Residential Electricity Consumption Behavior Mining Based on System Cluster and Grey Relational Degree

In order to improve the utilization of the residential electricity consumption data which contains the information on the user’s electricity consumption habits, a residential electricity consumption behaviors mining algorithm model is constructed. Firstly, according to the attribute, the collected data can be divided into the global data and the phase data, then the appropriate global variables are selected to mine the user’s electricity consumption patterns in the near future on the system clustering algorithm. Based on the theory of grey relational analysis, combing phase data with the power modes to analyze the potential characteristics of residential electricity consumption behaviors deeply that verify the ability of latest power mode to predict household electricity consumption situation in the coming few days and the effect of dominant phase variables on the peak load shifting. Finally, from the actual data of a certain family, the proposed data mining algorithm is testified that it can effectively explore the electricity consumption behavior habits and characteristics of the family.

Small World Properties Generated by a New Algorithm Under Same Degree of All Nodes

Based on the model of the same degree of all nodes we proposed before, a new algorithm, the so-called “spread all over vertices” （SAV） algorithm, is proposed for generating small-world properties from a regular ring lattices. During randomly rewiring connections the SAV is used to keep the unchanged number of links. Comparing the SAV algorithm with the Watts-Strogatz model and the “spread all over boundaries” algorithm, three methods can have the same topological properties of the small world networks. These results offer diverse formation of small world networks. It is helpful to the research of some applications for dynamics of mutual oscillator inside nodes and interacting automata associated with networks.

Rough similarity degree and rough close degree in rough fuzzy sets and the applications

Based on rough similarity degree of rough sets and close degree of fuzzy sets, the definitions of rough similarity degree and rough close degree of rough fuzzy sets are given, which can be used to measure the similar degree between two rough fuzzy sets. The properties and theorems are listed. Using the two new measures, the method of clustering in the rough fuzzy system can be obtained. After clustering, the new fuzzy sample can be recognized by the principle of maximal similarity degree.

Static rough similarity degree and its applications

The definition of rough similarity degree is given based on the axiomatic similarity degree, and the properties of rough similarity degree are listed. Using the properties of rough similarity degree, the method of clustering in rough systems can be obtained. After clustering, a new sample can be recognized by the principle of maximal rough similarity degree.

Three vertex degree correlations of fixed act-size collaboration networks

A rate equation approach was presented for the exact computation of the three vertex degree correlations of the fixed act-size collaboration networks.Measurements of the three vertex degree correlations were based on a rate equation in the continuous degree and time approximation for the average degree of the nearest neighbors of vertices of degree k,with an appropriate boundary condition.The rate equation proposed can be generalized in more sophisticated growing network models,and also extended to deal with related correlation measurements.Finally,in order to check the theoretical prediction,a numerical example was solved to demonstrate the performance of the degree correlation function.

A New Definition of Intuitionistic Fuzzy Similarity Degree

As far as the problem of intuitionistic fuzzy cluster analysis is concerned, this paper proposes a new formula of similarity degree with attribute weight of each index. We conduct a fuzzy cluster analysis based on the new intuitionistic fuzzy similarity matrix, which is constructed via this new weighted similarity degree method and can be transformed into a fuzzy similarity matrix. Moreover, an example is given to demonstrate the feasibility and validity of this method.

12个燕麦品种在黄土高原沟壑区生产性能及适应性

为筛选适宜黄土高原沟壑区种植的高产、抗倒伏、抗病性强的燕麦(Avena sativa)品种,以国内外引进的12个燕麦品种为试验材料,分析其产量相关性状、倒伏率和病害发生率,并利用灰色关联度分析和聚类分析法进行综合评价。结果表明:12个燕麦品种干草产量为10800.00~15233.33 kg·hm^(−2),平均干草产量13298.61 kg·hm^(−2);种子产量为3095.24~7857.14 kg·hm^(−2),平均值5407.14 kg·hm^(−2);其中,‘坝燕6号’的倒伏率较低,红叶病和锈病发病率最低,为抗倒伏兼抗病品种。灰色关联度分析结果表明:株高、干草产量、叶茎比在灰色关联评价系统中所占权重最高,是品种选择时的重要指标。采用聚类分析方法将12个燕麦品种划分为3个类群,第Ⅰ类群可作为饲草品种,第Ⅱ类群可作为籽粒型品种,第Ⅲ类群倒伏率及病情指数低,抗逆性好。综合灰色关联度和聚类分析方法,筛选出适宜黄土高原沟壑区种植的产量高、适应性好的饲草型燕麦品种‘加燕2号’,籽粒型燕麦品种‘坝燕6号’和‘美达’。

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

针对高速匝道交通场景提出了一种基于自然驾驶数据的自动驾驶汽车安全性评价方法。通过分析合流区冲突特征,建立碰撞时间(Time to Collision,TTC)模型、后侵占时间(Post Encroachment Time,PET)模型、最小安全换道距离(Minimum Safe Spacing,MSS)交通冲突指标计算模型来确定安全性评价指标,利用模糊聚类自然驾驶指标数据确定指标阈值范围,搭建自动驾驶汽车仿真测试试验,应用层间相关性的重要性准则权重分配方法和灰色关联评分模型,计算得到不同控制算法下自动驾驶汽车安全性的综合评价得分。结果表明,被试车辆驾驶行为与理想驾驶行为在各安全性指标的关联度分布明显,计算总体关联度,得分可以直观说明不同自动驾驶系统的综合安全性能。

融合频谱特性与聚类云-证据推理的油纸绝缘老化程度诊断

油纸绝缘系统老化程度与电力变压器的稳定运行密切相关。针对油纸绝缘频域介电谱(frequency-domain spectroscopy,FDS)所提相关特征量单一和未考虑频谱特性指标间冲突性与随机性而导致老化诊断结果误差大的问题,提出了融合频谱特性与聚类云-证据推理的油纸绝缘老化程度诊断方法。首先,根据不同老化试样的频谱特征提取老化诊断多特征指标,并利用非线性拟合构建老化特征数据库。其次,基于Kmeans聚类提出适配非线性变化指标的聚类云模型基本概率分配方法。最后,针对多特征量的冲突性及相关性差异,利用CRITIC-G1综合赋权法计算各指标对应的证据修正因子,并进行基本概率再分配,利用证据融合推理得出油纸绝缘系统真实老化程度。实验结果表明,所提方法可准确诊断复合油纸绝缘样本的老化状态,为电力检修策略的制定提供了理论指导。

中国省会航空节点城市复杂时空系统协调度变化及空间特征分析

航空运输业提升了城市系统的吸引力并激发新的交通需求,引导城市经济和空间结构快速演进。本文构建了包含经济、规模、外贸、科技、社会、环境、航空等要素在内的城市复杂时空系统指标体系,对中国省会航空节点城市及其构成的7个空管区的复杂时空系统发展的协调程度变化情况及时空聚类特征、空间溢出效应进行了分析。研究发现:2001—2019年,中国31个省会(首府、直辖市)航空节点城市在复杂时空系统发展过程中呈现了或分散、或集中的趋势特征,南方城市在研究末期的协调程度表现更好。7个空管区中,华北区协调度最高,新疆区、西北区、华东区、中南区的协调度水平发展增速较快,航空系统的平均协调度最高。各航空节点城市复杂时空系统协调度的时空聚类模式存在空间分异特征与聚类特征,航空系统在空管区的聚类优势最为突出,经济系统在空管区聚类辐射范围最大。航空、规模、科技与环境系统均表现了正向直接空间溢出效应,经济与科技系统表现了正向间接空间溢出效应。通过全面分析航空节点城市及空管区的复杂时空系统协调度变化,精准判定了航空节点城市多指标系统在区域发展过程中的影响程度及时空分布异质性,对拓展航空地理研究及促进航空节点城市高质量综合发展提供理论依据。

基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法

恶意代码的快速发展严重影响到网络信息安全,传统恶意代码检测方法对网络行为特征划分不明确,导致恶意攻击代码的识别率低、误报率高,研究基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法;分析通信网络中恶意攻击代码的具体内容,从网络层流动轨迹入手提取网络行为,在MFAB-NB框架内确定行为特征;通过归一化算法选择初始处理中心,将分类的通信网络行为特征进行归一化处理,判断攻击速度和位置;实时跟进通信网络数据传输全过程,应用适应度函数寻求恶意代码更新最优解;基于PSO-KM聚类分析技术构建恶意代码数据特征集合,利用小批量计算方式分配特征聚类权重,以加权平均值作为分配依据检测恶意攻击代码,实现检测方法设计;实验结果表明:在文章方法应用下对恶意攻击代码检测的识别率达到95.0%以上,最高值接近99.7%,误报率可以控制在0.4%之内,具有应用价值。

基于特征聚类驾驶员服从度跟驰模型参数标定

服从度是指网联车驾驶员在跟驰过程中对前车传递的信息服从程度。现有的服从度划分方法无法满足精确标定跟驰模型参数的要求。提出了一种基于真实轨迹数据特征聚类精确划服从度的方法。首先,提取真实轨迹数据中与服从度相关的5类特征,设计基于离群点递归筛除的Kmeans++算法进行精确特征聚类,将服从度分为三类(高、一般、低);然后将前景理论效用函引入IDM模型,构建考虑服从度的改进IDM模型;最后将聚类后的轨迹数据按照2:1比例划分参数标定与验证数据集,分别对不同服从度的改进IDM模型与常用IDM模型进行标定与验证。使用车头间距相对均方根误差(RMSPE)作为参数标定与结果验证的误差量化指标。结果表明:高服从度-IDM模型、一般服从度-IDM模型与低服从度-IDM模型在参数标定与结果验证中RMSPE均值分别为:18.2%,21.9%,24.1%和23.2%,26.8%,28.1%,均低于IDM模型两个阶段RMSPE均值:29.7%和32.2%。说明上述分类方法满足精确划分服从度与标定改进跟驰模型参数的要求。

社区尺度斜入射波场下场地-建筑群耦合作用模拟方法

场地-城市相互作用(site-city interaction,SCI)效应会显著改变场地地震波场分布及建筑反应,基于SCI效应理论计算研究方法的发展现状,发挥谱元(spectral element,SE)法可快速高效求解三维地震波场传播和多自由度(multi-degree of freedom,MDOF)模型计算量小且可同时模拟大量建筑的优势,同时,结合频率波数域(frequency wave number analysis,FK)方法,以等效地震荷载的方式施加地震波场,建立了FK-SE-MDOF耦合方法,实现了SE-MDOF耦合模型中多种波型(P波、SV波和SH波)的斜入射输入,解决了当前三维SCI效应研究方法中未能同时考虑建筑非线性、频谱特性、地震波波型及入射角度影响的问题。首先对方法原理进行了介绍;然后,通过与振动台试验的对比,验证了方法的正确性;进而,采用该方法建立理想场地-城市建筑群相互作用耦合模型,主要探讨了入射角度和地震波波型对SCI效应的影响,得到了一些有益结论。该方法较为真实地反映SCI效应影响的同时,可反映建筑基础轮廓对地震波场的影响,适用于需考虑建筑轮廓信息的社区尺度SCI效应研究,可为城市规划、抗震设计、风险评估以及震后救援等工作提供定量指导。

基于改进灰色关联度聚类的海水质量状况评价方法研究:以大亚湾为例

海洋环境质量评价是开展海洋环境管理的依据,而海洋环境评价的精度取决于海洋环境的监测和评价水平。为建立科学有效的指标评价体系,准确分析目前大亚湾西部的海水质量状况,通过改进灰色关联度聚类,将其与层次聚类结合起来,在大亚湾核电海域开展了海水质量评价探索研究。结果表明,在海水质量状况相对评价中,一类站点占比20.83%,二类站点占比66.67%,三类站点占比12.5%,总体结果表现良好。将4个季节进行对比发现,平均绝对关联度为夏季(0.7479)>冬季(0.7345)>春季(0.7290)>秋季(0.7097),夏季海水质量状况相对较好,秋季表现较差。根据评价结果可将大亚湾24个站点分成3个区域,而这3个区域的划分与大亚湾周边实际生产生活状况及实地踏勘情况相符,体现了评价方法的可操作性。

血清分化簇40配体水平及血管外肺水指数与重症肺炎合并呼吸衰竭患者病情程度和预后的关系

目的探讨血清分化簇40配体(CD40L)水平及血管外肺水指数(EVLWI)与重症肺炎合并呼吸衰竭患者病情程度和预后的关系。方法选择重症肺炎合并呼吸衰竭患者121例,根据急性生理学和慢性健康状况评分Ⅱ(APACHEⅡ)分为低危者31例、中危者49例、高危者41例;入组后规范治疗并随访30天,根据生存状态分为死亡者37例、存活者84例。采集所有研究对象入重症监护室24 h内外周静脉血,离心留取血清,采用ELISA法检测血清CD40L;通过股动脉、肱动脉或腋动脉留置导管,连接PiCCO监测仪,通过肺热稀释法测量EVLWI。比较不同病情程度重症肺炎合并呼吸衰竭患者血清CD40L水平及EVLWI,采用Spearman相关分析法分析重症肺炎合并呼吸衰竭患者血清CD40L水平、EVLWI与APACHEⅡ评分的关系。采用多因素Logistic回归模型分析重症肺炎合并呼吸衰竭患者预后不良的危险因素。采用受试者工作特征(ROC)曲线分析血清CD40L水平、EVLWI对重症肺炎合并呼吸衰竭患者死亡的预测价值。结果重症肺炎合并呼吸衰竭患者低危者、中危者、高危者血清CD40L水平和EVLWI依次升高(P均<0.05)。Spearman相关分析显示,重症肺炎合并呼吸衰竭患者血清CD40L水平及EVLWI与APACHEⅡ评分均呈正相关关系(P均<0.01)。多因素Logistic回归分析显示,年龄增长、肺外并发症≥2个、APACHEⅡ评分增加以及血清CD40L水平和EVLWI升高为重症肺炎合并呼吸衰竭患者预后不良的独立危险因素(P均<0.05)。ROC曲线分析显示,血清CD40L水平、EVLWI单独与联合评估重症肺炎合并呼吸衰竭患者死亡的曲线下面积分别为0.773、0.779、0.880,血清CD40L水平、EVLWI联合预测重症肺炎合并呼吸衰竭患者死亡的曲线下面积大于血清CD40L水平、EVLWI单独(P均<0.05)。结论血清CD40L水平及EVLWI升高与重症肺炎合并呼吸衰竭患者病情程度增加有关,也是其预后不良的独立危险因素;血清CD40L水平、EVLWI对重症肺炎合并呼吸衰竭患者死亡均有一定预测价值,二者联合预测价值更高。

无人机自组网快速稳定加权分簇算法

在无人机自组网中,网络规模增大会使节点间平均跳数增加,网络管理和路由协议运行更艰难。分簇结构可用来优化网络管理,提高网络的可拓展性。针对无人机高移动造成的簇结构不稳定以及分簇结构鲁棒性差的问题,提出了一种快速稳定加权分簇算法。该算法对比现有的加权分簇算法,对链路保持率、节点度和相对速度三个指标的选取进行改进。针对战场和应急场景下簇头节点掉线带来的簇振荡,提出了一种高效的簇维护机制。最后通过仿真验证该算法的性能,结果表明,与现有改进型加权分簇算法相比,该算法可以有效降低成簇的时间,同时在簇头节点掉线的情况下快速恢复,更适用于复杂环境下的网络部署。

基于LV-DBSCAN算法的大坝安全监测数据异常检测

大坝安全监测数据原始序列中常存在异常测值,极大影响了大坝安全监测资料分析的可靠性和准确性。为此,在分析异常值特性及传统异常检测方法优缺点的基础上,分别从局部与整体角度研究监测数据异常检测方法。首先针对多重局部异常系数法要求数据序列较长且数据等时间间距等缺陷,提出了局部变化异常系数法(LV)及局部方法与整体方法协同判别策略;进一步引入密度聚类算法(DBSCAN),提出了兼顾数据整体与局部特性的LV-DBSCAN异常检测方法。以某混凝土重力坝两垂线测点顺流向位移监测数据为实例,对比分析了不同方法在不同类型数据集上的检测精度。研究结果表明,所提LV-DBSCAN方法适用性更广,准确率更高,误判率更低。

117份干辣椒资源的营养指标比较分析

为了培育出营养成分含量丰富的干制辣椒品种,以117份辣椒资源的干椒为供试材料,测定其蛋白质、粗脂肪和辣椒素含量,运用描述性统计、相关性分析、灰色关联度分析、聚类分析等多元分析方法进行综合评价。结果表明,117份干辣椒的辣椒素含量变异系数最大,为85.04%,在选育新品种过程中辣椒素含量的选育空间较大;蛋白质含量与粗脂肪含量呈显著负相关,与辣椒素含量呈极显著负相关,而粗脂肪含量与辣椒素含量呈极显著正相关。基于熵权的灰色关联度分析,蛋白质、粗脂肪和辣椒素含量的权重分别为0.20、0.22和0.58,综合营养品质较优的是2021Q-141-571、2021Q-156-543和2021Q-147-543;K=5时把117份干辣资源聚为低粗脂肪低辣椒素类、高粗脂肪类、高辣椒素类、营养品质中等类、高蛋白质类等5个类群,相较系统聚类能较好地解决各营养指标之间存在关联的问题。依据灰色关联度分析和K均值聚类综合评价结果,可筛选高辣椒素、高蛋白或高粗脂肪含量的辣椒材料,研究结果为科学评价辣椒综合营养品质,对辣椒种质资源创新利用以及培育优良品种具有一定的参考价值。

基于数据驱动相似度方法的风电场站动态等值建模研究

针对大型集中式风电场站中风电单元众多、运行工况多变、集电网及拓扑接线繁杂的特点,提出一种数据驱动相似度方法,实现对大型集中式风电场站的等值建模。首先,引入相似度来表征风电发电单元运行状态中的数据特征,并通过相似度,以数据驱动方式实现风电发电单元聚类分群;其次,对同一集群的发电单元进行聚合,获得等值机组的等值参数,并最终得到风电场等值模型;最后,以广东省某海上风电场为实例,对所提方法进行仿真与验证。研究结果表明,该方法能有效提升风电场的建模效率和模型精度。

基于共享邻近度和概率分配的密度峰值聚类算法

针对密度峰值聚类(DPC)算法难以准确找到流形数据的类簇中心以及剩余样本点分配过程易发生连带错误等问题,提出了一种基于共享邻近度和概率分配的密度峰值聚类(SP-DPC)算法。基于K近邻和共享K近邻定义了样本点间的共享邻近度,使用共享邻近度重新定义了样本点的局部密度,从而找到正确的类簇中心;利用样本点的K近邻信息,提出传递概率分配策略和证据概率分配策略共同优化剩余样本点的分配,从而避免分配连带错误;在17个合成数据集和12个UCI数据集上进行实验,将SP-DPC算法与DPC算法、SKM-DPC算法、DPC-NN算法、DBSCAN算法、K-means算法进行对比,实验结果表明SP-DPC算法在AMI、ARI、FMI这3个评价指标上整体取得了相对最优值,聚类效果优于其他对比算法。