基于RIME-IAOA的混合模型短期光伏功率预测

光伏发电在如今的新能源发展中逐渐成为重点,其中光伏功率预测成为研究的主要方向.为了提升光伏功率预测的精度和效率,提出了RIME-VMD-IAOA-LSTM模型.该模型通过霜冰优化算法(RIME)优化变分模态分解(VMD)的参数来提升分解效率;引入余弦控制因子的动态边界策略来控制算数优化算法(AOA)数值的增长速率从而提升算法的精度和稳定性;利用自适应T分布变异策略来改进AOA的局部搜索能力和全局开发能力,更好地避免局部最优解.两种智能优化算法的加入使得整体模型的预测效率和速度都有很大提升,实验结果表明组合模型RIMEVMD-IAOA-LSTM相比于其他预测模型有较高的光伏功率预测精度.

消费行为数据采集平台的安全保障与预测模型研究

依据用户浏览记录等信息进行兴趣爱好的预测并进行合理推荐,已成为诸多销售平台优化用户体验的常用手段,而用户信息安全问题自然也成了各大平台面临的一大挑战.提出一种基于内生安全的消费行为数据采集与分析平台,通过采集用户数据,使用基于长短时记忆网络的预测模型,精准预测未来销售流量数据.在数据安全性方面,平台使用基于内生安全的拟态云WAF,通过动态选择算法、异构执行体和裁决算法3种核心技术为整个数据平台提供了自主可控的安全保障,并利用基于Sketch的网络测量技术对异常流量进行了检测.此外,平台融合了数据备份和恢复、加密存储、数据传输加密技术,并对重要的数据采取分类存储、访问控制等措施.多项对比实验验证表明,用于中烟销售流量的预测平台相较于目前提出的多种技术在预测准确度和数据安全方面都有显著提升,可为企业销量预测提供一种合理可行的解决方案.

考虑数据分解和进化捕食策略的BiLSTM短期光伏发电功率预测

提出一种考虑数据分解和进化捕食策略的双向长短期记忆网络(BiLSTM)短期光伏发电功率预测模型。首先,针对大量高频分量且频率成分复杂的原始光伏发电功率,通过数据分解理论,提出互补集合经验模态分解(CEEMD)与矩阵运算的奇异值分解(SVD)融合的(SVD-CEEMD-SVD,SCS)方法,实现光伏发电功率数据的二次降噪。然后,建立进化捕食策略(EPPS)和BiLSTM的组合预测模型,以更好地挖掘模型的内在特征,提升功率预测精度。最后,以山东某地区实际光伏电站为例,验证模型在滤除光伏发电功率噪声和提升预测精度方面的有效性。

基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测

针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GAN模型生成多组数据,实现电池的退化数据增强;然后结合降噪自编码器(DAE)和长短时记忆(LSTM)神经网络构建DAE-LSTM模型进行数据降噪和容量预测,为了降低模型参数,此过程中的数据降噪和预测共享同一个损失函数;最后先利用生成数据对DAE-LSTM模型进行预训练,再利用真实数据对其进行迁移训练。在CACLE和NASA公开数据集进行性能测试,实验结果表明该文所提方法精度高、鲁棒性强,能够有效提高锂离子电池剩余寿命的预测效果。

考虑线路动态电热特性的交直流系统分布鲁棒潮流优化策略

为了充分发挥交直流线路耐热特性、提高系统在不确定运行环境下应对故障的调控能力,以含柔性直流输电技术(VSC-HVDC)的交直流系统为研究对象,提出一种考虑线路动态电热特性的分布鲁棒潮流优化策略。首先,根据热传导理论分别建立交流架空线路、直流电缆线路的动态电热模型,而后在校正控制中引入交、直流输电线路短期最高允许温度(SAOT)约束及校正期间最大热积累量来代替长期允许温度(LAOT)作为在校正期间的暂时安全约束,以达到充分利用线路的短期过载/耐热特性的目的;其次,将故障后的校正过程划分成两个子校正过程,通过最大化储能及VSC-HVDC的快速校正能力,弥补常规调控装置难以快速响应指令的缺陷,进一步,在基于Kullback-Leibler(KL)散度所构建的风荷概率分布模糊集上,通过在考虑风荷最恶劣概率分布的情况下进行潮流优化,改善了传统鲁棒优化方法过于保守的问题;再次,在列和约束生成(C&CG)算法和Multi-cut Benders分解算法的基础上,提出一种融合物理知识的双循环分解算法,不仅能避免对非过载线路热平衡方程的线性化,同时还能避免多场景多故障协同求解;最后,在基于改进的IEEE 39测试系统中对所提模型及算法的有效性进行了验证。

基于改进WTD-SVD-WOA-LSTM方法的海杂波背景下小目标检测

针对海面小目标因体积小、移速慢而导致的检测难问题,提出了一种改进WTD-SVD-WOA-LSTM检测方法。首先,利用改进小波阈值法(Wavelet Threshold Denoising, WTD)结合优化奇异值分解(Singular Value Decomposition, SVD)法对海杂波去噪;然后,通过改进鲸鱼优化算法(Whale Optimization Algorithm, WOA)对长短期记忆神经网络(Long Short-term Memory, LSTM)的超参数选优,获得最佳预测模型;最后,根据预测误差均方根值进行小目标检测。利用冰区多参数成像X频段雷达(Ice Multiparameter Imaging X-band Radar, IPIX)实测海杂波数据进行验证,所提方法相较于单一LSTM检测方法,检测阈值区间更广,检测能力至少提高了16%。

CEEMDAN-CNN-BiLSTM混合模型矿区地表沉降预测

为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDAN-CNN-BiLSTM混合地表沉降预测方法:以皖北某大型煤矿开采工作面与工业广场区域为验证对象,对比分析稳定区域和重点监测区域数据形态;然后基于CEEMDAN重构监测站高程数据分量,输入CNN模型提取分量隐含信息;最后构建BiLSTM模型,实现对沉降监测点位数据的短期预测。实验结果表明,相较于传统的CNN和长短期记忆模型,CEEMDAN-CNN-BiLSTM混合模型可有效降低预测误差,其中平均绝对百分比误差(MAPE)的降低范围为40%~90%,而均方根(RMS)误差的降低范围为52%~87%;该模型在时空特征捕捉和泛化能力方面表现性能较好,可为GNSS时间序列短期预测提供更为精准和可靠的解决方案。

基于AM算法优化LSTM的微型断路器剩余电寿命预测

针对微型断路器剩余电寿命预测中特征选取单一、预测精度较低的问题,提出了基于注意力机制(AM)算法优化长短期记忆神经网络(LSTM)的预测模型。首先,通过搭建微型断路器电寿命试验平台提取特征参量;然后,采用皮尔逊相关系数(PCC)从众多特征参量中选择最优特征子集,从而有效表征电寿命退化过程;最后,将微型断路器的剩余电寿命作为预测标签,通过AM-LSTM预测模型对微型断路器的剩余电寿命进行预测。试验结果表明:该模型比GRU、LSTM模型预测效果好,有效精度达到87.78%,能够满足实际工程的需要。

面向突触故障的回声状态网络容错方法研究

在实际应用部署过程中,回声状态网络中储备池的内部突触容易受到应用系统故障的影响而发生故障,偏离预期的性能。因此,提出一个面向突触故障的回声状态网络容错模型。分析模型中一些故障的突触(权重扰动)的行为特征,考虑发生故障的实际场景,采用检测机制检测并定位这些故障的突触,最后通过容错策略使其恢复。仿真实验结果表明,针对不同特点的时间序列数据,通过容错性能评估、统计分布和短期记忆能力对比,提出的容错模型是有效的。此外,通过数学理论推导证明出储备池突触故障容错的边界条件。

行为异常检测技术在零信任访问控制中的应用

零信任有效解决了网络边界模糊的问题,在多种访问控制方法中得到广泛应用.针对大部分零信任访问控制方法仅使用简单统计方法计算信任评分、防范未知风险能力较差、缺乏对不同用户的自适应能力的问题,提出了一种引入行为异常检测的零信任访问控制方法.该方法设计了一种结合行为异常检测策略的信任引擎,通过自编码器和双向长短期记忆神经网络的建模能力,表征用户的行为模式,利用均方误差损失函数计算异常行为表征值,同时融合其他要素计算信任评分.该方法利用异常行为表征值设定信任阈值,以自适应调整用户访问策略.实验结果表明,所提方法对用户行为间的关联敏感,能够识别用户的异常行为并阻止授权,实现持续评估、细粒度的访问控制.

改进DTW下界约束的Granger多元时序LSTM预测模型

多元时序的因果预测研究是探讨复杂网络响应关系的热点问题。提出一种通过DTW的下界约束组合并改进的层级过滤器,与格兰杰因果验证法相结合验证其因果统计量,挖掘出有效信息实现有效降维,进一步输入LSTM预测模型进行因果预测。仿真实验利用开源的空气质量数据集进行定量和定性对比验证,该方法的损失函数训练曲线和测试曲线有较好的拟合度,表明该因果预测法是可行且有效的。

基于变分模态分解改进生成对抗网络的短期风电功率预测

风电功率的可预测性和预测准确性取得了一定的研究成果,但风电数据中气象和功率的强非线性制约了短期预测精度的进一步提高,提高短期风电功率预测的精度已成为研究的热点与难点。针对风电数据非线性且非稳定的特点,基于分解思想提出一种基于变分模态分解改进生成对抗网络的短期风电功率预测方法。该方法使用变分模态分解分散风电数据中的非线性,将复杂序列的预测任务转化为多个较为简单序列的预测任务;设计了激活函数和损失函数,解决传统生成对抗网络模型不稳定问题,并对所设计激活函数的关键参数进行了分析。Bengaluru风电场某风机数据的算例测试表明,所提方法取得了较好的预测结果,其均方误差相比长短期记忆网络和变分模态分解-长短记忆网络方法分别下降了79.65%和51.83%。

基于GTO优化CNN-LSTM的多变量负荷预测

提出了一种基于CNN-LSTM多变量负荷预测方法,分别介绍了CNN-LSTM、GTO算法,构建了多变量负荷预测模型,描述了多变量负荷预测思路,最后通过对比GTO优化前后的根均方差(RMSE)、平均绝对误差(MAE)、平均相对百分误差(MAPE)、决定系数(R2)四个指标,以及预测数据和真实数据的变化趋势图,证明GTO可以有效提高CNN-LSTM预测模型的鲁棒性以及精确性。

基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测

基于停车场有效停车泊位短时变化特性,提出了一种小波变换和粒子群小波神经网络组合预测方法。首先,通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后对重构后的时间序列分别采用小波神经网络进行预测,并利用粒子群算法对神经网络初始参数的选取进行优化,最后将各自外推的预测结果进行合成,得到最终预测结果。实例分析表明：与单独使用小波神经网络模型相比,小波变换-粒子群小波神经网络模型的预测精度提高了5-7倍,且预测稳定性较好。

地下流体中短期异常与地震活动性指标

从地下流体前兆产生的机理出发，系统研究了地下流体中短期异常与地震活动性指标在空间和时间上的对应关系。研究结果表明：地下流体中短期异常点在空间上与地震空区、弱震条带、b值异常区有明显关系；在时间上与小震活动频度和b值、η值等也有密切的联系，其结果对判定地下流体中短期异常具有一定的指导意义。

基于改进流形正则化极限学习机的短期电力负荷预测

为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机(ELM)的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机;其次,针对流形正则化极限学习机中参数的选择,以及流形正则化极限学习机隐层节点选择的问题,提出将贝叶斯优化算法(BOA)融入到流形正则化极限学习机中以优化流形正则化极限学习机(MRELM)。最后,通过实验数据分析,改进流形正则化极限学习机预测方法将预测平均相对误差降低到了1.903%,30次实验的平均相对误差的方差降低到了1.9‰,平均单次运行时间降低到了6.113 s。

基于广义动态模糊神经网络的短时车站进站客流量预测

针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点,结合逻辑推理能力强的模糊技术与自学习能力强的神经网络,提出一种基于广义动态模糊神经网络(GD-FNN)的短时进站客流量预测方法。以北京轨道交通各车站的进站客流量数据为例,分析轨道交通车站的进站客流特征,确定影响短时客流分布的主要因素;然后采用GD-FNN方法构建车站短时进站量的预测模型,实现对北京轨道交通系统若干车站进站量的预测。预测结果表明:该方法与传统的神经网络相比,预测效果更准确(最大相对误差小于8%),稳定性好。

短期老化对橡胶粉改性沥青流变性能的影响

为探究短期老化作用对橡胶粉(CR)改性沥青性能的影响,针对经旋转薄膜烘箱实验(RTFOT)老化前后的CR改性沥青,进行动态剪切流变实验(DSR)和重复蠕变恢复实验(RCRT)得出相应流变参数,并结合扫描电子显微镜(SEM)从细观的角度观察沥青内部结构变化及其对沥青流变性能的影响。结果表明:老化作用引起沥青组分的变化,使沥青表现出硬化现象;老化作用对CR改性沥青的变形恢复能力和变形影响随温度升高而减小;老化作用和温度的影响大于应力对其影响;随温度的升高,老化作用对CR改性沥青流变性能影响变弱。

我国高管人员报酬激励制度的有效性——基于沪深上市公司的实证研究

如何设计后股权分置时代的高管报酬机制将面临很多挑战。研究表明,短期报酬具有有效性,这意味着在设计国有控股公司的股权激励时,依然不能忽略短期报酬激励和职务升迁等政治和非货币的激励;长期报酬激励不显著,这说明我国股权激励的"利益趋同效应"不明显,目前股权激励的有效性前提还不够;高管激励倾斜度低说明"大锅饭"仍未打破,这需要解除报酬管制,向核心高管倾斜,避免"搭便车"式的激励;长短期报酬结构的结果说明如果将固定任期制转为弹性任期制,更能实现报酬激励的有效性。

利用GPS连续站资料研究地壳运动与地震的关系

利用1999年以来的GPS连续站资料,引入数学形态滤波法,以单点、基线以及区域变化与震例相结合,分析了地壳水平运动与地震的关系,获得了可能反映地震短临前兆的几个特征。此外,对GPS连续站资料所反映的地震趋势进行了分析。