基于线性预测能量谱系数的自然语音和耳语音的分类研究

在进行语音识别之前对自然语音和耳语音进行预分类,再分别放入各自的识别系统,可以提高耳语语音识别系统的识别性能。基于此,文中提出一个新的特征线性预测能量谱系数(LPESC),在该特征的提取过程中,对提取到的频谱图进行切分,以便获取到更多的语音信息,并将其用于耳语音分类。此外,还特别设计4种不同的滤波器组,并将提取到的特征应用于7个分类器上。实验结果表明,密集的均匀三角滤波器组更加适合提取该特征,在7种传统分类器上均有较好的分类效果,其中SVM分类效果最好。最后,对比LPESC与传统特征(39维的LFCC和MFCC)在7种分类器上的分类效果,验证新特征的有效性。实验还发现,女生的耳语音有更好的分类效果。

综合能源系统源-荷能量的多时间尺度预测

为应对可再生能源利用和用户负荷的不确定性,提出一种多时间尺度预测方法。预测过程分日前、日内滚动和实时3个阶段进行,时间尺度分别为1 h、15 min和5 min。首先,采用基于差值统计的预测方法完成气象参数的3个阶段预测;其次,在负荷预测的日前和日内阶段,建立了信号分解与机器学习相结合的回归预测模型,实时阶段建立了机器学习时间序列预测模型;接着,以测试集的预测精度指标为依据确定了日前和日内滚动阶段对典型日负荷的最佳预测方法;最后,将预测方法应用于典型日的能量预测,验证了方法的可行性。研究结果显示:3个阶段典型日气象参数预测结果的决定系数R~2都在0.8以上;在日前和日内滚动阶段,多元负荷的预测任务应采用不同的信号分解方法,实时阶段负荷预测结果的R~2值均超过0.9,平均绝对误差百分比(mean absolute percentage error, MAPE)接近0。

基于时空知识关联性深度挖掘的频谱能量预测方法研究

频谱能量预测是实现有限频谱资源高效利用的重要途径,而对历史电磁频谱数据进行多尺度、多维度的时空知识提取和关联关系挖掘,从而形成电磁环境画像是实现精准频谱能量预测的重要基础。对于单采集点的时间动态频谱能量数据,时域知识关联关系挖掘受到频谱数据体量大及特征维度高的影响,本文提出了基于并行多模型融合的单点时域特征提取和预测方法;对于多点采集形成的区域频谱能量数据,受到时间动态和空间分布不均的双重影响造成时空知识关联关系挖掘困难,本文首先基于区域电磁环境的相关性构建区域电磁环境的相关关系图,然后基于关系图的关联信息设计了基于图卷积的网络预测模型,研究电磁环境中频谱能量预测问题。通过仿真实验,验证了无论是在单点时间动态场景下还是区域时空场景下,本文提出的方法均优于基线模型,具有良好的预测精度和鲁棒性。

基于贝叶斯网络的现货市场化交易用户电能量预测

为提升电能量预测准确性,研究基于贝叶斯网络的现货市场化交易用户电能量预测方法。利用主成分分析降维处理用户电能量数据;以余弦相似度为降维后数据聚类的形态度量相似判据,建立用户电能量特征库;利用评分搜索与期望最大化算法确定贝叶斯网络结构与学习网络参数,建立贝叶斯网络模型,在该模型内输入特征库内的数据,输出电能量预测结果。实验证明:该方法可精准聚类用户电能量数据曲线,精准预测用户电能量;该方法网络参数学习时的相对熵距离较小,具备较优的网络参数学习效果。

太阳能无线传感器网络的能量预测与管理

无线传感器网络存在电池电量受限问题.为延长网络寿命,传感器节点可以通过太阳能电池板将太阳能转换成电能以供自身运转.基于太阳能的不确定性和间歇性等特点,提出了一种太阳能收集预测算法和能量管理方案,根据预测的能量,调整传感器节点的调度计划,实现节点的能量消耗中性,从而使无线传感器网络能够长期稳定地工作.仿真实验表明,所提出的方案在能量预测精度和能量管理策略方面有明显的优势.

生物质的能量预测及建模

选择 2 0种中国草本、木本生物质为试样 ,粉碎至 0 .8～ 1.2mm ,在 (110± 5 )℃条件下连续干燥 12h以上 ,取出后立即进行C、H、N元素含量和发热量测定 ,并根据测定结果 ,分别建立了基于C、H元素含量的能量预测经验公式 ,该公式分别通过了α =0 .0 1和α =0 .1检验。研究表明 :生物质的能量大小与其C、H元素的含量呈线性正比关系 ;生物质的发热量随着其氮元素含量的增加呈明显减少趋势 ,但未达到显著水平。

一种基于能量预测的无线传感器网络分簇算法

为了解决无线传感器网络能量有效利用的问题,提出一种利用能量预测选择簇头节点的分簇算法:CHEP利用文中建立的传感器节点工作状态转换模型,CHEP算法将所得的剩余能量预测参数作为考虑因素引入阀值的计算,从而使高剩余能量且能耗较慢的节点能够在每一轮中被优先选为簇头节点.通过仿真实验,将CHEP与其他分簇算法进行分析和比较,验证了CHEP算法中能量预测机制以及阀值改进的有效性.结果表明CHEP能够更好地平衡网络负载,延长网络寿命.

无线传感器网络路由中的能量预测及算法实现

基于无线传感器网络中路由协议高效合理利用能量的要求,提出一种基于剩余能量预测的地理位置路由(EPGR,energy prediction and geographical routing)算法。算法通过建立传感器网络节点运作模型,及相邻节点剩余能量预测机制,优化路由选择。仿真和分析表明,EPGR算法能够有效地优化数据传输路径,均衡传感器网络节点的能量消耗,延长网络寿命。

多级能量异构无线传感器网络的能量预测和可靠聚簇路由协议

传感器网络技术是普适计算中实现位置感知和上下文感知的主要技术手段,有着广泛的应用前景.文中提出了一种适合普适计算环境下多级能量异构无线传感器网络的新的剩余能量预测REP模型和可靠聚簇路由RCR协议.协议中节点通过建立相邻节点剩余能量预测机制,使选举簇头节点的概率与节点当前剩余能量直接相关,以优化数据传输路径,均衡节点的能量消耗,延长网络寿命.此外还通过多簇头方法,采用每个簇由多簇头节点共同承担簇头节点的作用,提高数据传输可靠性.仿真实验结果表明,RCR协议能获得比LEACH协议和HEED协议等主要聚簇协议更长的生存时间、更高的能量利用率和更高的数据传输可靠性.

基于量纲分析理论的煤尘爆炸能量预测模型

为预测煤尘爆炸能量,基于量纲分析理论建立煤尘爆炸能量预测模型。选取爆炸能量E、空气密度ρ和大气压强p的量纲为导出量纲。根据量纲分析Π定理得出含有待定参数!的具有普适性的能量预测模型。通过小型煤尘爆炸性实验设计,测定10次爆炸最长火焰长度平均值l_0、10次最长火焰长度出现时间平均值t_0与该小型煤尘爆炸中释放能量E_0,确定模型中参数!为0.467。对模型变量t、E、l的函数关系进行合理性检验。通过实测的15组不同时刻的火焰长度进行模型变量t、l幂指关系检验。检验结果表明:量纲选取完备,预测模型科学合理。

基于能量预测的无线传感器网络节点覆盖调度算法

针对无线传感器网络中存在的热区问题,采用非均匀部署方案,并在此基础上提出基于能量预测的无线传感器网络节点覆盖调度算法。并对算法进行了仿真实验和性能分析。结果表明该算法可以延长的网络生命周期并在较长的时间里保持较高的网络覆盖率,能够达到网络内大多数节点能耗均衡的设计目标。

健康成人公式预测法与间接测热法测定静息能量消耗的差异

背景:间接测热法为临床上测定静息能量消耗的"金标准",由于缺乏设备,常常需要选择预测公式计算静息能量消耗,哪个预测公式的计算值最接近间接测热法尚无定论。而在使用预测公式的时候,到底用标准体质量还是实际体质量一直是营养学界争论的热点。目的:探讨预测公式计算的静息能量消耗的准确性和间接测热法的意义及标准体质量的应用是否可以增加预测公式的准确性。方法:选择27名健康成人(男13名,女14名)为研究对象,于早晨8:30～11:00之间,用ultima PFX代谢车测定其静息能量消耗。用Broca公式和Broca改良公式分别计算男女受试者的标准体质量,并将标准体质量和实际体质量带入Harris-Benedict(H-B),Schofield,WHO,Owen,Mifflin和Liu氏等能量消耗预测公式,计算静息能量消耗。比较预测静息能量消耗与测定静息能量消耗之间的差异。结果与结论:在男性受试者中,所有公式(标准体质量和实际体质量)计算的静息能量消耗和测定静息能量消耗间的差异均无显著性意义(P>0.05)。而女性受试者中,用Liu氏和Owen公式计算的静息能量消耗低于测定静息能量消耗(P<0.05);同时用标准体质量计算的静息能量消耗较用实际体质量计算的高(P<0.05或P<0.01),但相对于测定静息能量消耗,两种方法的准确率差异无显著性意义(P>0.05);各种预测公式中H-B、WHO和Schofield的准确率较高,可达62.96%。所以不建议使用预测公式计算个体静息能量消耗,但在不能使用间接测热法时,应用H-B、WHO和Schofield公式较准确。

基于马尔科夫链的并联PHEB预测型能量管理策略研究

为使能量管理策略更好地面向实时应用,本文中针对一款装有自动机械式变速器(AMT)的并联插电式混合动力客车(PHEB),展开预测型控制策略的研究,以实现挡位选择和功率分配的协同优化。首先,基于马尔科夫链模型,计算转矩状态转移概率,得到不同预测时域长度的预测车速;在此基础上,进行滚动时域内的功率分配和挡位选择协同优化。其中,在滚动时域内的优化选择含电池SOC和挡位两个状态变量的二维动态规划(DP)算法。分析了不同预测时域长度对预测结果的影响,并对动态规划、基于规则的能量管理策略和预测型策略进行对比。结果表明:与基于DP的能量管理策略相比,本文中提出的预测型策略的能耗增加了17.3%,但与基于规则的能量管理策略比较,预测型策略的能耗降低了29.7%。

基于蚁群算法的WSN能量预测路由协议

LEACH协议中的簇头和基站采用一跳通信,导致能量消耗过快。为此,提出一种基于蚁群算法的无线传感器网络(WSN)能量预测路由协议。引入蚁群算法思想,簇头节点通过多跳方式与基站节点进行通信。在计算蚂蚁选择下一跳的概率时,考虑节点可能的能量消耗,避免路径选择过于集中。仿真结果表明,该协议能降低簇头能量消耗,延长网络寿命。

基于光伏能量预测的微电网储能优化配置方法

建立了基于光伏能量预测的微电网智能能量管理系统,提出一种经济性优化方法进行微电网储能配置。由于光伏发电系统的输出功率随气象条件变化具有随机性,因此采用发电预测模型的输出作为光伏电池的功率限制条件。由于储能优化涉及多个时间段且受能源价格和电力价格的影响,因此需建立储能模型以确定最优的操作策略,采用矩阵实数编码遗传算法进行求解。通过一个小型直流微电网算例验证了所提模型和算法的有效性,相关结果可用于评估微电网的储能配置和经济效益。

基于能量预测的增程式电动汽车分时混动能量管理策略

本文中针对增程式电动车提出一种基于能量预测的分时混动能量管理策略。首先,根据静态导航历史数据,利用决策树算法的原理分别设计了基于移动平均和基于突发事件的两种能量预测算法;接着,对两种预测算法分别进行测试,分析其特点;最后,根据模拟的历史数据和未来数据,预测能量使用情况,分析预测精度,并比较分时混动能量管理策略在两种预测算法下的能量分配情况。结果表明:无论对于循环初期SOC的渐增,中期的突变,还是末期的波动,基于移动平均预测都优于基于突发事件的预测。

基于剩余能量预测的WSN模糊分簇算法

为了进一步降低无线传感器网络的能量消耗,延长网络寿命,提出一种基于剩余能量预测的无线传感器网络模糊分簇算法。新算法根据节点到基站的距离和邻居节点的数目,对候选节点转发数据的能耗进行预估,得到节点的预测剩余能量。然后采用模糊算法在综合考虑候选节点的原始能量和预测剩余能量的基础上计算竞争半径,选出多个簇首,构建大小不均的簇。仿真实验表明,与其他路由算法相比,该算法可以更好地优化簇的结构,均衡网络能耗,延长网络的生命周期。

基于能量预测的分簇可充电无线传感器网络充电调度

为及时对可充电无线传感器网络中的"饥饿"节点补充能量,提出了一种基于预测的分簇低能量路径移动充电算法(CLP)。网络采用非均匀分簇的多跳路由协议,每个簇选取能量最低的节点作为簇头节点,移动充电车仅为簇头节点充电并收集簇内节点的能量信息。每次充电调度完成后,移动充电车将所收集的能量信息发送至基站,基站根据马尔科夫模型预测各簇内节点的能耗,以优化选取下一次的充电目标。仿真结果表明,采用CLP算法比旅行商问题(TSP)算法的网络效用提高约20%,数据传输能力提高约17%。

基于等效过程小波神经网络的太阳逐日辐射能量实时在线预测模型

针对太阳逐日辐射能量时间序列的强非线性和非平稳性,采用神经网络结合傅里叶变换和小波多尺度分解,等效建立太阳逐日辐射能量小波过程神经网络实时在线预测模型,使其具有更多的自由度和更强的非线性逼近与随机性估计能力。以重构相空间的嵌入维数作为网络输入的傅里叶变换点数长度,避免输入量选取的任意性造成信息丢失的问题;通过小波多尺度分解,使其在不同尺度上表现出准平稳性,并以此确定网络隐层节点数;通过综合太阳逐日辐射能量、日照时数百分比和云量的时间序列数据对预测模型进行训练,仿真结果表明,该方法能实时有效在线递推预测太阳逐日辐射能量。

基于云层图像的塔式太阳能热发电能量预测方法

提出一种应用于塔式太阳能热发电系统的云层图像识别与运动检测方法,动态预测云层移动对系统热发电能量的影响。该方法利用小波维纳滤波对工业相机实时采集的天空图像进行降噪处理,基于Lab空间边缘检测算法识别天空图像中的云层,结合CSIFT匹配特征点计算得到云层运动速度和方向,并通过云层、太阳、镜场间的相对位置关系实时分析和预测系统热发电能量受云层运动的影响。实验结果表明,该方法的预测实时性和准确性均满足要求,具有较高的工程应用价值。