基点气象相似聚合的短期风电功率预测方法

提出了一种基点气象相似聚合的短期风电功率预测方法。先以风电功率预测时间点(简称基点)的气象为核心对历史气象记录按灰色关联度进行相似聚合,以突出基点气象对应的风电功率变化规律。再对聚合中历史记录的气象因素按因子分析法降维、求取独立因素,以去除原始气象因素之间的相关性、降低因果关系的非线性度。然后基于径向基神经网络建立"独立因素-风电功率"的映射关系,从而实现风电功率预测。结合实例对此方法进行了仿真,结果表明,此方法预测得到的风电功率,其准确度比基于主成分的径向基神经网络方法的高、比径向基神经网络方法的更高。

基于语义相似聚合的主题爬虫算法研究

互联网的迅速发展,数据不断增加,使得个性化数据的获取难度越来越大。主题爬虫作为一种垂直检索方式,已经成为一个热门研究领域。传统的主题爬虫往往是通过网页链接之间的关系下载网页,然后再计算下载的网页与给定主题之间的相关关系。传统的主题爬虫一方面割裂了网页链接结构和网页内容主题之间的关系,使得两个部分分开计算;另一方面下载过程的网页主题相关性不强,会下载大量的主题无关网页。本文提出一种新的基于PageRank算法主题爬虫算法将网页主题相似度计算与传统的PageRank算法相结合,将网页链接结构与网页主题相关性结合在一起。另外本文将语义相似性引入到主题爬虫里,实验结果表明本文提出的基于语义相似聚合的主题爬虫算法大大提高了主题爬虫的查全率。

基于模糊动态贝叶斯网络的公路工程施工安全风险动态评价研究

针对以往有关公路工程施工安全风险研究中缺乏动态性的不足,构建了基于模糊动态贝叶斯网络(FDBN)的公路工程施工安全风险动态评价模型.在收集资料和事故案例分析的基础上,构建了包括人员风险、技术风险、管理风险和环境风险4个方面共39项指标的公路工程施工安全风险评价指标体系;运用故障树模型对指标体系进行表示,并进一步映射到动态贝叶斯网络;将改进的相似聚合法与模糊集理论引入动态贝叶斯网络,构建风险动态评价模型;通过该模型的反向推理功能可得到各个基本事件的后验概率,确定关键风险因素.最后,通过实例分析验证了该模型的有效性,并识别出安全生产教育培训制度不完善等5个关键风险因素,并提出预防措施,为公路工程施工安全风险评估与决策提供依据.

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

为预防海底油气管道泄漏失效事故,提出基于自由双层次犹豫模糊语言术语集(FDHHFLTS)和贝叶斯网络(BN)的FDHHFLTS-BN风险分析方法,用于分析海底油气管道泄漏失效事故概率及事故的关键风险因素。将故障树模型转换为BN结构,由专家根据FDHHFLTS评估基本事件发生可能性;采用最佳最差法(BWM)确定专家权重,结合相似性聚合方法(SAM)聚合专家意见;依据构建的BN模型,正向推理得到事故发生概率,反向推理得到后验概率,并进行敏感性分析。将该方法应用于实例分析,结果表明:分析段海底管道泄漏事故的概率值为P=6.20×10^(-3);焊缝施工缺陷、材料施工缺陷和渔具作用等为事故发生的关键因素;与传统方法对比分析结果证明,所提方法在确定海底管道风险方面具有一定的优势。

基于多态模糊贝叶斯网络的半潜平台安装风险分析

针对半潜式平台安装作业风险评估中存在的风险多态性和模糊性问题,构建了一种多态模糊贝叶斯网络风险分析模型。根据行业规范推荐标准定义语言性评价模糊集,描述根节点的事故状态发生概率,克服了传统方法中确定性概率难以获取的困难。利用相似性聚合法结合置信度指标融合专家意见,引入改进的去模糊化转换方法,提高了专家知识经验转化为定量数据的合理性和可靠性。基于贝叶斯网络的双向推理和敏感性分析技术,实现了工程作业全过程的风险评估。通过对陵水17-2项目半潜平台整体吊装过程进行风险分析,验证该模型的合理性与有效性,为半潜平台安装作业风险管理与防控策略制定提供指导。

SAM-FFTA-ANP在高校实验室中的应用

为了减少或避免实验室火灾事故带来的一系列损失,提出了一种基于相似度聚合法的模糊故障树分析方法(similarity aggregation method-fuzzy fault tree analysis, SAM-FFTA),并与网络层次分析法(analytic network process, ANP)相结合,完善了故障树中各原因事件相互依赖的关系,有效地弥补使用单一方法时的不足。首先基于危机生命周期理论分析得出高校实验室火灾演化过程;其次,根据SAM-FFTA合理聚合多位专家的不同意见,得到故障树中各基本事件的失效概率;最后,采用ANP建立了高校实验室火灾评价结构模型,进一步研究致因中影响性较大的事件。结果表明,电气故障是导致实验室火灾发生的最主要因素,同时,高温热源和化学品的管理也对实验室火灾影响显著。

一种基于非局部思想的改进图像降噪算法

在基于稀疏和冗余字典的图像降噪算法的基础上,提出了一种基于非局部思想的改进图像降噪算法。与传统的基于稀疏表达的图像降噪算法K-SVD相比,提出的算法增加了一个相似块聚合的过程,使得学习的字典更小且更准确。利用自然图像包含很多的自相似,相似样本聚合学习出的字典比传统K-SVD算法能更准确更稀疏地表示样本。稀疏度的提高使得重建后的信号更加准确、适应性更好。实验证明提出的算法取得了更好的视觉效果。

基于相似数据聚合与变K值KNN的短时交通流量预测

短时交通流量预测是交通控制和诱导涉及的关键技术问题,由于短时交通流量存在不确定性和时变性,其预测难度较大,是相关研究领域与工程实践中亟待解决的难题。为提高短时交通流量预测的准确性,本文设计与实现了基于相似数据聚合和变K值KNN(KNN-SDA)的短时交通流量预测算法。该算法首先采用互信息法在经过预处理的交通流量数据集提取交通流量序列最佳延迟时间信息,生成状态向量,并构建交通流量历史数据库;然后以本文所提出的相似数据聚合方法完成历史数据的聚合与清洗得到训练数据集;最后通过交叉验证确定每个时刻的最优K近邻数,完成算法实现。实验结果表明,本文提出的变K值KNN-SDA算法在保证执行效率的同时能明显提高短时交通流量的预测精度。