基于优化分解与误差修正的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于优化分解降噪联合误差修正模型。该模型分为3个阶段,第一阶段,首先用基于全局搜索的鲸鱼优化算法(GSWOA)选取变分模态分解(VMD)的参数,之后运用优化后的VMD对原始数据进行分解;然后利用互相关分析重构高频分量,最后对高频分量进行小波软阈值降噪(WTSD);第二阶段,运用门控循环单元(GRU)对每个分量进行预测,将所有分量预测结果叠加起来得到初步预测结果;第三阶段,对初始预测结果进行误差修正(EC)。为验证模型的有效性,利用宁夏太阳山光伏电站2021年1、4、7、10月份的光伏实测数据进行实验,实验结果表明,相比于LSTM、GRU、VMD-LSTM,该混合模型表现出更好的性能。

基于误差阈值和分层搜索的快速分形图像压缩方法

针对基本分形图像压缩方法耗时过长的不足 ,提出一种快速分形图像压缩方法 .首先给出分层搜索算法以减小待匹配父块的数量 ,然后引进误差阈值以减小待比较像素个数 .理论分析和试验结果表明 ,相对于经典分形压缩方法 (Jacqain) ,该方法在不影响信噪比和解码图像质量的前提下 ,大大提高了压缩速度 .

AdaBoost分类器的一种快速训练方法

针对训练AdaBoost分类器的计算量随候选特征和训练样本数量的增加而急剧增加问题,提出了AdaBoost分类器的快速训练方法.AdaBoost分类器由多个决策桩构成.由于正负样本特征值分布的随机性,现有方法都在训练样本的特征值中穷举搜索来获得最佳决策桩.首先,注意到优秀特征阈值-误差(T-E)曲线的近似凸性,提出使用二分搜索法确定最佳决策桩.与穷举搜索相比,比较操作时间复杂度由O(N)降低为Olog N AdaBoost分类器的快速训练方法.在公开行人检测数据集Inria Pedestrian dataset和Caltech Pedestrian Detection Benchmark上的实验表明,提出的快速训练方法得到的分类器与普通方法的检测性能相当.

一种新的快速分形图像压缩方法

本文针对基本分形图像压缩方法耗时过长的不足 ,提出一种快速分形图像压缩方法。首先给出分层搜索算法以减小待匹配父块的数量 ,然后引进误差阈值以减小待比较像素个数 ,从而达到提高图像压缩速度的目的。理论分析和试验结果表明 ,相对于经典分形压缩方法 (Jacqain) ,该方法在不影响信噪比和解码图像质量的前提下 ,大大提高了压缩速度。

核燃料棒点云圆柱拟合及三维重建方法研究

完整的核燃料棒几何形貌是核电站正常运行的重要依据,当前利用结构光进行水下燃料棒扫描时,因受水中杂质和燃料棒表面反光影响,会导致大量点云噪点的产生,进而影响检测形貌的精准重构。为此,文中提出一种高效准确的方法以实现对燃料棒形貌的三维立体重建。首先借助拓扑原理将圆柱点云数据分别进行最小二乘法直线拟合和平面拟合,进而利用直线方向向量和平面法向量实现点云空间坐标的转换;接着利用误差阈值搜索法计算圆柱点云的圆心和圆柱半径;最后将圆柱点云进行可视化处理,从而实现曲面三维重建。实验结果表明该方法拟合圆柱直径精度可达0.12 mm,圆柱间夹角精度可达0.4°,验证了该方法的有效性。