多时间尺度下基于相关系数的光伏电站出力特性分析

随着电力系统中光伏渗透率不断增加,其出力的随机性和波动性对电网运行的影响越来越大。为了研究光伏电站的出力特性,文中分析了光伏发电出力随机特性及光伏电站出力的相关性。首先,根据光照强度概率密度函数和光电转换特性,建立光伏出力概率密度函数,得到不同取值条件下Beta分布概率密度曲线;其次,根据光照强度概率密度函数和光电转换特性的相关关系的定义分析了相关系数的分类,并对比分析Person相关系数和协方差;最后,利用样本数据计算得出相关系数,估计整体相关系数。本研究以青海省海西蒙古族藏族自治州两座光伏电站的出力数据为例,分析了两座光伏电站在不同时间区间内的出力相关性,并通过统计分析的方法对相关系数进行显著性检验表明,两座光伏电站出力特性显著相关。

中草药分类的数学模型构建与实现

本文对2021年高教杯全国大学生数学建模竞赛E题中草药的鉴别建立了数学模型。通过对不同中药材表现的光谱特征的吸光度数据进行线性分段然后聚类分析,再计算出各未知产地药材与已知产地药材的中红与近红吸光度的欧氏距离,从而鉴别出中药材的种类和产地,最后利用Person相关系数进行检验,验证了模型的正确性。

基于LSTM神经网络的双馈风机控制参数辨识方法

针对暂态工况下难以高精度获取双馈风机(doubly fed induction generator,DFIG)电磁模型控制参数的问题,提出了一种基于长短期记忆(long short-term memory,LSTM)神经网络的DFIG控制参数高精度辨识方法。首先,利用RT-LAB半实物仿真平台测量并获取DFIG控制器硬件在环数据,并在Plecs平台中搭建DFIG模型的辨识模型;然后,采用Person相关系数法提取出高相关性特征并进行神经网络训练;最后,利用提出的LSTM神经网络对DFIG的控制参数进行辨识,并与实测数据进行对比,验证了所提方法的可行性、有效性和实用性。结果表明,相比于传统辨识方法,所提LSTM神经网络参数辨识方法在暂态工况下可有效提高DFIG电磁模型控制参数的辨识精度。

基于项目相似度的加权Slope One算法研究

个性化推荐技术为人们处理信息过载问题提供了一种有效的解决方式。Slope One算法是预测评分的推荐算法,通过用户对项目的评分差异来预测评分,再根据预测评分进行推荐。但是,它并未考虑到项目相似度的问题。因此,提出项目相似度的加权Slope One算法,先使用Person相关系数计算出项目相似度,将Person相关系数归一化后与Slope One算法加权结合。最后,在Movielens数据集上进行实验,发现改进后的算法在MAE值上有较好的结果,使推荐更加准确。

大型风电机组塔筒应力监测点的选取与预警

针对大型风电机组塔筒应力监测缺失的情况,提出基于ANSYS软件应力点的选取和person相关系数法与灰色神经网络相结合的塔筒应力预警方法。通过软件分析和现场实验,研究风电数据和塔筒应力的关系并进行塔筒预测,并首次应用到风电机组塔筒监测中。通过实例分析验证,结果表明,该方法能够有效地进行塔筒应力监测,为风电机组塔筒的检测提供依据。

基于蚁群优化聚类算法的DNA序列分类方法

针对目前聚类算法在分析DNA序列数据时的低效性和分类精度低问题,提出一种基于蚁群优化聚类算法(ACOC)的DNA序列分类方法,在密度函数中加入自适应感应量并应用模拟退火中的α-适应量的冷却策略,采用DNA序列分布特征对DNA序列进行特征提取,并将pearson相关系数引入蚁群聚类算法作为相似性度量。在EMBL-DNA数据库中4个数据集上进行性能测试,与统计聚类和k-means算法的比较表明,该方法具有一定的时间和精度的优越性,适于解决大规模DNA序列数据分类问题。

高校二级学院教学质量评估的信度分析

本文选取某学院连续两年上半学期37门课程作为研究对象,运用相关性分析方法根据教学评价结果进行教学质量评估的信度分析。研究结果表明,学生对于课程的综合评价在最终的教学效果上能够反映出来,整体评价与教学效果基本一致,对于教学质量的评价可信度很高。

基于商空间的黄金价格SVM模型预测

结合商空间理论和支持向量机方法,根据黄金价格的价格因子对我国黄金价格进行预测。采用Person相关系数法,对现阶段黄金价格的9个价格因子与黄金价格的相关性进行比较,筛选出相关系数较大的5个价格因子,并通过Granger因果检验,得出可能导致黄金价格变化的2个价格因子;将Person相关系数法和Granger因果检验选出的7个因子作为黄金价格预测的主要价格因子,结合商空间理论,按照时间属性,将黄金价格论域划分为年、季、月3个粒度,建立3层商空间,并进行粒度的合成和计算。然后建立基于商空间理论的支持向量机预测模型,预测得出年、季、月粒度的黄金价格预测值分别为8122.4,7947.506和8089.5元/金衡盎司,合成结果为8053.1元/金衡盎司。将预测结果与GM(1,1)预测值和实际黄金价格进行对比,证明该模型的预测结果在误差允许范围内,优于传统的价格预测方法。

一种优化LSTM神经网络模型的预测方法

针对股票收盘价预测精度不高的问题,提出了一种优化长短期记忆(LSTM)神经网络模型(P-Adam-LSTM)。在LSTM神经网络结构的基础上,将通过自适应矩估计算法自适应地调节学习率,提高准确度;利用Pearson相关系数选出最佳特征集并用于训练,改善误差率。将P-Adam-LSTM与LSTM、Adam-LSTM、P-LSTM模型进行纵向对比试验;将P-Adam-LSTM与RNN、CNN、BP模型进行横向对比试验;将Adam-LSTM与Adagrad-LSTM、RMSProp-LSTM、SGD-LSTM模型进行优化算法模型对比试验。训练数据为上证A股的中国国贸(600007.SH)十年间的股票特征,实验验证了P-Adam-LSTM对收盘价预测具有有效性。

中国区域碳市场价格相关性分析

碳交易市场在20世纪初出现了迅猛式的增长,我国也在2011年批准了在北京、上海、天津、重庆、湖北、广东和深圳7省市碳交易市场正式开展碳交易工作。选取上述省市碳交易市场,利用person相关系数、spearman秩相关分析检验、灰色相关法对它们进行相关性分析,获得不同碳市场间的相关关系,并根据各地域碳市场的特点,分析其个性和共性,提出了碳交易市场发展的建议。

基于TOPSIS的塞罕坝生态模式生态环境影响评价

随着中国经济高速发展,工业化城镇化建设活动逐渐侵蚀到周边的自然生态地区,出现了自然资源约束趋紧、环境污染严重、生态系统退化等一系列生态问题。针对塞罕坝的生态模式,构建了一个生态环境影响评价模型,有利于生态环境的修复和经济高质量可持续发展。根据初步筛选的16个相关的生态评价因子,利用person相关系数对特征指标进行去冗余处理,降低各种发展及其不平衡性对模型准确性的影响,采用TOPSIS算法进行评估,进而建立生态环境评分模型,实现生态环境的定量比较与分析。结果发现,塞罕坝生态模式下生态环境评价得分逐年增高,由1962年的得分0.0194上升为2021年的得分0.294,生态修复能力逐渐增强。塞罕坝地区的生态模式有效提升了当地生态环境水平。

基于BP神经网络的汽油精制过程中的辛烷值损失模型

随着科技飞速的发展,小汽车已经成为家家户户必不可少的交通工具,小汽车带来便利的同时,也带来了一系列严重的环境问题。因此汽油质量的高低才是导致大气污染的问题所在,辛烷值(RON)是反映汽油燃烧性能的最重要指标,本文通过 BP 神经网络建立了一个降低汽油精制过程中的辛烷值损失模型。