基于工况参数和改进LSTM的空冷器热风温度预测

针对传统抽水蓄能电站技术供水系统存在的智能化水平偏低,供水对象的温度与许多参数变量之间相互耦合的问题,建立了基于工况参数和改进长短期记忆(LSTM)神经网络的发电机空气冷却器热风温度预测模型.首先对原始数据进行清洗,其次采用随机森林(RF)特征降维,对参与目标预测的诸多高维测点变量进行重要度排序,验证所提的工况参数与预测对象温度的相关性,最后再将其输入PSO-LSTM神经网络进行模型的求解.将所提的基于工况参数和改进LSTM方法与最小二乘法、BP神经网络以及原始的LSTM方法进行对比.结果表明,所提模型能有效预测发电机空气冷却器热风温度,相较其他的模型,预测误差能够下降50%左右,同时拥有更优的预测稳定性.

基于灰色关联分析的电力基建工程造价预测方法

造价预测是电力基建工程前期工作中重要内容,对降低工程造价风险具有重要意义,但是现行方法 MARE比较高,预测精度比较低。基于此,针对现行方法存在的不足,提出基于灰色关联分析的电力基建工程造价预测方法。先筛选电力基建工程造价特征指标,建立工程造价预测指标体系,然后采用T分布随机邻域嵌入降维算法对预测指标降维处理,通过对预测指标灰色关联分析,优选相似特征工程,最后采用均值强化算法对特征相似的工程造价预测值计算,实现基于灰色关联分析的电力基建工程造价预测。经实验证明,本文方法预测结果 MARE值不足1%,预测值与工程造价真实情况基本贴合,在电力基建工程造价预测方面具有良好的应用前景。

一种相似性学习算法及其在人脸识别中的应用

传统的支持向量机相似性学习算法在构造样本对时,会考虑所有的原始训练样本,致使样本对空间和原样本空间呈平方关系,而过多的训练样本对会降低训练速度。为此,提出一种改进的支持向量机相似性学习算法,并应用到人脸识别中。引入二元样本对方法构造样本对,采用K近邻算法减少不相似样本对的生成,从而加快支持向量机的训练速度,同时使用随机降维方法来降低人脸数据的维数。实验结果表明,与基于差空间样本对和差绝对值样本对的算法相比,该算法可获得更高的识别率。

基于Log-Gabor特征的非局部均值去噪算法及其加速方案研究

非局部均值是一种基于像素长程相似性的图像空域去噪算法,它一般采用灰度块特征估计图像像素间的相似度.文中首先使用基于Log-Gabor特征的像素间相似度估计获得较好的去噪效果.然后将Log-Gabor几何特征与灰度特征相融合,所形成的混合相似度具有更佳的图像局部自适应性,去噪性能也得到进一步提升.最后基于Johnson-Lindenstrauss引理研究利用随机降维方法降低相似度计算的复杂度,并对该加速方案的效果,包括降维前后运行时间对比、降维程度以及随机矩阵生成方法对去噪性能的影响,进行详细试验分析,结果证明基于随机降维的加速方案的有效性.