火电机组碳排放量及碳敏感性通用矩阵模型

为实现火电机组碳排放量的简便准确计量及掌握运行因素对机组碳排放强度的影响,在排放因子法技术上,参考传统q-γ-τ矩阵结构形式,根据求解火电机组碳排放量的需要,并掌握运行参数对发电碳排放强度的影响,建立了火电机组碳排放量及碳敏感性通用矩阵模型,确定了矩阵填写规则。采用热平衡法结合物料衡算法验证了模型的准确性,并与排放因子法核算结果对比;核算了某火电机组24 h的碳排放量,分析了排烟氧量、主蒸汽温度和压力波动时的发电碳排放强度的扰动量ΔM CO_(2)。结果表明:相较于排放因子法,本文所提模型缩短了碳排放量核算的时间跨度,且能提高碳排放量核算的精度;该机组24 h的碳排放量为5780.644 t;当排烟氧量降低0.1%时,ΔM CO_(2)为1.7726 g/(kW·h);当主蒸汽温度升高0.5 K时,ΔM CO_(2)为3.0206 g/(kW·h);当主蒸汽压力增加0.2 MPa时,ΔM CO_(2)为0.3788 g/(kW·h)。

环与环上矩阵的正则性

本文主要研究环及其上矩阵的正则性 .当 R是一个有单位元的环时 ,本文引进并刻划了Mm× n( R)的正则性并由此重新证明了环 R与全矩阵环 Mn( R)正则的等价性 。

一种解决协作过滤中矩阵稀疏性问题的算法

为了帮助用户有效地发现、过滤和利用信息,信息过滤技术应运而生.协作过滤作为其中一种技术也得到迅速发展,但传统的协作过滤算法存在矩阵稀疏性等问题,影响预测效果.本文给出一种基于信息项的新算法,它从矩阵的列来考虑,能有效地解决矩阵稀疏性等问题,并提高预测准确性.

协同过滤系统的矩阵稀疏性问题的研究

应用奇异值算法得到一个无缺失的矩阵,引进了一种增强的、基于参数的Pearson相关系统算法来提高相关性算法的准确性。提出一个基于奇异值分解和增强Pearson系数的"HybridSVD"算法,用MovieLens数据集来评价该算法,并和其他经典的传统算法做了比较。实验结果证明,"HybridSVD"算法比其他传统算法能更好地处理协同过滤中的稀疏性问题。

基于可达性矩阵的智能配电网分区及孤岛辨识方法

提出了一种基于可达性矩阵的智能配电网分区及孤岛辨识方法。从配电网的网络拓扑结构出发,首先形成描述配电网开关与线路连接关系的邻接矩阵,对邻接矩阵的各次幂进行逻辑求和运算,可求得配电网的可达性矩阵,可达性矩阵包含了节点的连通性信息和电网的分区信息。在此基础上定义了开关性质向量和表征电网分区情况的区块向量,对二者对应的元素进行逻辑"与"运算,可得到描述配电网各区域性质的向量,进而能够快速判断各区域的性质、是否存在孤岛、孤岛的数量以及孤岛的范围,为开展孤岛运行控制与保护研究奠定基础。算例分析结果验证了文中所述算法的正确性和可行性。

度量观测方程系数矩阵复共线性的最小相对范数法

当法方程系数矩阵N(N=ATA)具有较强的复共线性时,其结构是"病态"的。"病态"的N将破坏参数LS估值的优良性质和质量。因而,度量N的复共线性对判断其是否病态很重要。度量矩阵复共线性的方法有多种,其中,矩阵的条件数法最为常用。针对条件数法的不足,提出一种直接度量观测方程系数矩阵A的复共线性的新方法。这种方法是对矩阵A中n个列向量α1实施Gram Schmidt正交化,求每一个向量正交化前后的范数及其相应的比值,以一组比值中的最小值作为该矩阵复共线性的度量。这种方法的显著特点是:度量有明确的上、下界,度量值仅反映参数列向量间的复共线性,根据参考指标可以有效地判断矩阵的病态性。依据这种方法,便于研究矩阵复共线性的产生原因与解决方案;作者将此方法概括为最小相对范数法。

关于由邻接矩阵求可达性矩阵的方法

介绍了由邻接矩阵求可达性矩阵的三个方法.一般方法、布尔矩阵算法、及Warshall算法.

基于测试性D矩阵的多故障诊断与维修策略

针对复杂的多故障诊断问题以及多故障直接处理方法实现的难点,在测试性D矩阵基础上,提出了一种基于单故障化的多故障诊断与维修策略(MFDMSTS)。首先,在多故障假设下引入析取运算,定义了可隔离单故障和可隔离多故障,据此定义将多故障转化为单故障,并将转化的单故障与测试集组成新的D矩阵;然后,运用单故障诊断算法处理新的D矩阵,得到最优诊断树;最后,针对诊断树的不同叶子节点,提出了多故障诊断与维修策略。实例验算表明:MFDMSTS能降低平均诊断费用和平均诊断步数,并大幅降低误修率。

基于稀疏性非负矩阵分解和支持向量机的时频图像识别

针对机械故障诊断领域对反映设备运行状态的图像识别困难以及选择和提取敏感特征困难的问题,将基于图像的机械设备运行状态判别问题当作图像的识别问题米处理,提出使用稀疏性非负矩阵分解(Sparse non-negative matrixfactorization,SNMF)和支持向量机(Support vector machine,SVM)对时频图像进行识别进而判断机器运行状态,从而避免特征的选择和提取.稀疏性非负矩阵分解在对时频图像进行大规模压缩的同时,能够很好地保留图像的隐含特征,从而大大减少自动识别时频图像的计算复杂度,并有效地提高支持向量机的识别精度.此外,奉文还对影响识别率的稀疏性非负矩阵分解的各参数进行了讨论.实验结果表明,该方法对时频处理方法依赖性低,在大多数情况下都能获得较传统方法高的识别率.

一种基于PMC模型下的概率性矩阵诊断算法

系统级故障诊断是提高多处理器系统可靠性的必要手段。为了有效定位多处理系统中的故障单元,该文建立了一种基于PMC模型t可诊断条件下的概率性矩阵诊断算法。首先对一般概率性矩阵诊断算法进行仿真分析获悉其具有较高的误检率,在诊断过程中引进绝对故障基和节点集团思想,通过计算绝对故障基以寻找系统中的部分故障处理机,集团用于将不确定状态的节点单元分类以补充正常节点集合,改善了原诊断的限制条件。仿真实验验证:改进后的概率性矩阵诊断算法保持了很高的检测精度,并且随着节点数的增多极大地降低了误检率,提高了诊断效果,使得该算法具有广泛的适用性。

基于直觉乘性模糊判断矩阵的效能指标聚合方法

针对效能指标权重难以确定、效能评估环境存在不确定性等效能指标聚合问题,提出了一种基于直觉乘性模糊判断矩阵的效能指标聚合方法。首先,根据直觉乘性模糊判断矩阵提出直觉乘性模糊熵和交叉熵;然后,基于直觉乘性模糊熵和交叉熵计算专家权重,克服了传统指标聚合方法确定专家权重时存在的主观判断误差;最后,集成所有专家的直觉乘性模糊判断矩阵信息确定各效能指标的集成权重。算例分结果析表明:该方法合理有效,可操作性强。

基于被删减二元关系的可达性矩阵求解

利用邻接矩阵求解有向图的可达性矩阵,计算量大,提出将有向图表达成二元关系,忽略环和回路的处理,通过计算被删减二元关系的传递闭包来求解可达性矩阵,利用新方法可以较快地实现可达性矩阵的求解。

基于直觉乘性模糊判断矩阵的网络雷达对抗系统效能指标聚合方法

针对传统指标聚合方法难以全面刻画网络雷达对抗系统作战效能指标聚合时存在的不确定性、模糊性的缺陷,提出了一种基于直觉乘性模糊判断矩阵的效能指标聚合方法。首先提出了直觉乘性模糊判断矩阵不确定度及矩阵间偏离度概念,然后基于直觉乘性模糊判断矩阵的不确定度及矩阵间的偏离度计算专家权重,修正了传统指标聚合方法确定专家权重时存在的主观判断误差,最后集成所有专家的直觉乘性模糊判断矩阵信息确定各效能指标的集成权重。算例分析表明,该方法合理有效,可操作性强。

一些特殊类型矩阵的加性复合矩阵的性质(英文)

设A∈Cn×n,计算了加性复合矩阵ΔkA的每个元素,进一步,讨论了一些特殊类型矩阵(如对角占优矩阵,H-矩阵,M-矩阵和α-对角占优矩阵)的加性复合矩阵的性质。

简化可达性矩阵的计算

利用布尔矩阵理论，提供了可达性矩阵的一种简便算法。

一种线性不等式组的矩阵变换定解方法

通过构造一种关于线性不等式组的特殊矩阵——强迫性极点转移矩阵,以及定义一种特殊的矩阵运算——负旋转迭代运算,为解决不等式组的定解问题建立了一个崭新的数学平台,该平台较好地结合与反映了不等式组的线性与几何平面两面性特点,而且以该数学平台为基础提出了一种全新的不等式组定解方法.新定解方法将不等式组的定解过程转化成一系列矩阵初等列变换,定解操作简单快捷,结构化程度高,易程序化处理,便于在计算机上实现.此外,为了解决退化极点的转移问题,提出了单纯形局部ε(小量正参数)正则化方法,有效消除了退化现象对极点转移过程的不利影响.

加性语言判断矩阵权重排序方法的研究

根据加性语言判断矩阵的特点,研究了加性语言判断矩阵的一系列性质及语言权重和元素之间的关系,并基于这些性质给出了加性语言判断矩阵的权重确定方法,同时证明了加性语言判断矩阵权重确定中保证权重恒大于"一般"情形下,参数a应该满足的条件。完善了加性语言判断矩阵排序权重确定方法的理论。

可达性矩阵的C语言程序实现

讨论了可达性矩阵的数学思想以及用计算机程序实现其复杂的求解过程

基于稀疏性非负矩阵分解的偏振图像快速融合方法

针对基于非负矩阵分解(non-negative matrix factorization,NMF)的偏振图像融合方法效率低的不足,提出一种基于稀疏性NMF的偏振图像快速融合方法。首先,以偏振信息解析得到的各偏振参量图像构造原始数据集,其次,对NMF增加稀疏性约束,利用稀疏表示下的在线字典学习算法进行快速分解,然后对分解得到的三幅特征基图像按清晰度和方差进行排序,将排序后的特征基图像经直方图匹配及HSI颜色映射后,变换到RGB颜色空间,得到融合图像.与基于NMF的方法相比,运行时间提高约120倍,达到约1.5 s完成一次融合过程。实验结果验证了该方法在改善融合效果的同时,运行效率明显提高。

基于部分可控性矩阵的模型降阶方法及误差分析

针对单输入单输出系统,利用部分可控性矩阵的M-P广义逆作为集结矩阵,提出了一种新的近似集结法模型降阶方法。首先给出了当系统可控与不可控时的2种降阶模型,然后通过误差最小分析归结为一种降阶模型,并利用向量到子空间的距离给出了不同阶降阶模型误差的一个简单计算方法。以此误差作为标准,可以方便地选择满足需要的降阶阶数及降阶模型。最后以实例表明了该方法的有效性和应用性。