双气隙介质阻挡放电中3种C_(4v)对称性的斑图及其时空相关性

斑图是气体放电系统中规律性的结构,一般通过放电丝之间一系列复杂的相互作用形成.本文采用双气隙氩气介质阻挡放电装置,获得了有C_(4v)对称性的暗点斑图、米字形斑图和井字形斑图.利用电学和光学手段对斑图的放电特性进行了表征,并研究了其时空相关性.结果表明,暗点斑图是由中心暗点、亮环、外围的小暗点和均匀放电区域组成.米字形斑图和井字形斑图是由中间亮点、边上亮点、对角顶点、竖线和斜线5种不同的瞬态亚晶格组成.这些研究结果对于介质阻挡放电产生的斑图的深入研究具有一定的参考价值,而且有助于理解其他领域的复杂斑图.

时空相关性融合表征的知识追踪模型

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的作用。为了解决上述问题,提出了时空相关性融合表征的知识追踪模型。首先,以知识点之间的时间相关程度为基础,建模历史知识点对当前知识点的时间作用;其次,利用图注意力网络建模习题所包含的若干知识点之间的空间作用,得到蕴涵了时空信息的知识点表示;最后,利用上述知识点的表示推导出习题的表示,通过自注意力机制得到当前的知识状态。在实验阶段,与五种相关知识追踪模型在四个真实数据集上进行性能对比,结果表明提出的模型在性能方面有更出色的表现。特别地,在ASSISTments2017数据集中所提模型比五个对比模型在AUC、ACC方面分别提升了1.7%~7.7%和7.3%~2.1%;消融实验证明了建模知识点之间时空相关影响的有效性,训练过程实验表明了提出的模型在知识点的表示及其相互作用关系的建模等方面具有一定的优势,应用实例也可看出该模型优于其他知识追踪模型的实际结果。

基于改进Pair-Copula方法的多风电场风速时空相关性建模

传统Pair-Copula方法采用藤结构表示风电场风速之间的相依结构,能充分计及风电场风速之间的空间相关性,但缺乏风速时间尺度上相关性的考虑。针对此问题,文章提出了一种基于改进Pair-Copula的风速建模方法。该方法首先将藤结构中风电场风速的Copula联合分布函数样本点所包含的自相关信息转移至抽样模拟的随机数中,以此体现风电场风速数据在时间序列上的波动规律性。然后,采用分布更均匀的Sobol序列随机数代替普通随机数进行抽样,以提高风速概率特性模拟的准确性。最后,以位于美国东部的多个相邻风电场实测风速数据为例进行算例分析,算例结果验证了所提风电场风速建模方法的有效性。

猪肉价格的时空相关性与影响因素分析

我国是猪肉生产和消费大国,猪肉是关系国计民生的重要农产品之一。近年来尤其是非洲猪瘟后猪肉价格的上涨对居民生活消费与宏观经济政策产生了极大影响。文章基于2013-2022年中国30个省份的面板年度数据,运用固定效应回归模型对猪肉价格的影响因素进行分析,并根据莫兰指数对30个省份猪肉价格的空间自相关性进行考察。研究发现:(1)鸡肉、仔猪价格与猪肉价格呈显著正相关,当期牛肉、猪饲料价格与后一期猪肉价格呈显著正相关;(2)猪瘟后的牛肉、玉米价格对猪肉价格的影响显著提升,而豆粕、猪饲料价格对猪肉价格影响力减弱;(3)全国的猪肉价格呈现出正空间关联特征,猪瘟和新冠疫情对西北地区猪肉价格的空间关联性造成了较大影响。基于上述结论,提出完善猪肉价格动态监测预警系统等政策建议。

考虑时空相关性的大坝渗压组合深度学习预测模型

针对现有大坝渗压组合预测研究大多仅基于单一测点进行建模,忽略了大坝渗压多测点测值的时空相关性,且大多采用线性组合策略,存在难以捕捉子模型间的非线性特征等问题,提出一种考虑时空相关性的大坝渗压组合深度学习预测模型。首先,采用K近邻(KNN)优化密度峰值聚类(DPC)算法的局部密度函数,以实现渗压时序时空相关特征的提取与自适应聚类;其次,在采用小波分解(WD)对渗压时序进行多尺度细化的基础上,利用小波神经网络(WNN)捕获渗压时序数据的高频细节特征,并基于双向长短期记忆网络(BiLSTM)建立渗压时序数据的低频趋势特征与时空特征、外界环境影响因子之间的高度非线性映射模型;进一步,基于长短期记忆网络(LSTM)对高、低频特征序列的预测结果进行非线性组合,以捕捉子模型之间的非线性特征。工程案例分析结果表明,相比于未考虑时空相关性的单点预测模型和采用线性组合策略的时空预测模型,所提模型的预测精度分别提高了75.7%和41.4%,验证了所提模型的有效性,为大坝渗流安全监控提供了新思路。

计及恶劣天气时空相关性的弹性配电网储能电站多层规划方法

针对恶劣天气下配电网应对极端事故的系统弹性提升问题,提出了计及复合自然灾害时空相关性的配电网储能电站多层规划方法。首先建立了恶劣天气下考虑暴雨强度与风速相关性的联合灾害强度概率分布模型,通过对复合灾害强度分布特征与配电网元件运行风险之间的多维时空相关性分析,构建了计及复合自然灾害时空相关性的配电网故障风险模型。其次提出了复合灾害天气下提升配电网运行弹性的储能电站多层规划策略,构建了考虑灾害时空分布特征的储能配置-风险建模-配网调度的储能电站规划模型架构,并基于Benders分解将其转化为三层混合整数非线性规划问题进行高效求解。通过典型配电网的仿真测试和对比分析可知,所提方法能够有效提升恶劣天气下配电网应对故障风险的运行弹性和恢复能力,保障灾害事件下配网重要负荷的可靠供电。

融合出发地与目的地时空相关性的城市区域间出租车需求预测

精准预测城市区域之间的出租车需求量,可以为出租车的引导和调度以及乘客的出行推荐提供决策支持信息,从而优化出租车的供需关系。然而现有模型大多以区域内的出租车需求量为建模和预测对象,对区域之间的时空相关性考虑不足,且较少关注区域之间更细粒度的需求量预测。针对上述问题,提出一种面向城市区域间出租车需求量的预测模型——出发地—目的地融合时空网络(ODSTN)模型。该模型分别从区域和区域对两个空间维度以及临近、日、周三个时间维度出发,采用图卷积和时间注意力机制来捕获区域之间的复杂时空相关性,并设计了一种新的路径感知融合机制来对多角度的特征进行融合,最终实现了对城市区域间出租车需求量的预测。在成都和曼哈顿地区两个真实出租车订单数据集中进行了实验,结果表明ODSTN模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.8971、3.5274、50.6556%和0.5896、1.1638、61.0794%。可见,ODSTN模型在出租车需求预测任务上具有较高的准确性。

考虑风电时空相关性的电气互联系统分布式优化调度

风电具有的波动性及间歇性给电气互联系统的优化运行带来了随机性问题,增大了电气互联系统运行管理的难度。首先,应用基于预测箱的场景生成方法得到典型风电场景,对风电的波动性与多风电场间的相关性进行表征。其次,建立考虑配电网、天然气网络及各种耦合元件的电气互联系统日前经济调度模型,并基于ADMM(交替方向乘子法)进行分布式求解。最后,以IEEE 33节点配电网和7节点天然气网组成的电气互联系统为例,验证了所提模型的有效性。

考虑时空相关的交通事故热点道路识别方法

目前交通事故热点道路分析多以交通事故为研究对象,较少考虑交通事故-道路的时空相关性,影响方法的实用性。针对上述问题,从交通设施管理部门角度出发,以道路为研究对象,给出交通事故-道路时空相关的定义,提出交通事故空间聚合算法,构建交通事故时空立方体,并进行线模式的热点道路分析。验证结果表明,该方法可直接发现交通事故热点道路,分析结果更为精细和准确,提升了交通事故高发道路识别的实用性。

利用时空相关性的海岛长期风速序列估计方法

丰富的历史风速数据是开展海岛微电网规划工作的前提。为此,针对待规划海岛无历史风速数据的问题,提出了一种利用周边海岛风速时空相关性估计目标海岛长期风速序列的方法。首先,结合滑动窗和云模型,自适应划分周边海岛风速序列的时序区间;其次,根据各时序区间内风速云模型数字特征的余弦相似度,匹配周边海岛各分段风速序列间的相似性转移关系(similarity transfer relationship,STR);最后,考虑STR与海岛空间位置关系,以权重表示各STR对目标海岛风速序列估计的影响,进而依据各STR及其权重估计目标海岛的长期风速序列。研究结果表明:相较于利用皮尔逊相关系数(Pearson correlation coefficient,PCC)计算各天风速序列间的相关性,进而估计海岛长期风速序列的方法,使用所提方法得到的估计结果与实际序列间的平均绝对误差、均方根误差和PCC分别约改善了7.31%、17.98%和0.46%,所提方法能够实现较高准确度的海岛长期风速序列估计。论文研究可为历史风速数据缺失情况下开展海岛风速预测工作提供参考。

基于ST-ACF与MALST-ACF模型的城市道路时空相关性研究

交通流时空特征的识别对交通拥堵的疏导决策具有重要意义。文章根据城市道路网络的交通流特性,分别从全局和局部研究城市交通拥堵在时间维度和空间维度的变化特征,引入空间延迟算子,提出了基于多元邻接关系的时空相关性度量方法。首先,文章分析了道路网络交通流的时空特性,建立了适用于城市道路网络的空间邻接矩阵;其次,基于ST-ACF函数(Spatio-temporal autocorrelation function)计算全局路段相关程度、基于改进后的MALST-ACF函数(Multivariate adjacent local spatiotemporal correlation function)计算局部路段相关程度;最后,结合唐山市24条路段的交通流量数据验证了路网间存在显著时空相关性,并且这种时空相关性具有时间动态、空间异质等特点。

基于时空相关性的交通物联网缺失数据填补算法

针对交通物联网中传感数据存在缺失问题,根据交通领域传感器空间布局具有线性分布的特征,以及感知数据在时间上的广义随机平稳特性,提出基于时空相关性的LIN_BP数据填补算法。当缺失数据个数为1时,利用空间相关性创建BP神经网络模型进行数据估计。当缺失数据为多个时,首先,基于时域平稳性建立线性插值(Linear Interpolation,LIN)模型;随后将LIN模型的估计值与已知数据输入到BP神经网络模型,得到基于时空相关性的LIN_BP模型的估计数据。为了验证模型的有效性,对高速公路多个检测点的交通流量真实数据进行实验分析。实验结果表明,相比只使用单一属性的模型本算法的估计误差小、准确度更高、填补效果更好。

时空相关路面不平度时域模型仿真研究

路面不平度时域模型对现代汽车理论研究意义重要。应用谐波叠加法建立单轮路面不平度输入模型,提出两种不同轮辙路面空间相关模型,并结合同轮辙路面不平度输入时间延迟关系,将单轮模型拓展为四轮路面不平度时域模型。仿真分析显示,该两种方法建立的路面不平度模型,其功率谱与理论功率谱基本吻合,异轮辙输入相干函数符合理论规律。与其它方法相比,该模型建模效率高。

洪泽湖水质的时空相关性分析

时空相关性分析方法在生态环境空间分异性以及湖泊湿地自然保护区建设等方面的研究上 ,具有重要的应用价值 .将湖泊水质监测数据与空间数据结合 ,建立了具有时空特征的洪泽湖水质数据库 .基于相关系数矩阵 ,利用GIS和Origin等分析软件 ,对洪泽湖水质的时空相关性及其时间和空间分布规律进行了研究 .结果表明 ,洪泽湖水质存在着时空相关性 ,目前这种时空相关性已受到人类活动的强烈干扰 .因此 ,建议洪泽湖湿地自然保护区应该选择在时空间相关性小、具有一定离群性的“岛屿”区域 .

风电功率序列的时空相关性研究

研究风电场功率序列之间的相关性对提高风电功率预测精度具有重要意义。首先提出一种判别风电功率序列是否可以采用线性相关系数进行描述的方法;然后引入多种非线性相关系数,对风电功率序列间的相关性进行全面研究和分析,并在常见的Copula函数中选择最优的Copula函数,基于此对其他非线性相关系数进行统一计算。研究结果表明,风电功率序列之间的相关关系并不适合采用线性相关系数描述;而采用非线性相关系数可较好地描述风电功率序列之间的一致性、不一致性以及尾部变化特征。

潮汐对水质影响的时空相关性分析

时空相关性分析方法在生态环境空间分异性的研究中具有重要的应用价值。将水质监测数据与空间数据相结合,建立了具有时空特征的水质数据库。基于相关系数矩阵,研究了潮汐对镇江内江水质的影响及水质的时空分布规律。结果表明,镇江内江水质存在着时空相关性,目前这种时空相关性已受到人类活动的强烈干扰,使潮水对水质的净化效果大为降低。

太湖水质时空相关性分析

利用2001年太湖12个月25个监测点的实测水质资料,结合太湖监测点的空间地理位置,基于相关系数法,对太湖水质时空相关性及时空分布规律进行了研究,并利用动态聚类分析法将太湖所有监测点进行了聚类分析.结果表明,太湖水质存在很强的时空相关性,月份之间的相关性变化比较明显,可能与太湖水位、水体的流动情况以及入湖排污口污染物排放量有关;动态聚类分析的结果可以直观地了解太湖水质的时空变化规律.

计及风速时空相关性的含风电场电力系统动态随机最优潮流计算

大规模风电场并网,其波动性和间歇性给传统动态最优潮流带来了极大的挑战。同时考虑风速的随机性和时空相关性,建立基于机会约束规划的含风电场电力系统动态随机最优潮流模型。采用基于原对偶解耦内点法的确定性动态最优潮流计算得到最优调度方案,在此调度方案下,基于半不变量法求解计及相关性的动态随机潮流,从而得到状态变量的概率分布,并据此调整机会约束的上下界,迭代计算解得一组满足所有机会约束的最优调度方案。对改进IEEE14节点系统进行仿真,验证了算法的准确性和实用性,并在此基础上分析风速时空相关性和线路随机故障对系统运行特性的影响。

基于时空相关性的自适应运动估计快速算法

针对视频编码中的核心技术运动估计,提出一种基于运动矢量特性的运动估计快速算法。算法分析视频序列运动矢量的特性,对静止块设定自适应阈值直接终止搜索,自适应选择搜索起点。采用2种模式进行搜索,依据当前块与邻近块的空间相关性大小,即局部运动性是高还是低,自适应地选择搜索模式和搜索终止门限。实验结果表明,该算法的搜索速度和搜索精度优于现有的快速运动估计算法,搜索精度非常接近于全搜索法。

基于时空相关性的城市交通路网关键路段识别

关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一.关键路段的识别为交通规划、居民出行等提供了重要的决策支撑,对缓解交通拥堵具有重要的意义.本文对城市路网关键路段的识别进行了研究.首先建立了适用于交通路网的空间邻接矩阵;其次以时空相关函数表达不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为路段重要性的衡量指标,构建了逼近于理想点的路段重要性度量模型,通过排序实现了对关键路段的识别;最后将模型应用于北京市区域路网,结果证明,该方法能够有效地识别路网的关键路段,具有实用性和可行性.