基于云推理的短期风电功率预测模型

针对风速、风向和风功率之间的关联知识,提出了一种短期风电功率预测的云推理模型。利用云变换将风速等历史数据转换成多个云的定性概念,并用云的合并方法得到跃升概念,再用极大判定法进行概念隶属判定,得到约简数据库,用Apriori算法挖掘得到风速、风向和风功率之间的关联规则,最后形成云推理的规则发生器,利用规则发生器的不确定性推理来完成未来24个小时的风电功率预测。实验得到一系列有稳定倾向的预测值集合,取其期望值与Arima模型和RBF神经网络的预测值比较,相对误差均有不同程度的减小,显示了该模型较高的实用和推广价值。

基于云模型的不确定性推理方法

云模型实现了定性概念与其定量表示之间的不确定转换,在云模型基础上构建的规则发生器能有效描述用自然语言表示的定性规则.在单条件单规则发生器基础上,进一步提出双条件单规则发生器的实现算法,给出了云推理系统的体系结构.将基于云模型的不确定性推理方法用于设计电机转速控制系统,并且与模糊推理方法进行了比较,验证了云推理方法的有效性和实用性.

云推理方法及其在预测中的应用

不确定性推理是当前人工智能研究领域中的一项重要研究内容。云模型实现了定性概念与其定量表示之间的不确定转换,在云模型基础上构建的规则发生器能有效描述用自然语言表示的定性规则,实现不确定性推理。将基于云模型的不确定性推理方法用于预测实际工作环境中电子产品的使用寿命,说明了云推理方法的有效性和实用性。

基于云模型的入侵检测方法

论文提出了一种基于云模型的入侵检测方法。该方法通过监控系统资源的使用情况(例如网络的流量、内存和CPU的使用情况),并对这些监控资源的原始数据进行处理,然后将处理后的数据输入到云决策器,云决策器根据设定的规则做出入侵决策。该方法能够检测系统级、网络级和用户级的入侵行为,模拟实验表明该方法有很强的检测能力和较好的鲁棒性。

基于云模型的驾驶疲劳检测方法

疲劳驾驶是导致交通事故的重要原因。因此实时监测驾驶员的疲劳状态具有重要的现实意义。文中针对人的眼动行为存在随机性及模糊性的特点,采用不确定性的云概念,建立基于Perclos和眨眼时间均值的双条件单规则发生器,然后在此基础上构造基于双条件单规则发生器的疲劳检测模型。最后通过在模拟实验平台上采集驾驶员的眼动数据,将眼动特征数据输入基于双条件单规则发生器的疲劳检测模型进行疲劳识别判断。实验结果表明:该模型的平均识别率达到80.2%。在同组实验数据下,使用云模型方法比采用K最近邻(KNN)及支持向量机分类算法的检测率都要高。

基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。

基于离散Fréchet距离的地图匹配方法

针对离散Fréchet距离可以用于近似估计Fréchet距离且易于计算的特点,文章引入了离散Fréchet距离来判别轨迹曲线与路网路径的曲线间的距离,提出了一种基于离散Fréchet距离的全局地图匹配方法,并使用基于云模型的不确定性推理方法,实现全球定位系统(global positioning system,GPS)轨迹数据的全局地图匹配,并验证了该算法的有效性和实用性。

一种具有相依关系的二维云推理方法及其在预测中的应用

基于云模型的定性知识推理通过构造规则发生器实现不确定性推理。然而传统的二维云推理方法并未考虑条件云之间的相互影响,故此对传统方法进行改进,通过条件云云滴的乘积作用,构造相应的规则发生器,提出一种基于相依条件云的二维云推理方法。将该方法应用于美国GDP预测,预测结果表明该方法的效果明显优于传统方法,进而表明该方法可行且有效,并在一定程度上弥补了传统方法的不足。

基于气象参数的逐时建筑热负荷云预测

针对现有建筑热负荷预测精度不高和随机泛化能力不强的问题,在考虑短时热惯性因素情况下,对建筑热负荷影响因素进行Spearman秩相关性分析,借助K-mean聚类归纳热负荷预测多维多规则云推理发生器,以室外温度、太阳辐射作为规则前件输入,进行气象参数下基于正逆向云算法的建筑热负荷云预测。结果显示基于聚类的多维多规则云预测在保证预测可靠前提下,预测精度和随机泛化能力均得到提高,平均相对误差为3.72%,相较不分类多维单规则精度平均提高了76.12%,结果可为精细化供热、节约能源提供支持。

基于云综合评判模型的辽河流域水资源承载力评价

通过有效结合不确定性概念的随机性与模糊性,运用云综合评判模型科学评价了流域水资源承载力,其中隶属度的随机性与评价等级的模糊性分别运用超熵的概念和隶属度函数进行描述分析。然后将其评价结果与可拓评价法、模糊综合法进行对比分析,验证了模型的可行性与准确性,可为流域水资源管理规划和优化配置提供一定指导和参考。

基于云模型的数据挖掘在入侵检测系统中的应用

云是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型。通过云模型对随机性和模糊性的有机拟合,使自然语言有效地被数字特征所表征。提出一种基于云模型的入侵检测方法,该方法通过监控各级主机系统资源使用情况,通过云变换得到原始资源数据的概念划分,然后通过云规则发生器自动生成入侵规则,从而得出相应的入侵决策。模拟实验表明该方法具有较准确的检测能力和适应能力。

基于云模型的三维土工网防护边坡侵蚀稳定性综合评价

在分析各项影响因素分级标准的基础上,建立了三维土工网护坡侵蚀稳定性的综合评价体系.针对三维土工网边坡侵蚀稳定性分析中不确定性问题,将云模型理论引入到综合评判中,实现了定性与定量的不确定性转换.通过构建前件云发生器和后件云发生器,利用不确定推理,确定各项评价指标的具体分值.借助层次分析法与敏感度分析确定各项评价指标的权重,进而得出综合评价体系的整体得分.工程实例计算结果证实了模型的实用性和有效性,为三维土工网防护边坡侵蚀稳定性的评价提供了一条新的途径.

基于云模型理论的短期风速预测方法

基于不确定性理论与方法,采用模糊c均值(FCM)聚类算法对历史风速数据进行聚类分析.在此基础上,利用云模型理论将由聚类产生的一系列定量数据集合转化为由3个云模型数字特征值表示的定性概念,建立风速云模型.将历史风速时间序列中的分钟级变化规律以及日变化规律应用到云模型规则发生器中,建立风速预测的组合云模型.误差概率统计发现,该模型24h风速预测绝对误差小于2m/s的概率为97.94%,预测曲线的均方根误差为0.98m/s.将云模型预测值的期望与RBF神经网络预测值对比,预测精度有所提高,预测曲线基本反映出了风速的变化规律,表明基于云模型的预测方法在风速预测方面的可行性.