非参数核密度估计模型预测双酚A的物种敏感度分布规律

双酚A(bisphenol A,BPA)已被证实是内分泌干扰物,可干扰生物体正常的激素功能,对生殖、发育和免疫系统产生不良影响。BPA进入环境后可能会对水生生物和陆地生物造成毒性效应,破坏生态平衡。针对BPA对水生生物的毒性特点,利用Python语言,基于非参数核密度估计模型构建BPA淡水水生生物的敏感度分布曲线,选用4种传统参数模型进行对比,并推导出保护淡水水生生物的BPA水质基准建议值。结果表明,Python构建模型简单高效,相较于传统的参数模型,非参数核密度估计方法在推导BPA的水质基准建议值中更加稳健和精准,其中3种参数模型和非参数核密度估计模型计算得到的雌激素效应毒性的HC 5值分别为4.175、5.096、3.888和1.179μg·L^(-1);其他毒性的HC 5值为7.139、7.452、7.533和5.869μg·L^(-1)。非参数核密度估计的方法能够更好地构建物种敏感度分布曲线,为进一步研究BPA的水质基准和更好地保护淡水水生生物提供了有力支持,同时研究成果以期为我国地表水环境质量标准的制修订做出贡献。

基于模糊序优化的风功率概率模型非参数核密度估计方法

风功率概率分布模型的研究对于风电场规划以及运行都具有重要意义。提出了一种基于模糊序优化的风功率概率密度模型非参数核密度估计方法。该方法利用风电运行数据样本构建风功率概率密度的非参数核密度估计模型;然后建立用于模型带宽选择的多目标优化模型;最后利用模糊序优化对带宽优化模型进行求解。实际算例结果表明,所提建模方法完全由样本数据驱动,不需要对概率密度模型进行先验主观假设,因而具有更高的建模精度和更强的适用性。

基于非参数核密度估计法的光伏出力随机分布模型

光伏出力的随机性是影响光伏发电稳定性的重要因素。通过对国内某一光伏电站历史运行数据进行统计计算和分析,揭示气象条件差异对光伏出力水平的影响规律,并提出将数据按气象条件分类,用非参数核密度估计法建立晴天、多云、阴天、雨雪4种气象条件下光伏出力的随机分布模型。该方法对数据分布不附加任何假定,只从数据本身特征出发研究其分布特性,适合分析受气象影响显著的光伏出力分布特性。结果表明,模型所示分布特性与相应气象条件下光伏出力实际概率分布具有很好的一致性。

基于非参数核密度估计和改进谱多流形聚类的负荷曲线分类研究

针对高维负荷曲线的聚类问题,提出一种基于改进谱多流形聚类的负荷曲线聚类方法,该方法包括典型日负荷曲线提取、负荷曲线聚类和聚类效果评价3个步骤。首先提取用户负荷特性指标,结合非参数核密度估计方法计算提取用户典型日负荷曲线。在改进谱多流形聚类算法中,引入时间翘曲距离度量曲线相似性,并用高斯核函数计算局部相似性,基于此构建相似性矩阵并聚类。聚类后采用多种聚类有效性指标,从聚类效果、算法稳定性和运算时间3个角度对聚类结果和算法性能进行评价。采用某地区若干用户的负荷数据作为算例样本进行聚类分析,验证了所提出的典型日负荷曲线提取方法和改进谱多流形聚类算法的合理性和优越性。

物种敏感度分布的非参数核密度估计模型

针对目前物种敏感度分布参数方法建模所存在的缺点,首次提出基于非参数核密度估计方法的物种敏感度分布模型,并提出相应的最优窗宽和检验方法。选用无机汞作为案例研究对象,利用非参数核密度估计方法和3种传统参数模型分别推导了保护我国水生生物的无机汞的急性水质基准值。结果表明,非参数核密度估计方法在推导无机汞水质基准中的稳健性和精确度都大大优于传统参数模型,能够更好地构建物种敏感度分布曲线。该方法的提出丰富了水质基准的理论方法学,为更好地保护水生生物提供了有力的支撑。

基于非参数核密度估计法的光储系统容量优化配置

储能技术有助于缩减光伏功率输出的预测误差,并可以提高光伏预测输出作为电力系统调度参考的可靠性。为此,提出基于光伏功率预测误差分布,提出了一种光储系统容量配置方法。利用Markov链和持续法的组合预测模型实现了光伏功率超短期预测,依靠储能系统弥补实际光伏发电功率与预测功率的预测误差。根据非参数核密度估计法建立了光伏功率预测误差分布模型,由日最大绝对能量的累计分布函数给出储能系统的总体容量配置,实现储能系统的整体容量规划。通过对某20 MW(峰值)光伏电站实测数据仿真分析可知,在满足95%储能容量的日需求下,储能配置容量为9 MWh。所提出的方法为光伏电站合理配置储能系统提供了理论依据,使光伏电站具备更好的可调可控能力。

非参数核密度估计在铜、银物种敏感度分布中的应用

采用非参数核密度估计模型构建铜和银保护中国淡水水生生物的物种敏感度分布曲线,并推导了它们的水质基准阈值.结果表明,非参数核密度估计方法在推导IB族两种过渡金属水质基准中的稳健性和精确度都大大优于传统参数模型,能够更好地构建物种敏感度分布曲线.针对不同类别的物种来看.脊椎动物、无脊椎动物、鱼类、甲売类、其他无脊椎动物和全部水生生物的HC5值都随着周期増加而减小,无脊椎动物的敏感性明显高于高营养级的脊椎动物.非参数核密度估计方法的提出丰富了水质基准的理论方法学,为同族或同周期元素之间水质基准阈值的进一步研究和更好地保护水生生物提供了有力的支撑.

基于非参数核密度估计和Copula函数的配电网供电可靠性预测

为了提高配电网供电可靠性预测精度,借鉴Copula函数在可靠性评估方面的应用,提出了基于非参数核密度估计法和Copula函数相结合的配电网供电可靠性预测算法。首先通过考虑线路平均故障率和平均维修时间之间的相关性,采用非参数核密度估计法拟合二者的边缘分布,通过最大似然法估计Copula函数的相关参数;然后采用最小欧式距离进行Copula优选,进而建立线路故障率和维修时间的模型,预测下一年的供电可靠性指标;最后以华东某地供电公司提供的数据为例进行仿真分析。结果表明,该模型能较好地满足供电可靠性预测要求,预测精度高于BP算法。

基于非参数核密度估计的风速短期相依模型

基于非参数核密度估计和时序Markov理论,建立模拟风电场风速的短期时序相依模型。首先由非参数多变量核密度估计理论给出相邻时刻风速的联合概率分布;然后根据Markov理论建立风速时序相依模型。采用该模型模拟产生风速序列,并与历史风速进行对比,结果表明,模拟风速序列可较好地保持历史风速的短期相依性。

基于非参数核密度估计的风电功率区间预测

由于风电的高度随机性和波动性,且风电功率的预测精度仍较低,因此传统的风电功率点预测不足以描绘风电的不确定性。在风电功率点预测值的基础上,采用非参数核密度估计方法计算风电功率预测误差的概率密度,并采用三次样条插值拟合预测误差的概率分布曲线,继而得出满足一定置信概率的风电功率预测区间。结果表明,采用风电功率区间预测能提供风电功率预测曲线和该曲线的变化范围,更有利于风电的不确定性建模。

基于自适应多变量非参数核密度估计的多风电场出力相关性建模

研究多个风电场的联合概率密度,对于风电大规模并网及电力系统运行控制具有重要意义。该文提出一种基于自适应多变量非参数核密度估计的多风电场联合概率密度建模方法。首先以可变带宽代替固定带宽建立一种自适应的多变量非参数核密度估计模型,然后针对模型带宽选择问题,构造了一种以欧氏距离和最大距离为拟合性指标的带宽优化模型,最后利用序优化算法对其进行求解。实际算例仿真结果表明,该文方法不仅较传统基于copula函数的参数估计方法具有更高的精度和适用性,而且还较好地解决了传统多变量非参数核密度估计方法的局部适应性问题。

基于非参数核密度估计的风功率波动性概率密度建模方法

研究风电波动概率模型对于风电一体化及运行具有积极影响。该文提出一种基于非参数核密度估计的风功率波动性概率密度建模方法。首先通过小波分解对风功率样本数据的波动量进行提取,基于波动量样本建立相应的非参数核密度估计模型,然后针对模型带宽选择问题,构造一种以拟合优度检验为约束条件的带约束带宽优化模型,最后利用约束序优化算法对其进行求解。实际算例仿真结果表明,所改进的风功率波动量概率密度模型较传统基于参数估计的模型具有更高的精确性和适用性,并且基于约束序优化的求解算法提升非参数估计方法的计算效率。

基于非参数核密度估计模型的乌鲁木齐河月径流随机模拟

利用非参数核密度估计方法建立了乌鲁木齐河月径流随机模拟的NP模型.其中,通过以最小二乘交叉验证（LSCV）指标为目标的粒子群优化获取NP模型带宽参数;采用可变核带宽方法进行边界修正.使用1958～2010年间53a月径流数据,经过250组分组模拟进行实用性检验.最后,与使用SAMS2007所建立的季节自回归PAR模型进行了对比.结果表明：所建乌鲁木齐河月径流NP模型能较好保持原序列统计特性;与PAR模型相比,它具有参数少、计算简单的特点.

非参数核密度估计视频目标空域定位技术研究

针对智能视频监控场合对视频运动目标定位的需求,本文提出了一种基于非参数核密度估计的视频运动目标空域定位技术。该技术先对代表视频运动目标的前景样本点进行非参数核密度估计,选择具有最高密度指标的样本点为第一个目标中心,然后通过修正样本点的密度估计值,逐步实现对视频运动目标的空域定位。本文的方法是减法聚类视频运动目标定位技术的进一步推广。推广后的定位方法,可根据具体的目标定位场合,灵活选择核函数对样本点进行核密度估计。实验表明,本文方法具有良好定位效果,同时,在样本点的密度估计上更具灵活性。

基于分箱核密度估计的非参数多模态背景模型

提出了一种用于检测运动目标的非参数多模态背景模型。该模型采用分箱核密度估计算法从训练图像序列中得到背景的密度函数。分箱核密度估计算法利用基于网格数据重心的分箱规则,很好地提取了训练图像序列的关键信息,避免了采用全样本数据点的重复计算,大大提高了运动目标检测算法的实时性。通过与全样本算法进行对比,发现该背景模型在运动目标检测中的有效性,可用于户外的实时交通监控系统。

Copula函数的非参数核密度估计方法

文章运用非参数核密度估计技术并结合极大似然估计方法来估计Copula函数中的参数,克服了传统方法在估计Copula函数参数时的不足。并通过计算机仿真分析,证实了此方法的可行性与准确性。

基于VMD-GRU与非参数核密度估计的月径流区间预测方法及应用

提高径流预测的适用性对水资源的合理开发和高效利用具有重要意义。针对传统点预测方法无法有效描述预测结果的不确定性问题,提出了基于VMD-GRU和非参数核密度估计的月径流区间预测方法。首先采用变分模态分解(VMD)将月径流序列分解为一系列相对平稳的子序列,然后利用门控循环单元(GRU)分别预测各子序列,叠加得到最终的点预测结果,最后在点预测的基础上,应用非参数核密度估计进行月径流区间预测,并将提出的VMD-GRU模型与GRU、极点对称模态分解-门控循环单元(ESMD-GRU)和完全集合经验模态分解-门控循环单元(CEEMDAN-GRU)模型进行对比。结果表明,该模型点预测精度明显高于其他模型,同时非参数核密度估计为径流区间预测提供了合理的波动范围,可为管理决策提供参考。

非参数核密度估计的L^r收敛

核密度估计是一种具有广泛应用领域的非参数统计方法.有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的Lr收敛.

基于VMD-GRU和非参数核密度估计的风电功率概率区间预测

提出一种组合的风电功率概率区间预测模型。采用变分模态分解(variational mode decomposition,VMD)算法降低风电功率序列的不平稳性;基于门控循环单元(gated recurrent unit,GRU)神经网络构建点预测模型,得到风电功率的点预测值及误差集,并将误差集划分为多个子区段,对不同的子区段分别采用非参数核密度估计(nonparametric kernel density estimation,NKDE)算法构建概率区间预测模型;将各子区段预测结果进行重组,估计得到在某置信水平下的风电功率概率预测区间。利用我国某实际风电场的历史数据进行仿真研究,验证了所提出方法的有效性。

多分辨率差分图像非参数核密度估计方法仿真

针对多分辨率差分图像核密度估计阶段中,由于信息冗余与重复计算导致的估计结果准确率下降的问题,提出一种非参数核密度估计方法。利用硬件设备采集多分辨率视频序列,提取关键帧图像作为样本集。分割多分辨率的差分图像,形成由背景图像与前景运动目标两部分组成的初始模型。以该模型为基础构建Copula核函数,利用核函数的运算性能分别确定估计窗宽、方差和核密度公式,从而输出差分图像非参数核密度的估计结果。通过仿真得出结论:研究方法平均准确率为98.56%,与传统核密度估计方法相比提升了6.04%,证明此方法具有较高的应用价值。