基于多窗宽核密度估计的风电功率超短期自适应概率预测

精准的风电功率预测是保证新型电力系统安稳运行、促进风电消纳的重要手段。针对核密度估计所求分位数在不同置信度下鲁棒性差的问题,提出多窗宽核密度估计方法,根据不同置信度生成不同窗宽的核密度估计值,实现了风电功率的超短期自适应概率预测。首先,结合风电功率曲线和数据驱动模型,建立基于改进双向长短期记忆网络的风电功率超短期确定性预测模型。其次,推导了最优窗宽核密度估计方法,并基于此构建多窗宽核密度估计误差拟合模型,在不同置信度下自适应生成最优窗宽并构建预测区间。最后,基于实际运行数据验证模型的可行性与有效性。结果表明,所提模型可有效提高确定性预测的精度和概率预测的鲁棒性。

基于最适带宽的核密度估计源搜索方法

针对发生放射性物质泄漏事故后的辐射源定位问题,提出一种基于最适带宽计算的核密度估计移动机器人源搜索方法,通过对传统带宽计算方法进行改进从而提高核密度估计的精度。利用搭配传感器模块的移动机器人在环境场中采集少量观测数据,计算出概率密度模型并建立空间场的密度分布图,估计出密度最大的位置设为移动机器人的运动方向,移动机器人在运动的过程中继续采集数据并再次进行核密度估计更新带宽以及场密度分布图,最终实现源定位。在室内环境下利用光源模拟辐射源进行定位实验,实验结果验证了所提出方法的有效性。

基于核密度估计模型优化手术调度的设计与应用

目的针对现有手术患者转运平台转运流程中,手术状态节点变动存在人工操作依赖性和滞后性、手术衔接不高效的问题,改进手术患者转运平台的手术流转流程。方法结合集成蓝牙低能耗技术的智能手环、人员定位系统,运用核密度估计模型估算手术平均时长,从而改进手术患者转运平台的手术流转流程,并对模型的有效性进行验证。结果应用改进的手术转运平台后,首台延迟率、手术衔接时间较改进前下降6.2%、8.0 min,日均麻醉利用率和日间手术利用率较应用前提高了6.9%、6.4%,且差异均有统计学意义(P<0.01)。结论通过应用改进后的手术患者转运平台,手术室手术衔接效率更高,手术调度更加智能化,可有效提高手术室效率。

非视距环境下核密度估计的全球卫星导航系统鲁棒定位方法

非视距(NLOS)传输会引起全球卫星导航系统(GNSS)接收机的伪距测量误差,最终导致定位解出现较大误差,这一问题在城市峡谷等复杂环境下尤为突出。针对该问题,该文提出核密度估计的鲁棒定位方法,其核心思想是在定位解算中引入鲁棒估计来缓解NLOS的影响。考虑到NLOS引起的伪距观测误差偏离高斯分布,所提方法首先利用核密度估计(KDE)方法估计伪距观测误差的概率密度函数,并利用该概率密度函数来构造鲁棒代价函数用于导航解算,从而缓解NLOS引起的定位误差。实验结果表明所提方法在卫星存在NLOS传输时能够较好地减小GNSS的定位误差。

基于核密度估计的起重机应力谱编制方法研究

准确获得起重机金属结构的应力谱是疲劳寿命评估的前提,基于短期实测应力数据样本外推至全寿命周期内应力谱的方法是当前常用的一种方法,针对起重机疲劳寿命评估中常用的基于威布尔分布统计模型外推方法存在的一些不足,文中提出了基于核密度估计的起重机应力谱的外推流程和方法,并以岸边集装箱起重机为研究对象,利用文中给出的流程、方法外推应力循环幅值数据。外推数据统计分析结果显示:基于核密度估计方法生成的数据较好地反映了测试数据的统计特征,与基于威布尔统计模型的外推方法相比,具有不需要进行先验假设、拟合精度高的特点。

基于自适应带宽核密度估计的压气机叶片加工误差统计分析方法

针对压气机叶片的加工误差统计分析建模问题,本文提出了一种自适应带宽的非参数核密度估计方法,实现了压气机叶片加工误差的概率密度建模。首先,基于拇指法则求解固定带宽核密度估计中的固定最优带宽作为起始带宽。然后,在固定最优带宽的基础上引入灵敏因子构建了自适应带宽函数,并通过自适应带宽函数对核密度估计进行调控。在此基础上,以核密度估计的精度均方差(MSE)与灵敏度S为目标函数,采用精英策略遗传算法对灵敏因子进行优化获得最优灵敏因子。进而计算出不同数据样本点对应的最优带宽,使得带宽能够根据数据样本疏密程度进行自适应调整。最后,对134组机械加工叶片的叶型截面的6种叶型误差进行统计建模,并采用交叉检验法验证了自适应带宽核密度估计的泛化性能。实验结果表明该方法的适用性好精度高,且拟合优度均在0.9以上,同时避免了传统固定带宽核密度估计的局部适应性问题。本文所提出的统计分析方法能够准确获得现有工艺能力下压气机叶片加工误差的分布特性,为叶片气动设计优化改进提供了一种有效手段。

基于核密度估计的经验路径模型在西北太平洋虚拟台风构建中的应用

合理评估台风对沿海区域的影响程度与风险对于科学抵御台风灾害而言十分重要,而我国具有详细的台风观测记录至今也仅有60多年的历史,这使得在推算具有一定重现期的极值风速及相应的极值波高和潮位等特征参数时存在局限性,同时台风观测样本量的不足也限制了如深度学习等数据驱动型模型在台风灾害预报中的应用。因此,有必要基于实际台风行进规律构建虚拟台风以克服历史数据量不足的问题。故本文采用基于核密度估计的经验路径模型,在西北太平洋海域构建了18 671场虚拟台风,将虚拟台风的起始与终止位置、发生频数、行进速度和行进方向等参数与实际发生的台风进行统计意义上的对比分析。结果表明,基于本文方法构建的虚拟台风总体上符合西北太平洋历史台风的行进规律。通过这些虚拟台风的构建,可为中国沿海极值波浪和风暴增水研究提供数据量足够且性能可靠的虚拟台风样本数据库。

基于二维高斯核密度估计的有色纤维颜色特征提取方法

为提高基于显微高光谱成像的有色纤维颜色测量的准确性和可重复性,研究了一种基于二维高斯核密度估计的有色纤维颜色特征提取方法。首先通过显微高光谱成像测色系统采集有色纤维的高光谱图像,选择400~700 nm、波段间隔为10 nm的光谱反射率,将其转换为色度值CIE L^(*)a^(*)b^(*),计算纤维区域中的颜色均值与每个像元颜色的色差ΔE_(00),建立色差ΔE_(00)与L^(*)相关联的二维数据;再基于二维高斯核密度估计方法计算像元的密度值,并确立了有色纤维的密度截断阈值估计方法,用于截断舍弃低密度的离散异常像元;最后根据像元的密度值计算加权光谱反射率并转换为相应的色度值。选取有色羊毛纤维进行实证分析,结果表明:影响颜色测量结果准确性和可重复性的离散异常像元主要存在于二维空间密度分布中的“尾部”区域,离散异常像元越多,“尾部”越长,对测量结果影响越严重;相比均值法和明度加权法,本文通过截断舍弃离散异常像元以减小其对测色结果影响的方式,提高了有色羊毛纤维颜色测量的准确性,且测量结果的可重复性最优,在有色羊毛纤维的染配色和混配色预测模型研究中具有实际应用价值。

非参数核密度估计模型预测双酚A的物种敏感度分布规律

双酚A(bisphenol A,BPA)已被证实是内分泌干扰物,可干扰生物体正常的激素功能,对生殖、发育和免疫系统产生不良影响。BPA进入环境后可能会对水生生物和陆地生物造成毒性效应,破坏生态平衡。针对BPA对水生生物的毒性特点,利用Python语言,基于非参数核密度估计模型构建BPA淡水水生生物的敏感度分布曲线,选用4种传统参数模型进行对比,并推导出保护淡水水生生物的BPA水质基准建议值。结果表明,Python构建模型简单高效,相较于传统的参数模型,非参数核密度估计方法在推导BPA的水质基准建议值中更加稳健和精准,其中3种参数模型和非参数核密度估计模型计算得到的雌激素效应毒性的HC 5值分别为4.175、5.096、3.888和1.179μg·L^(-1);其他毒性的HC 5值为7.139、7.452、7.533和5.869μg·L^(-1)。非参数核密度估计的方法能够更好地构建物种敏感度分布曲线,为进一步研究BPA的水质基准和更好地保护淡水水生生物提供了有力支持,同时研究成果以期为我国地表水环境质量标准的制修订做出贡献。

基于核密度估计的电力物联网并发业务计算负荷建模与任务分配策略

在电力物联网背景下大量并发业务给边缘计算终端处理能力带来了挑战。为此,提出了基于核密度估计的电力物联网并发业务计算负荷建模与任务分配策略。基于核密度估计理论建立了并发业务覆盖等级及计算负荷模型,根据业务覆盖等级决策边缘计算终端的资源配置,以最小化处理延时为目标决策云边协同的任务分配,以电动汽车有序充电业务为例进行仿真分析。结果表明,所提模型和方法能提升系统整体计算资源使用效率、降低业务延时,提高电力物联网应对并发业务处理需求的能力。

基于变分模态分解的弹性参数核密度估计方法

概率密度建模是地震随机模拟中至关重要的环节,而弹性参数高频成分的概率密度估计决定了高分辨率地震随机模拟结果的精度。针对常规方法中弹性参数高频成分提取精度不足、概率密度建模先验条件过度约束以及弹性参数的概率密度建模分层设计等问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)的弹性参数核密度估计方法。该方法首先采用VMD对测井弹性参数数据进行模态分解,筛选出本征模态函数(intrinsic mode function,IMF)中的高频项叠加得到测井弹性参数的高频成分;然后使用核密度估计分层计算得到高频成分的概率密度模型,并通过该模型进行随机抽样生成随机高频成分叠加至井旁地震数据上以达到丰富地震弹性参数数据高频内容的目的。珠江口盆地34号井区的实验结果显示,VMD有效分离出了中心频率在70 Hz以上的测井弹性参数高频成分,分层设计的核密度估计方法凸显了高频成分的统计规律,叠加随机高频成分后地震弹性参数70 Hz以上的高频成分得到了明显补充。该方法为地震高分辨率随机模拟提供了新的思路。

协同CPU和GPU的核密度估计及其可视化算法

大数据时代背景下,空间数据点规模越来越大,图像分辨率越来越高,使用CPU计算核密度估计结果并对其可视化的效率越来越低,难以满足应用对实时性的需求。针对该问题,提出了一种协同CPU和GPU的核密度估计及其可视化算法,该算法结合CPU的控制能力、GPU的并行计算能力以及OpenGL中的核心模式,并借助显存映射,同时优化了核密度估计的计算和可视化2方面。实验结果表明,相较于CPU并行和串行算法,该算法的执行效率分别提高了约5倍和20倍,且随着图像分辨率的提高,加速比呈现逐步上升的趋势。

基于核密度估计的福州市POI与夜光数据空间耦合分析

POI和夜光数据能直观表达社会经济要素的空间分布特征,但将两者进行空间耦合来分析城市空间结构的研究较为缺乏。本研究利用2022年福州的POI和夜光数据,基于不同带宽和数据变换方法下的POI核密度的空间自相关性、标准差及与夜光数据的相关性来获取用于空间耦合分析的POI与夜光数据源,空间耦合后比较两类数据表征城市内部空间结构特征的差异。结果表明:1)核密度带宽设置为2000 m时,对数变换的POI核密度的Moran's I、标准差和与夜光数据的相关性达到综合最优。2)POI和夜光亮度在主城区和县区中心密集分布,高值区的特征值/面积比达到3∶1,福州高度发展区域体现出一中心、多点位的空间分布特征。3)POI与夜光数据空间耦合一致性区域占81.78%,且该区域内POI数据对空间结构特征的表达优于夜光数据。4)POI数据比夜光数据更适用于反映福州西部和北部的边缘乡村和发展中心辐射区域的空间结构特征,夜光数据则比POI数据更适用于福州东部的生态区和商业区的空间特征表达。研究结果得到了POI和夜光数据在各类空间耦合区域的适用性,可为城市空间结构特征的高精度表达提供参考。

基于改进的聚类和核密度估计的分布鲁棒均值-CVaR投资组合优化

在金融市场中,如何构建最优投资组合来平衡风险和回报是当今研究者所面临的主要问题之一。为了构建最优投资组合,研究者们通常使用的是VaR或CVaR模型。本研究通过综合运用聚类、核密度估计以及分布鲁棒均值-CVaR模型的方法,从而达到提升股票投资组合的构建和风险管理能力的目的。本文考虑了包含100只股票日收益数据的实验数据集,通过优化聚类方法,利用核密度估计确定了K-means算法的最佳聚类中心和k值选取。随后,将聚类后的数据输入核密度估计的分布鲁棒均值-CVaR模型中进行分析。通过窗口滚动实验,比较了在有无聚类条件下模型对投资组合收益率的影响。结果显示,应用聚类方法后的模型具有更高的投资组合收益率,有助于投资者更好地平衡风险与回报,构建最优的投资组合。In financial markets, how to construct an optimal investment portfolio that balances risk and return is one of the main challenges faced by researchers today. To build an optimal portfolio, researchers typically use VaR or CVaR models. This study aims to enhance the construction of stock portfolios and risk management capabilities by comprehensively utilizing methods such as clustering, kernel density estimation, and distributionally robust mean-CVaR models. The paper utilized an experimental dataset containing daily returns of 100 stocks. By optimizing clustering methods and determining the optimal clustering centers and k values of the K-means algorithm using kernel density estimation, we then input the clustered data into the robust mean-CVaR model for analysis. By rolling window experiments, we compared the impact of the model on portfolio returns with and without clustering conditions. The results show that the model with clustering methods applied has higher portfolio returns, helping investors better balance risk and return to construct optimal portfolios.

基于核密度估计的短期电力负荷区间预测

针对单点预测模型难以较全面地描述负荷变化趋势,以及优化算法存在局部易收敛和全局性搜索能力差的问题,提出一种基于改进烟花算法(IFWA)优化长短期记忆神经网络(LSTM)模型参数的IFWA-LSTM负荷预测模型。通过引入自适应调节因子和精英策略来提高烟花算法(FWA)的全局搜索能力和灵活性,以提高求解效率和精度。同时,采用核密度估计(KDE)对IFWA-LSTM模型得到的预测结果进行概率预测,针对KDE模型非线性映射能力较弱的问题,采用支持向量回归(SVR)对其进行优化拟合,再对预测值的概率密度函数进行求解,得到不同置信度下的功率预测区间。基于某台区的实测负荷数据对本模型进行实验验证,结果表明,相比于传统神经网络算法模型,本模型的预测精度更高,误差更小,整体预测性能更优。

基于混合自适应核密度估计的风电波动特性分析

分析掌握风电出力波动特性的内在规律有利于提高风电出力的预测精度,进而指导电网调度部门合理安排发电计划,提高系统运行的经济性。为描述风电出力波动的概率密度分布特性,文章首先分别修正由经验法及无偏交叉验证法得到的固定带宽,建立两种自适应带宽核密度估计模型;然后,将上述两种模型进行组合优化;最后,建立基于混合自适应核密度估计(HAKDE)的风电出力波动量概率密度分布模型。采用多种概率密度分布模型对华北某省风电场的不同时空尺度下的风电出力波动量进行拟合,算例结果表明,HAKDE模型的拟合效果最优,从而验证了HAKDE模型的有效性。

基于核密度估计的故障诊断信号非均匀量化方法

在工业物联网的某些故障诊断场景中,由于缺少电信网络覆盖,采集信号通过远距离无线电(Long Range Radio,LoRa)技术实现无线可靠回传,但其较低的传输速率会限制故障诊断的精度。针对LoRa窄带宽的技术限制,提出了采样频率和量化分辨率固定条件下的时域信号非均匀量化方案。首先,通过建立基于核密度估计(Kernel Density Estimation,KDE)的非参数拟合模型,重点研究了带宽受限场景中合适的核函数类型和带宽确定准则,拟合生成传感信号幅度的概率密度函数(Probability Density Function,PDF)。其次,以PDF为输入,以最小化量化噪声为目标函数,通过非线性规划,输出最佳的一组非均匀量化电平值。其特点在于针对出现频次最高的时域幅度,采用更小的量化间隔,实现量化噪声的最小化。最后,以轴流风机状态检测为例进行了实验,结果表明,基座松动和轴承故障对量化电平的影响更大。随着量化分辨率的增加,KDE量化逐渐趋近均匀量化,相较于高斯量化的优势逐渐缩小。因此,提出的KDE量化方案适合窄带宽条件下的非均匀量化,可提高信道利用率,并在传输带宽和量化噪声之间取得折中。

基于核密度估计的单轨车辆构架载荷谱外推

车辆构架疲劳寿命预测准确性受动载荷谱完整性的影响,但线路实测的载荷数据具有短时与局部特征,为了准确预测疲劳寿命需要将短期样本数据外推至全寿命周期范围,本文以单轨车辆转向架构架为分析案例。首先,采用基于自适应带宽的核密度估计方法对实测载荷谱进行概率密度估计,其次,通过蒙特卡洛模拟算法实现了载荷谱外推;最后,基于核密度外推后的载荷谱对构架进行疲劳寿命分析。分析结果表明,与传统线性外推的数据相比,基于核密度估计外推的载荷谱评估结果更加安全,更有利于保障车辆的安全运行。

基于核密度估计的贝叶斯模型冰雹检测方法

针对冰雹检测方法中大量带标签数据不易获取的问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的贝叶斯模型冰雹检测方法,利用大量无标签数据和少量带标签数据,根据概率对冰雹进行检测。该方法首先根据大量无标签数据的密集程度将其初步分成若干集合,然后每个集合采用高斯核密度函数以及最佳固定带宽值,计算得到每个集合的类条件概率,其次利用少量带标签数据以及降水粒子的融化层信息建立类先验概率,最后根据每个集合的最大后验概率匹配降水粒子类型,实现冰雹与其他降水粒子类型的检测结果。通过实测数据对模型的验证结果表明,该方法能够较好的实现冰雹检测。

基于核密度估计法的大跨度非对称悬索桥碰撞概率分析

为了对随机地震作用下大跨度非对称悬索桥的梁端碰撞概率进行评估,基于OpenSEES建立了一座典型实例桥的三维非线性有限元模型,综合考虑了地震动与模型参数的双重随机特性,采用拉丁超立方抽样与核密度估计方法建立了桥梁碰撞概率模型,并验证了该方法的有效性,最后分析了桥梁结构随机参数、伸缩缝宽度及非线性阻尼器对悬索桥梁端碰撞概率的影响。分析结果表明:若忽略桥梁结构参数的不确定性可能会高估桥梁的碰撞概率,其最大误差可达122%;大震作用下非线性阻尼器可以显著减小桥梁的碰撞概率,且阻尼器的减震效果随着伸缩缝宽度增大而越加明显;当PGA<0.7g时,通过设置阻尼器不仅可以减小悬索桥的碰撞力峰值,而且可以减少梁端碰撞次数;当PGA>0.7g时,阻尼器对碰撞次数影响较小,但能明显降低其碰撞力。