考虑数据缺失的短期光伏功率预测模型

准确的光伏功率预测对于现代电力系统的可靠性至关重要。由于传感器、通信系统或数据库系统的各种故障,历史和在线监测数据可能并不总是完整的。数据缺失会严重降低光伏功率预测模型的性能。为解决这一问题,提出一种具有缺失数据重建功能的短期光伏功率预测模型。首先通过位置编码自编码器完成缺失数据重建,然后通过残差网络和Autoformer的混合模型ResAutoformer进行功率预测。基于某光伏场站数据集的实验验证结果表明:与其他基准方法相比,所提出的模型在不同预测步长、不同数据缺失率下能够实现更高精度的预测。

幼儿园教学“倾听”的缺失与重建策略

幼儿园教育教学中,幼儿教师是否能够有效地倾听幼儿,对幼儿的成长与发展具有较大的影响力,表现在:幼儿教师通过倾听幼儿,可以了解幼儿所思所想,可根据幼儿所思所想设计教育教学策略,落实到实际教育中达到满足幼儿实际需求,在显著提升教育教学效果的同时也促进了幼儿全面快速、健康地成长。分析当下幼儿园教育教学过程发现存在着倾听缺失的问题,应采取重建倾听策略的措施并有效落实到实际中,让倾听的作用在幼儿园教育教学中充分发挥出作用,实现幼儿园教育教学目标。

浅谈当代大学生诚信的缺失与重建

诚信是大学生必须具备的道德素质。当前，大学生群体存在一定程度的诚信缺失。文章分析了大学生诚信缺失的表现，探索了诚信教育的重建途径。

基于稀疏迭代协方差估计的缺失数据谱分析及时域重建方法

应用于缺失数据恢复的迭代自适应方法(IAA)被证实可利用20%的有效数据估计信号参数,并能高精度恢复缺失数据,优于经典GAPES方法,但当缺失数据超过80%时其数据恢复性能迅速下降。该文基于稀疏迭代协方差估计提出一种新的缺失数据谱分析方法(M-SPICE)及针对该方法的缺失数据修正时域重建方法。该方法将加权缺失数据协方差拟合代价函数转换为凸优化问题,构造循环最小化器保证缺失数据参数估计的全局收敛特性,通过对缺失数据估计算子的更新实现了时域重建方法的修正,使其在有效数据功率谱欠估计的情况下获得更高的数据重建精度。仿真实验表明无论是数据块缺失还是任意缺失,该方法均能够利用更少的有效数据进行谱分析,并重建大比例缺失数据。

结合谱减和缺失特征重建的鲁棒性话者识别

针对加性噪声影响下文本无关说话人识别系统性能急剧下降的问题，提出谱减和缺失特征重建相结合的方法。该方法将被噪声严重污染的频段称为缺失特征，采用谱减法对语音信号进行前端处理，并检测缺失特征；利用基于聚类的重建方法，由可靠特征估计缺失特征。在YOHO数据库上信噪比（SNR）为5～20dB的实验表明，相对于单独的谱减法和缺失特征重建方法，该方法的识别性能有显著提高。

采用改进生成式对抗网络的电力系统量测缺失数据重建方法

量测数据的采集、传输、转换各个环节都有可能发生故障或受到干扰,导致数据出现缺失。传统重建方法仅考虑单一数据分布规律,忽略了电力系统中量测点、采集变量之间的相关性及历史的负荷变化规律,重建精度低。该文提出了基于改进生成式对抗网络(wassersteingenerative adversarial networks,WGAN)的量测缺失值重建方法,并设计了适用于该问题的WGAN网络结构。通过WGAN的无监督训练,神经网络将自动学习到量测之间相关性、负荷波动规律等难以显式建模的复杂时空关系。利用真实性约束及上下文相似性约束优化隐变量,使得训练后的生成器将能够生成高精度的重建数据。文中方法完全依靠数据驱动,不涉及显式建模步骤,在大量量测出现缺失的情况下仍具有较高的重建精度。算例中分析了量测缺失数量与重建误差之间的关系,证明了文中方法性能稳定。对于算例中长期缺失的特定量测,文中方法所重建的数据能够体现量测真实的时序特性。

缺失与重建:中国城市社区社会资本探析

社区社会资本的多寡决定了社区活力和凝聚力的强弱以及社区治理的绩效和效率,它包括关系网络、社区信任和社区规范三个基本方面。社会转型期我国城市社区社会资本普遍缺失,重建城市社区社会资本是城市社会发展和社区治理的必然选择。培育公民社会、促进居民利益的社区化、发展社区非政府组织、构建互动频繁的社区关系网络和平等交换的社区规范是重建城市社区社会资本的有效路径。

考虑全时间序列信息的NDVI变分重建方法

NDVI数据受云覆盖等因素影响,普遍存在信息缺失和噪声污染问题。传统基于滤波或曲线拟合的方法对NDVI时间序列的先验特征考虑不足,难以有效解决时间连续缺失的难题。该文在变分框架下,通过正则化方式对NDVI时间序列的局部平滑性和非局部年际相似性进行刻画,提出一种考虑全时间序列信息的NDVI重建方法;选取Savitzky-Golay(SG)滤波、时间序列谐波分析(HANTS)和Whittaker滤波3种方法作为对比方法,在长江经济带两个区域的MODIS NDVI产品上进行模拟实验和真实实验。结果表明:该文方法在随机缺失和时间连续缺失情况下的MAE、RMSE和CC均更优,且能有效滤除不平滑的原始NDVI时间序列曲线中的噪声,获得平滑曲线,在处理时间连续的云污染方面表现更好。

缺失与重建:大学生素质教育的分析及转型策略

大学生素质教育已成为当前高校教育改革的焦点话题。本文通过对大学生素质教育缺失问题进行分析,提出在"以人为本"这一思路主线指导下,重构大学生素质教育的策略。

学生学习方式变革中教师主导作用的缺失与重建

新课改强调教学中学生学习主体的重要作用，倡导自主学习、合作学习、探究性学习方式。教学从以“教”为中心转向以“学”为中心并不意味着要贬低或削弱教师在教学中的主导作用，对教师的要求反而更高了。我们要重新认识教师主导作用在学生学习方式变革的重要性，正确处理好学生主体地位与教师主导作用之间的相互关系。

浅析大学生民族精神的缺失与重建

大学生民族精神是大学生综合素质的重要组成部分,在一定程度上体现着大学生整体人文素养。尤其是我国处于这样一个社会的全面转型时期,大学生的民族精神面临着新的困境,因此,重建大学生民族精神具有十分重要的现实意义。

基于核范数凸优化的微阵列缺失点重建

为解决大多数基因微阵列矩阵中含有缺失点的问题,提出了基于矩阵核范数凸优化(Nuclear Norm Optimization)的微阵列缺失点的重建方法。该方法利用了微阵列矩阵中的冗余信息,使用矩阵填充(Matrix Completion,MC)来重建缺失点,实现了矩阵的核范数凸优化。实验结果表明,矩阵填充在某些时间序列的微阵列数据集上与K最近邻(KNN)、贝叶斯主成分分析(BPCA)和局部最小二乘法(LLSimpute)相比表现出了较强的竞争力。由矩阵填充得到的矩阵,还可以替代广泛应用的局部最小二乘法中的行均值填充矩阵。矩阵填充和局部最小二乘法结合的方法在所有测试数据集的几乎所有缺失率下都取得了最低的重建错误率。

冠状动脉血运重建缺失下地尔硫卓治疗慢性心肌缺血的应用研究

目的探讨冠状动脉血运重建缺失下地尔硫卓治疗慢性心肌缺血患者的有效性和安全性;方法根据是否使用地尔硫卓,将90例冠状动脉血运重建缺失下慢性心肌缺血患者分为对照组45例和地尔硫卓组45例,两组患者均采用慢性心肌缺血的常规二级预防治疗,地尔硫卓组患者在此基础上加用地尔硫卓缓释胶囊.治疗6个月后进行随访记录主要不良心血管事件的发生情况.比较两组患者基线水平及随访结束时6min步行距离(6MWD)、西雅图心绞痛量表评分。结果两组患者随访结束时西雅图心绞痛量表评分及6MWT均高于基线水平(P <0. 05 );随访结束时地尔硫卓组患者西雅图心绞痛量表评分及6MWD均髙于对照组(P<0.05)随访结束时两组患者静息心率均低于基线水平(P<0.05),但两组患者左心室射血分数、ALT及血肌肝与各自基线水平比较,差异均无统计学意义(P>0.05)。随访结束时,地尔硫卓组患者静息心率低于对照组(P<0.05),但两组患者左心室射血分数、ALT及血肌肝比较,差异均无统计学意义(P>0.05)。随访期间对照组和地尔硫卓组主要不良心血管事件的发生率比较差异无统计学意义(17.8%比8.9%,P>0.05)。结论地尔硫卓对冠状动脉血运重建缺失下慢性心肌缺血患者心绞痛及运动耐量的改善疗效显著,安全性较好。

浅谈数学单元教学设计中课程整体理念的缺失及重建

文章从数学单元教学设计的内涵与特征入手,针对数学单元教学设计中课程整体理念的缺失及重建进行了论述与研究.

基于数据驱动缺失特征检测与重建的声纹识别

声纹识别系统的识别性能会随着环境噪声的增强而急剧降低,为了使系统具备一定的噪声鲁棒性,提出了一种基于数据驱动缺失特征检测与重建的声纹识别前端处理方法。充分利用大量数据训练得到的信息估计子带信噪比,检测、标记和重建被噪声污染严重的子带特征,从而得到噪声鲁棒性特征参数。实验表明,该方法在低信噪比环境下取得了较高的识别率提升,在非平稳噪声下系统性能也有着较好的改善。

面向低压配电网智能电表误差监测的LightGBM-EM-EC多变量缺失数据高效重建

低压配电网智能电表误差监测是在不使用外部标准仪器的情况下对现场电表误差进行评估,有助于合理延长电表的使用年限,降低电网成本。然而,智能电表采集数据的缺失会降低远程误差监测的准确性。该文分析低压配电网智能电表数据缺失模式,研究数据缺失对误差监测模型的影响,提出一种面向低压配电网的智能电表误差监测数据重建方法。该方法构建单变量轻量级梯度提升机(light gradient boosting machine,Light GBM)重建器,建立基于期望最大化(expectation maximum,EM)算法的多变量缺失重建模型,根据能量守恒(energy conservation,EC)约束对重建数据进行二次修正。仿真结果表明,所提方法能够有效甄别数据集重要特征,明显降低时间复杂度,实现多个电能表数据同时缺失条件下的高精度重建,提高电表误差远程监测的准确性。

基于自适应时空张量补全的甲醛浓度时间序列重建

甲醛是大气中重要的微量气体,可作为挥发性有机化合物氧化的敏感性指标,同时也是一种有刺激性气味的有毒气体,易对人体健康产生不利影响。然而,遥感卫星获得的HCHO数据不可避免地受到云层、气溶胶和其他不利大气条件的影响而普遍存在缺失,阻碍了后续的分析和应用。本研究采用时空自适应低秩张量补全方法来解决这一问题。该方法能充分利用空间邻域、时间邻域和周期特征的相关信息来构建高度相关的张量,并通过ST-Tensor模型来重建缺失的信息。本研究利用该方法对2019—2021年在亚洲中南部获得的TROPOMI近实时L_3级HCHO数据进行重建。定性和定量研究结果表明,ST-Tensor方法比最邻近时序内插法具有更好的稳定性、准确性和空间连续性,均方根误差、平均绝对偏差、相关系数分别提高了1.78×10^(-5)、1.7×10^(-6)和0.19。利用重建结果获得的四季平均时空分布图,表明HCHO浓度的高低与人口密度、温度、气候特征等有关。

基于MODIS数据的青藏高原地表反射率重建方法研究

青藏高原地表反射率在自然资源监测、生态环境保护和地球科学研究等方面有着重要应用。MOD09A1反射率数据由于云等因素的影响产生了大量异常像元,使得数据存在信息损失不完整的问题。考虑到邻近时序遥感影像具有高相关性,同类地物光谱具备高相似性,本文针对青藏高原地区提出了一种基于残缺多时相数据与地表覆盖分类信息的地表反射率深度学习重建方法。首先,以多时相MOD09A1反射率数据和MCD12Q1地表覆盖分类数据为基础,通过异常像元去除、有效图层提取、投影转换与拼接,得到目标区域基础反射率图像及辅助数据;其次,根据残差网络基本原理,构建了基于多时相数据与地表覆盖分类信息融合的深度学习网络模型;然后,利用MOD09A1数据完整区域裁剪的云掩膜样本、基于地表覆盖分类和K-means聚类算法生成的增广样本对模型进行训练;最后,将训练好的模型用于缺失数据区域地表反射率重建。通过两组对比试验表明,本文方法降低了对多时相辅助影像数据量和完整性的要求,在多时相数据残缺情况下,结合地表覆盖分类信息可实现对青藏高原大范围地表反射率的修复与重建。

幼儿园教学“倾听”的缺失与重建分析

幼儿教育是一个人成长和发展的起始,也是非常重要的教育,对于幼儿阶段的教育,我们要重视对幼儿各项能力的全面培养,特别是语言能力和思维的训练。本文就幼儿园教学中幼儿倾听能力的不足和训练提升的问题进行探讨。

基于无展开随机QR分解算法的地质雷达数据重建方法

受到外业采集条件限制和施工环境的影响,通常很难采集到理想且完整的规则采样地质雷达数据。地质雷达数据的缺失和不规则采样容易对数据处理过程产生严重干扰,影响后续解释工作。本文给出了一种基于无展开随机QR分解(Uncoiled Randomized QR decomposition,URQR)的地质雷达数据重建方法。首先引入随机QR分解算法实现对地质雷达数据矩阵的降秩计算,并通过利用无展开求平均快速算法,来解决降秩后的Toeplitz矩阵对角线求平均效率低,内存占用量大的问题。然后基于凸集投影理论,实现了无展开随机QR分解算法的数据重建流程。最后,利用本文方法与随机奇异值分解(Randomized Singular Value Decomposition,RSVD)算法,对理论与实际地质雷达缺失道数据进行重建,通过对比质量因子Q值,说明了本文方法重建效果优于RSVD方法,对于大型地质雷达数据的重建,本文方法计算效率明显高于RSVD方法,验证了本文方法的有效性、可行性、效率高的特点。