基于水光电力系统时序生产模拟模型的水光优化配比研究

基于考虑系统负荷、新能源发电出力等时序变化特性的时序生产模拟法,建立了水光电力系统时序生产模拟模型;从系统结构性、经济性、灵活性与可靠性方面综合确定最佳水光容量配比,并通过金沙江上游川藏段水光系统验证了模型的合理性。金沙江上游川藏段光伏电站与水电站出力具有较好的年内、日内互补特性;对于2030年水平年,考虑枯期水电留存,913.6万kW水电配套400万kW光伏的方案综合性能更优,其新增非水可再生电量约60亿kW·h。

水下连续发射弹体干扰特性及发射时序优化

随着对饱和攻击需求的提高,潜艇连续发射过程的发射时序协调控制研究变得迫切而紧要。考虑到弹体间的流体动力干扰是影响安全发射的主要因素,基于重叠网格多自由度仿真技术,针对连续发射的水下弹体开展姿态弹道干扰特性研究。通过分析流场结构发现,以一定攻角发射的弹体形成的发卡形尾涡是造成后续弹体姿态弹道差异的主要原因。根据不同艇速、时间间隔和空间间隔下弹体间的干扰特性建立干扰评价模型。在保证干扰不影响后续弹体的前提下,以最短发射时长为目标,以综合评价函数为约束,基于改进的贪心算法对大筒多弹式布局的水下弹体开展发射时序优化研究,并采用均匀抽样方法验证优化结果准确性。研究结果表明:相对于均匀抽样方法,改进的贪心算法具有相当的计算准确度和更高的计算效率。

基于改进生成对抗网络的时序数据异常检测

针对时序数据复杂的时间相关性,以及现有异常检测模型存在准确性低、训练不稳定等问题,提出一种结合BiLSTM和WGAN-GP的无监督时序数据异常检测模型。使用BiLSTM作为生成器和判别器的基础网络来捕获时序数据的时间相关性;为保证训练过程的稳定性,使用Wasserstein距离取代原有的衡量方法,在判别器损失中加入梯度惩罚项;将重构损失与判别损失相结合定义异常函数,采用局部自适应阈值方法判别异常,提高异常检测的准确性。为验证模型性能,在涉及多个领域的5类数据集上进行实验,其结果表明,该模型相比于Arima、LSTM等模型具有最高的平均F1分数。

基于时序图卷积的动态网络链路预测

动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.

改进多变量时序模型的露天涌水量预测

露天矿坑涌水量变化影响着边坡的稳定性、工程进度和设备使用寿命,在矿山汛期,涌水量的突增给矿山带来巨大的安全隐患。为了做好涌水量突增安全防范,对于汛期涌水量的精准预测成为矿山安全生产的一大难题。针对这一问题,提出了一种基于改进蜣螂优化算法(Sparrow Initialization Dung Beetle Optimizer,SIDBO)优化变分模态分解(Variational Mode Decomposition,VMD)-双向长短周期神经网络(Bi-directional Long Short-Term Memory,BiLSTM)时序模型预测露天矿坑涌水量的方法。对于难以确定VMD参数的问题,利用改进蜣螂优化算法寻找最优VMD核心参数组合。SIDBO算法首先基于t分布的差分策略优化勘探阶段,使用最优解和第二解中位搜寻策略增强全局最优解搜索能力,最后采用麻雀优化算法优化开发阶段。结果表明,与VMD-SIDBO-LSTM等模型相比较,SIDBO-VMD-SIDBO-BiLSTM模型预测精度更高,均方根误差(R_(MSE))、平均绝对误差(M_(AE))、平均绝对百分比误差(M_(APE))、R^(2)分别为5.96、4.96、0.41%、0.98,并将该模型与传统地质方法——水均衡法在实际工程实例中进行对比,该时序模型相对于水均衡法对于矿坑汛期涌水量预测精度提升了3.8%,为露天矿汛期涌水量预测提供了新的技术方法与思路。

基于多序列隐关系的时序事件预测

时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。

“时序共振”与“地域之令”——论彼得·阿克罗伊德小说中的空间复现书写

彼得·阿克罗伊德作为当代伦敦心理地理学复兴运动的主要文化推手,在对伦敦城市地景进行文学制图式的想象性书写中,将其具有玄秘主义色彩的“时序共振”和“地域之令”哲学理念与空间叙事艺术深度融合,从而生成了对玄秘世界中虚构和历史事件的空间复现表征,即对某一城市特定文化地理空间的反复书写模式。本文试图深入探讨这一空间叙事模式特征的主题意旨、审美效果以及深厚的文化内蕴。在其复现叙事中,特定的文化地理空间环境对其中人物精神和行为具有支配性作用,具体表现为相同事件超越不同时域在同一地域反复重现,从而赋予小说中特定的文化地理空间陌生与熟悉并置的玄秘主义色彩。由此,阿克罗伊德既积极呼应了现代主义空间写作的潮流,也继承并发展了英国视像派传统中空间想象的书写传统,昭示了文化地理空间和居民行为之间的玄秘关联,赋予了小说城市哥特空间的暗恐效果,绘制了一幅历史与现实耦合的玄秘城市地图。

眼斑双锯鱼(Amphiprion ocellaris)发育中体色花纹时序发生的色素细胞变化和控制基因表达的分析Ⅱ.仔稚幼鱼时期

眼斑双锯鱼(Amphiprion ocellaris)属于鲈形目、雀鲷科、双锯鱼属,是热带珊瑚礁观赏鱼类的首选品种,其不同发育时期各种色素细胞的动态变化及其控制基因表达情况有待深入研究。记录了眼斑双锯鱼仔稚幼鱼体色花纹模式建成的发育过程,对比不同发育时期体色变化的特点,筛选出仔稚幼鱼时期体色花纹变化较为明显的9个发育时期,并利用荧光定量PCR检测了眼斑双锯鱼各发育时期的10个体色控制基因的表达情况。结果显示:眼斑双锯鱼的体色发生存在明显的时序性,仔鱼时期鱼体呈现半透明状,黑色素细胞排列在身体两侧,随着生长发育数量逐渐增多;稚鱼时期,体表开始出现红色素细胞和黄色素细胞,身体慢慢变得不透明,9 dph开始出现第一道条纹,虹彩色素细胞数量逐渐增多,10 dph时期观察到第二道条纹出现;幼鱼时期,三道白色条纹完全形成,体表的橙红色和白色条纹被黑色素细胞分隔开来,界线逐渐清晰,长成完整的花纹。结合荧光定量PCR结果分析发现:在仔稚幼鱼阶段,10个体色控制基因在各发育时期均有表达,不同功能分类的基因在不同发育时期的表达变化趋势差异较大,在仔稚幼鱼前期表达量变化较大的基因主要为TYR、Dct、Ednrb、Sox10等与黑色素细胞迁移、分化、合成相关的基因;随着幼鱼不断的生长发育,白色条纹逐条出现,与虹彩色素细胞相关的Fms、Foxd3等基因也开始出现表达量显著上升的趋势。

动作时序优化振动信号混沌吸引子特征的断路器操动状态辨识方法

高压断路器分合闸操作过程包括掣子脱扣、弹簧释能、动静触头碰撞等动作,机械振动信号作为能量传递的表现,蕴含着丰富的运行状态信息。该文基于断路器关键动作节点的时序,提出一种动作时序优化振动信号混沌吸引子特征的断路器操动状态辨识方法。首先,由高速相机捕捉断路器操动过程主轴拐臂运动图像,利用目标跟踪算法获取动触头关键运动节点时序指标;然后,依据时序指标划分操动过程,通过对不同阶段的振动信号相空间重构,提取相空间吸引子几何和属性特征;最后,利用智能分类算法进行故障辨识,实验结果验证该方法在大幅节省时间开销的同时,有效提高了分类辨识的准确率达96.9%。该文方法在断路器状态监测和带电测试中具有广阔应用前景。

时序效应对高负荷低压涡轮边界层流动的影响研究

在多级涡轮内,时序效应和寂静效应会对涡轮内部的流动及气动效率产生重要影响。以两级高负荷低压涡轮为研究对象,采用高精度大涡模拟(LES)方法对该涡轮叶中截面的非定常流场进行了数值模拟,分析了5个不同静子时序位置下第二级静子的时均流场、时均性能和边界层流动非定常演化过程。结果表明:第一级静子的不同时序位置对第二级静子的总压损失产生明显影响,不同时序位置下总压损失的变化可达20%;不同时序位置下的流动差异主要归因于尾迹在通道中的输运过程,尾迹与边界层相互作用诱导边界层转捩发生变化;当第一级静子尾迹撞击第二级静子前缘时,第二级静子吸力面的分离区明显减小,第二级静子的总压损失达到最小值;相反地,当第一级静子尾迹在第二级静子通道中靠近吸力面侧约40%栅距位置时,一个转子通过周期内第二级静子吸力面后部出现多个分离泡,使得时均总压损失最大。

基于Spark分布式框架的海量星表数据时序重构方法研究

时序重构是时域天文学中的一个重要数据处理步骤,也是拟合光变曲线、开展时域分析研究的基础。Hadoop、Spark这类MapReduce分布式模型在执行过程中分布式集群节点间的任务比较独立,需要跨节点的数据传输量较少。提出了非阻塞异步执行流程,每个分布式进程完全针对独立天区的数据进行连续处理,而分块边缘的新增天体导致的其他节点的新增证认任务延时批量追加,并且会根据各进程间的进度不同确定追加方式,保证证认计算没有遗漏,从而在提高并发效率的同时保证算法的精度。此外,对两表间的不同Join策略从理论和实验两个角度进行了研究并提出了免Join策略。最后通过基于Spark分布式框架的高效时序重构系统的设计完成了以上研究的验证。实验表明,与以往研究结果相比,该时序重构算法效率提升明显,为时域天文学中的天文时序数据分析的开展打下了良好的基础。

基于PySide的时序InSAR处理可视化及形变监测实验

基于PySide等Python开源扩展包设计了时序InSAR处理可视化软件,用于实验教学。软件集成了影像搜索、像对组合、干涉解缠、时序处理、结果展示等功能。以山东省菏泽市郓城县城区地表沉降监测为例,进行实验处理,并与PSDS-InSAR方法进行精度对比。相较于传统命令行操作方式,该可视化软件极大地简化数据处理的复杂性,软件处理结果与PSDS-InSAR所得结果的相关性为0.9866。软件提高实验效率,降低实验难度,改善了实验效果,结果精度表明该软件也可直接应用于工程实践。

基于树分解的时序最短路径计数查询算法

最短路径计数是图计算中的一个重要研究问题,旨在查询顶点间的最短路径数,在路径规划与推荐、社交网络分析、介数中心性计算等领域中具有广泛应用。目前越来越多的网络可以建模为时序图,但少有针对时序图最短路径计数查询问题的研究工作。与静态图相比,时序图增加了时间信息,结构更复杂,在查询顶点间的路径数时必须考虑边的激活时间,因此静态图中最短路径计数方法不再适用于时序图,并且在大规模时序图上查询更具有挑战性。针对时序图最短路径计数问题,提出一种基于树分解构建TG-TL(Temporal Graph-Tree Label)索引的方法。该方法包含构建索引和在线查询两个阶段,构建索引阶段根据时序图的属性设计时序树分解算法,将时序图转化为树结构;然后根据树分解的结构信息以及凸路径定义提出高效构建索引算法;在线查询阶段基于TG-TL索引提出了高效的时序最短路径计数查询算法。在4个真实数据集上的实验结果表明,与基于TG-base(Temporal Graph-base)索引的查询算法相比,所提算法在查询效率上至少提升了61%,因此所提算法在时序图最短路径计数问题上具有高效性和有效性。

基于双向稀疏Transformer的多变量时序分类模型

针对多变量时序(Multivariate Time Series,MTS)分类中长序列数据难以捕捉时序特征的问题,提出一种基于双向稀疏Transformer的时序分类模型BST(Bidirectional Sparse Transformer),提高了MTS分类任务的准确度.BST模型使用Transformer框架,构建了一种基于活跃度得分的双向稀疏注意力机制.基于KL散度构建活跃度评价函数,并将评价函数的非对称问题转变为对称权重问题.据此,对原有查询矩阵、键值矩阵进行双向稀疏化,从而降低原Transformer模型中自注意力机制运算的时间复杂度.实验结果显示,BST模型在9个长序列数据集上取得最高平均排名,在临界差异图中领先第2名35.7%,对于具有强时序性的乙醇浓度数据集(Ethanol Concentration,EC),分类准确率提高30.9%.

多风电场支撑电网频率稳定的动态差异化时序协同控制策略

针对大规模风电接入带来的系统调频能力不足和调频能量透支引发的频率二次跌落问题,提出一种多风电场动态差异化时序协同的频率支撑控制策略。首先,阐述综合惯量控制下的风电调频原理,基于能量守恒理论分析频率响应阶段风电场群的动能变化过程,揭示多风电场调频时序对调频效果的影响机理。然后,考虑多风电场群同时调频引发的频率二次跌落风险,从场站交互视角逆向设计风电场群调频时序和任务分工,并依据风电实时调频能力动态调整投入顺序,以保证初期过程惯量安全需求,并提升频率最低点、抑制风电场群退出调频导致的系统频率严重二次跌落。最后,通过3机9节点测试系统和某实际电网算例对所提控制策略进行仿真分析,结果验证了所提策略的有效性和实用性。

SL-tgStore:新的时序知识图谱存储模型

为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时间窗口存储为增量日志.提出相应的阈值来确定初始快照的生成,即生成一个新的时间桶,以达到初始快照数量与增量日志数量的平衡,并提出临时快照生成算法.所提模型能够有效解决快照存储模式消耗内存大,日志存储模式查询效率低的问题.为了对SL-tgStore模型进行高效查询,在此基础上提出4种索引结构.在4个真实数据集上进行实验,理论研究与实验结果表明所提出的SL-tgStore存储模型具有高效性.

基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测

为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。

面向NVM的IoT时序数据多态协作压缩策略

压缩策略是影响IoT时序数据存储系统性能的重要因素,而现有压缩策略缺乏针对NVM与IoT时序数据特性的优化机制。因此,提出了面向NVM的IoT时序数据多态协作压缩策略。首先,给出了IoT时序数据的组织结构。然后,针对IoT时序数据在一段时间内较稳定以及在用户态与内核态读写NVM适合的粒度差异较大的情况,设计了分层压缩策略。在用户态接收数据时,采用轻量级的数据压缩算法减少需存储的数据量,也减小了对IoT时序数据的存储效率的影响;针对IoT系统以查询和分析异常时序数据为主的特性,设计了深度压缩算法,在内核态对历史IoT时序数据进行深度压缩。其次,针对深度压缩历史IoT时序数据与存储新接收的IoT时序数据之间对NVM带宽的竞争,提出了写带宽保证的动态调整算法。最后,构建了面向NVM的IoT时序数据多态协作压缩策略原型PCCTSMS,并使用YCSB-TS工具进行测试与分析。实验结果表明,与InfluxDB、OpenTSDB、KairosDB和TVStore相比,PCCTSMS最高能提升161.3%的写吞吐率以及减少14.6%的存储空间。

光伏产业政策叙事主题时序演化特征研究

首先,定义光伏产业政策叙事的3W框架,抽取光伏产业政策结构化内容,基于词频-逆文档算法,挖掘2011—2022年光伏产业政策叙事主题关键词;其次,采用共现网络方法,可视化分析光伏产业政策叙事主题;最后,耦合时序要素,对应分析光伏产业政策叙事主题焦点。结果表明:2011—2019年光伏产业政策叙事主题聚焦于推广分布式光伏应用、解决光伏消纳等问题,而2020—2022年光伏产业政策叙事主题逐渐转向提升储能、保障消纳等方面。省域政策对国家政策的执行度较高,政策主题基本保持一致,但省域政策会根据自身发展实际因地制宜地施策,各地发展方向均有所侧重。从对应分析来看,不同阶段国家政策的叙事主题以及不同阶段省域政策的叙事主题均存在显著差异。省域政策年际间衔接紧密,政策执行力度强,政策寿命长;国家层级与省域层级的叙事主题和时间变量之间都存在非连续的局部相关性。

时序数据图像化:战术意图识别及可移植框架

通过将时序编码为图像,提出了一种结合曲线滤波技术和EfficientNetV2图像识别网络的鲁棒且可移植的战术意图识别框架。曲线滤波技术可以有效地减少大量时域特征、模型参数和训练时间的冗余,基于此,提出了一种改进的格拉姆角场方法将时序编码为图像,提高了卷积神经网络的特征提取能力。EfficientNetV2网络能够有效地处理意图图像,并成为预训练模型,使得在不同系统之间进行迁移学习成为可能。实验结果表明,所提框架相对于机器学习及深度学习等方法提高了0.99%以上的准确率,具有更好的性能、可扩展性、鲁棒性和可迁移性。