVPWM控制策略的实现原理,相比较于传统SVPWM控制策略,改进型SVPWM控制策略可以减小开关损耗,提高系统效率。最后给出了系统在仿真软件中实现的波形。可以看出,本文给出的数学模型和SVPWM控制策略是正确的,而且对其它与此相关的主电路拓扑结构也有一定的参考价值。

一种用于DM的改进型BN模型生成算法

文章给出一种用于ＤＭ的改进型ＢＮ模型生成算法。它以基于约束的算法来学习ＢＮ结构，而用基于记分的算法来学习给定结构的参数。二者结合能更有效地生成ＢＮ模型。文中给出了相应的实验及在ＤＭ中的应用实例。

基于田间试验的土壤水分运动模型选择

基于不同形式Richards方程可建立不同适用范围和计算精度的数值模型,针对具体情况下如何选择合适模型的问题,以武汉大学农田水利试验场田间入渗试验为例,选用6种模型(Picard-h模型、Picard-θ模型、Picard-mix模型、Ross模型、动力波模型和水均衡模型),运用贝叶斯模型平均(BMA)方法进行了模型选择的计算;针对BMA方法无法考虑模型计算效率的缺点,进一步提出了可同时考虑模型计算精度与计算效率的改进BMA方法。计算结果表明,在本田间尺度问题中,Ross模型排序最高,说明其兼具高精度与高效率,改进BMA方法可增加高计算效率模型被选中的概率,使模型选择更加全面合理。

基于校准窗口集成与耦合市场特征的可解释双层日前电价预测

随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。

基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究

目的利用贝叶斯(Bayes)判别分析方法探讨河北省流行性乙型脑炎(乙脑)发生与蚊密度时间序列预测模型的关系,验证差分自回归移动平均(ARIMA)模型在病媒生物监测信息管理系统中对蚊密度的预测及关联乙脑病例的预警作用。方法收集河北省2009-2016年乙脑报告病例资料和蚊密度监测资料进行统计分析,采用ARIMA模型进行建模拟合及预测分析;利用Bayes判别分析论证蚊密度预测模型与乙脑的关系。结果通过ARIMA模型对总蚊密度进行拟合得出最优模型ARIMA(0,1,1)×(0,1,1)12;2009-2016年河北省总蚊密度与乙脑呈正相关(r=0.101,P=0.043);将Bayes判别分析用于河北省总蚊密度时间序列模型预测值判别2个月后的乙脑发病情况,与实际乙脑发生情况比较符合率为0.631 6,总蚊密度监测值与ARIMA模型的预测值对密度高峰后2个月的乙脑发病状况Bayes判别结果符合率为100%。结论 Bayes判别分析可应用于河北省总蚊密度时间序列模型预测值对乙脑疫情的预警,通过建立模型对蚊密度预测,可以利用病媒生物监测信息管理系统蚊虫监测数据对蚊媒传染病的防控工作提供预警支撑。

基于改进型贝叶斯分类器预测原子核电荷半径

近年来,机器学习方法(如神经网络、高斯过程等)被广泛用于描述原子核性质.本文基于改进型贝叶斯分类器(iNBP)方法,研究原子核电荷半径R_(C).已有的理论模型给出了电荷半径的全局变化规律,通过iNBP方法,分析数据集中R_(C)的理论结果和实验值的差异,对核结构模型的计算结果进行有效的修正.通过进一步讨论iNBP方法的全局优化能力和外推能力,表明iNBP方法能够用来预测未知原子核的电荷半径.

地区经济发展不平衡的演变轨迹与影响效应

文章以地区经济发展不平衡的组合测度方法设计为基础,从全国、南北、三大地区和省域共4个层面探究了1990—2019年我国地区经济发展不平衡的演化特征与影响因素,并对接下来5年地区经济发展不平衡的走势进行了预测。研究发现:第一,绝对离差、泰尔指数与阿特金森指数的组合测度结果表明,全国和南北地区经济发展不平衡程度均呈现“倒U”型变化特征;第二,地区经济发展不平衡影响因素的区域分异特征明显,教育水平和生产资料对东部地区不平衡的调节作用最强,政府干预、生产资料、技术进步和产业结构变迁对西部地区经济发展不平衡的影响效应最大,而西部地区经济发展不平衡受到技术进步和对外开放的逆冲击效应最为显著;第三,地区经济发展不平衡程度不仅存在很强的时间依赖特性,而且表现出一定的周期性演变特征,面板向量自回归(PVAR)模型的预测结果表明,2016—2024年地区经济发展不平衡可能存在“倒U”型变化趋势,这也证实了政府干预过度会扩大地区差异、生产资料流动性加强与对外开放力度加大有助于缩小地区经济发展不平衡的结论。

配电网设备资产运检成本影响因素评价分析

目前,配电网运维检修成本结构模糊、管理相对粗放,易造成地区配置失衡,设备资产运维检修的薄弱环节无法得到合理加强。为此,提出了一种基于贝叶斯平均模型(Bayes model averaging,BMA)-改进灰色关联法的配电网设备资产运检成本影响因素评价分析方法,从经济因素、设备因素、环境因素和网络结构等方面解析影响运检成本的潜在影响因素,基于BMA方法进行关键变量筛选,并采用改进反熵-灰色关联分析法对影响因素的关联度进行量化分析,找到影响配电网运检成本的薄弱环节。以实际供电区域为例,筛选出影响配电网设备资产运检成本的9项关键因素,得到该供电区域的综合评分和建设薄弱项,并结合区域发展的具体情况,验证了该方法的有效性和合理性。

ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析

本文运用2012年5—9月欧洲中期天气预报中心(ECMWF)的集合预报系统(Ensemble Prediction System,EPS)和确定性模式(High-resolution Deterministic forecast,HDet)资料对比分析了淮河流域暴雨的预报效果。对于集合预报,主要对比了基于EPS的日降水量极端天气预报指数(Extreme Forecast Index,EFI),和改进的贝叶斯模型平均(Modified Bayesian Model Averaging,MBMA)法对降水的订正后概率。由于ROC(Relative Operating Characteristic)检验是与模式的系统性偏差无关的,所以选用ROC检验,对比了不同空报率下的TS评分,以及不同方法的相对经济价值。对比检验的结果显示,各时效预报MBMA预报效果最好,其次是HDet,EFI的预报效果最差,其中2 d内的预报HDet接近MBMA,随着预报时效的延长,MBMA相对于HDet和EFI的优势不断增强。在不同标准下确定三种方法对淮河流域暴雨预报的阈值,结果显示MBMA同样优于HDet,EFI预报效果最差。但MBMA的优势是通过增加预报偏差得到,如果将预报偏差限定为主观预报的1.37,此时MBMA的效果和HDet的效果接近。

集合CMIP6多气候模式的南水北调中线工程水源区径流预估

南水北调中线工程是我国水资源开发利用的国策,评估气候变化下南水北调中线工程水源区的径流响应对调水工程的可靠运行具有重要意义。为此,采用第六次耦合模式比较计划中5个气候模式模拟的3种共享社会经济路径情景下(SSP 1-2.6、SSP 2-4.5、SSP 5-8.5)2021~2100年的气候数据,经贝叶斯模型平均法集合后驱动栅格型新安江模型,预估南水北调中线工程水源区未来径流的演变情势。结果表明,多模式集合后基准期(1961~2000年)月降水、气温模拟精度高于各气候模式;栅格型新安江模型在研究区具有较好的适用性;未来3种SSP情景下水源区各分区年径流深总体高于基准期,2021~2060年期间径流增幅小于2061~2100年。未来水源区的径流增幅低于调水规模的增幅,可能会给调水工程的高效运行带来挑战。

多重不确定性下基于LMDI的城市工业碳排放量影响因素分析及预测:以苏州市为例

在“双碳”背景下,准确计算碳排放量、分析碳排放结构并综合预测未来产业能源碳排放的走势,是科学制定城市产业发展与规划政策的基础。在经典Kaya恒等式的基础上,考虑产业结构、能源消费结构及外来电比例的影响,重构了Kaya恒等式,基于对数平均迪氏指数法(LMDI)对碳排放量影响因素进行分解。基于箱型不确定集,对各影响因素的不确定性进行建模,建立了改进的可拓展的随机性环境影响评估(STIRPAT)模型,通过求解基于不确定集的优化模型方式构建了碳排放量预测方法。最后以苏州市规模以上工业为例,对该方法进行了验证并提出了相应的政策建议。

政策工具是否能有效改善水环境质量

本研究以2008-2019年30个省际面板数据为样本,运用贝叶斯模型平均法(BMA)研究发现:控制型、市场型、自愿型三类政策工具均有效改进了水环境质量,但不同类型的政策工具在控制水污染排放时所发挥的作用存在明显差异。加大环保部门的投人和执法强度对抑制水污染排放的作用最为显著。

基于自然语言处理和机器学习的疑似土壤污染企业识别

针对污染场地识别的精准性不高、科学性不足、全面性不够和数据共享难度大等问题,以南方某地级市为研究区,借助大数据平台,基于自然语言处理和机器学习,通过引入摘要中热词权重构建改进型朴素贝叶斯模型,并对兴趣点(POI)数据进行中类行业预测和污染企业识别。结果表明,与随机森林算法和XGBoost算法相比,朴素贝叶斯算法的性能最佳;企业名称+经营范围构建有语义词汇库后,朴素贝叶斯算法的准确率、召回率和综合评价指标(F1)值得到大幅提升,分别提高了0.23、0.23和0.23;采用权重1.27和平滑参数α为1.10后,建立了改进型朴素贝叶斯模型,实现了行业类别预测,相应的准确率、召回率和F1值分别为0.63、0.62和0.63;识别出研究区中26个疑似土壤污染行业有关1 774家企业。改进型朴素贝叶斯模型能够有效地预测疑似土壤污染企业,具有较好的准确率与召回率,能够为场地污染识别与风险管控实践提供理论依据和设计参数。